我国移动互联网发展已经进入全民时代,在庞大用户群体需求的刺激下,移动网络应用市场规模呈现持续增长态势。一方面优质的无线网络通讯环境和高性能CPU为移动网络应用的发展提供了更好的平台,保证了良好的用户使用体验。另一方面,移动网络应用愈发沉重的无线网络通讯负载和不合理的资源调度策略给移动设备带来了很大的能耗负担,进而阻碍移动互联网应用产品及服务市场的发展。由于移动互联网的巨大市场份额和潜力,移动网络应用软件的设计和优化是当前的工业界和学术界的研究热点。目前针对移动网络应用的“性能-功耗”优化方案多是静态的对能耗进行测量评估及优化,很少考虑网络接口状态,用户体验,用户使用习惯,网络环境,情景信息等因素对移动网络应用能耗问题的动态影响。本文围绕移动网络应用数据下载和移动浏览器网页浏览的能耗与性能优化方案展开研究,应用动态优化方法Lyapunov优化框架和MDP模型设计下载优化算法,通过监督学习算法支持向量机构建移动网页浏览资源调度模型,具体研究工作分为以下三点:1)提出基于李雅普诺夫优化框架的低功耗链路选择下载算法对李雅普诺夫(Lyapunov)优化框架理论进行研究,将网络队列稳定性同传输链路的能效特点相结合,通过Lyapunov偏移推导得出针对单一节点低功耗稳定队列的数据下载算法LLA(Low Power and Link Selection Algorithm)。该算法根据当前可用网络环境、网络通讯质量、请求队列信息动态处理下载请求并选择低功耗链路进行数据下载,在保证移动网络应用下载请求队列稳定的前提下,对移动网络应用数据下载的能耗和性能进行优化。最后通过实验验证了 LLA算法的有效性。2)提出基于马尔科夫决策过程的能耗感知下载模型对马尔科夫决策过程(MDP,Markov Decision Process)进行理论研究。分析用户使用模式,将数据下载能耗管理问题同MDP相结合,运用MDP理论构建针对不同用户使用模式的能耗感知数据下载模型EDM(Energy-aware Download Model)。该模型在决策制定过程中考虑不同用户的使用习惯,并基于奖励最大化原则,在运行时对用户的资源使用情况进行动态调度,旨在提升用户使用体验的同时,最大限度的降低任务下载能耗。最后通过实验对比了系统默认下载策略和LLA及EDM两种自适应下载策略的能效,证明了本文提出的自适应下载策略在性能和能耗方面都得到了显著的优化。另外,针对轻度和中度使用者,EDM表现更优。3)提出基于支持向量机的Web浏览优化模型对Web加载过程进行研究,分析Web组成架构和样式信息对网页加载过程的影响,构建面向异构多核平台的Web浏览优化模型。该模型将监督学习算法支持向量机(SVM)同Web负载分析相结合,针对用户不同需求(最快加载速度,最低能耗,最低EDP值),将Web渲染工作调度到最合适的处理核心上,并配置正确的处理器参数(运行主频)运行。从而在满足用户体验的前提下,提供个性化优化模型,以达到提高移动Web浏览能效比的目标。最后,通过实验对比了系统默认Linux HMP调度策略和两种自适应调度策略WS、SVM模型,实验验证了自适应调度策略表现更优,进一步实验表明,本文提出的Web浏览优化模型在网页加载时间、能耗、EDP上都显著优于WS。此外,本文研究了无线网络通讯环境对移动Web浏览性能的影响,分析Web加载过程中网络延迟和CPU处理时间的占比关系,由此基于不同网络环境提供合适的SVM优化模型。最后实验验证了在不同网络环境中,SVM优化预测模型的有效性。