随着智能移动设备的制造成本降低,智能移动设备得到广泛普及,从而促进了移动互联网的大发展。移动互联网的铺开带动了移动应用产业快速发展,市场上各类新兴应用层出不穷。移动应用为用户提供了多样的服务,功能也越来越强大,因此运行这些应用需要占用大量资源。但是,智能移动设备限于资源的短缺,在运行一些密集计算型的移动应用时,会产生高能耗,影响终端续航,并且可能存在较长的任务执行时延,从而导致较差的用户服务体验。计算任务卸载是解决此问题的一种行之有效的方法,但是传统的远程云卸载,会导致很大的服务时延。业界由此提出了移动边缘计算技术(Mobile Edge Computing,MEC)和基于这项技术的移动边缘计算网络部署架构,为计算任务卸载的实现提供了新途径。在移动边缘计算网络中,MEC服务器带来了下沉的计算和存储资源,并且资源充足且空闲的智能设备可以通过Device-to-Device(D2D)链路为移动用户提供辅助计算服务。据此,在移动边缘计算网络中实施计算任务卸载,能够在缩短服务时延的基础上,弥补移动用户终端资源的不足,提升用户体验质量。移动边缘计算网络中,针对计算任务卸载问题的研究,混合卸载场景下的有效计算卸载策略是目前的研究趋势。本文针对此研究方向做了以下两方面的工作:(1)由于计算任务卸载需要进行任务数据的无线传输,混合卸载场景下,蜂窝链路传输干扰和D2D链路传输干扰会对移动用户的计算卸载决策产生影响。基于此,本文研究了混合卸载场景中的计算卸载方案,即移动用户能够通过蜂窝链路把计算任务卸载到MEC服务器上执行,或者通过D2D链路卸载到一个分布式计算节点(Distributed Computing Node,DCN)上执行。因为移动用户的卸载策略选择影响着相互之间的时延和能耗,本文首先把用户的卸载决策问题构建成了序贯博弈模型。其次,本文阐明了博弈模型纳什均衡的存在,以至于系统能够收敛于一个稳定状态。然后,本文提出了一种有效的多用户混合计算卸载决策方案达到纳什均衡。最后,本文通过仿真验证了所提方案的性能,仿真结果显示,所提出的计算卸载决策方案能够在有效减小任务执行能耗的同时,满足时延较为敏感的计算任务的处理。(2)实际场景中,移动用户的计算任务产生具有随机性,因此本文在混合卸载场景的基础上,研究了随机任务模型条件下的移动用户的有效计算卸载策略。本文首先把用户的计算任务产生考虑为了泊松过程,由此把移动用户设备、DCN设备以及MEC服务器的计算任务执行过程构建成了排队模型。然后,本文建立了以最小化计算任务执行代价为目标的优化问题,并且提出了基于外罚函数的混合计算卸载决策算法进行问题求解,得到了最优的计算卸载策略。最后,本文通过仿真验证了所提算法的有效性,仿真结果显示,所提算法在减小时延和节约能耗两方面都具有明显的性能增益,并对不同用户的不同需求表现出良好适应性。