随着无线通信技术和物联网的快速发展,处于边缘侧的移动设备也承载着越来越多诸如图像识别,增强现实(AR),虚拟现实(VR)等高质量低时延需求的新兴业务。然而,移动设备的计算、存储以及电能资源有限,无法支撑此类业务的本地处理,同时,移动云计算(Mobile Cloud Computing,MCC)的计算模式由于长链路传输,也无法满足业务的实时性需求。为了解决这个问题,考虑引入移动边缘计算(Mobile Edge Computing,MEC),通过无线网络使移动设备与增设的边缘侧服务器互连,实现任务的计算卸载和网络资源的补充,借助边缘计算平台增强边缘侧处理能力。此外,考虑到新兴业务复杂度提升对算力的高需求以及边缘节点在实际场景中大体量部署带来的高成本,本文采用将边缘计算和云计算结合的方式,在移动边缘计算的基础上,实现云边的高效协同,面向能耗和时延等性能指标设计计算卸载优化机制,更好应对任务数量和质量的双重发展需求。针对任务处理受边缘侧资源限制的问题,本文借助移动边缘计算技术,设计面向能耗优化的移动边缘计算卸载机制。该机制主要包含两个算法:MEC任务缓存算法和基于贪婪策略的分支限界算法。通过将频繁调用的任务结果保存在边缘服务器,利用MEC任务缓存算法增加缓存命中率,同时使用基于贪婪策略的分支限界算法进行任务卸载,可以在保证用户QoS的前提下,实现系统能耗优化。仿真结果表明,本文提出的方案可以有效稳定时延,降低系统能耗,提升整个网络的性能。针对云边协同场景下的时延优化问题,本文在移动边缘计算基础上引入云计算,设计面向时延优化的云边协同计算卸载机制,并提出一种基于云边协同的任务卸载和资源分配优化算法。该算法主要包含两个过程:计算资源分配过程和任务放置过程。首先将初始的计算资源分配问题转换成等价的凸优化问题,并利用凸优化理论获取最优的资源分配方案;进而利用任务放置策略得到最优的卸载方案。仿真结果表明,本文提出的算法有效实现了降低系统时延的优化目标,提升了系统的整体性能。通过应用本文提出的面向云边协同的计算卸载优化机制,可以有效降低系统时延和能耗,满足不同场景的计算需求,提高云计算和边缘计算的应用价值。