随着移动互联网的迅速发展,人们已习惯于通过多样化的移动终端来安排日常生活,但目前移动设备在计算能力、存储能力以及电池容量等方面的局限性,导致用户在实际使用中的计算需求难以被完全满足。如何有效改善移动设备资源有限与用户需求之间的矛盾无疑是一个很大的挑战。移动边缘计算(Mobile Edge Computing,MEC)作为一种新兴的计算模式框架,通过制定有效的卸载决策将部分计算密集型的数据任务传输到MEC服务器上进行计算,从而缓解终端设备上的计算压力,减少系统能耗,保证计算服务质量,为用户提供高带宽、低时延的计算服务环境。本文针对移动边缘计算系统的能量管理问题,对配置有能量收集设备的多用户单MEC服务器场景下的系统能耗优化问题展开研究,提出了基于李雅普诺夫方法的优化算法和基于交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)的分布式优化算法,实现了在满足一定计算服务质量和系统队列稳定的条件下,最小化系统能耗的优化目标。主要工作和创新点总结如下:第一,本文所考虑的MEC系统中,包含有多个具备能量收集装置的移动终端和一个MEC服务器,终端上运行的应用所产生的数据任务可分配在本地计算或卸载到MEC服务器计算。在保证服务质量和电池队列稳定的约束下,本文构建出一个系统能耗最小化问题。针对模型中收集的可再生能量和任务到来的随机性以及队列的时间耦合性等解决难点,提出了一种基于李雅普诺夫方法的优化算法,利用李雅普诺夫漂移加罚函数将原问题转化为求解系统队列稳定性问题,同时达到最小化系统能耗的目标。通过一系列理论分析证明了该算法的渐近最优性和系统队列稳定性。第二,考虑到随着用户增多带来的大规模访问请求而使得计算复杂度增长的问题,以及用户的数据隐私安全问题。本文在李雅普诺夫优化算法基础上,提出了一种基于ADMM方法的分布式优化算法,通过分解协调的方式,将原问题分解为三个局部子问题,并通过迭代更新来协调优化各个局部子问题而得到原问题的优化解。在该分布式算法下,每个用户首先在本地独立优化局部子问题,再将结果发送给服务器进行后续处理,因此用户无需向MEC服务器提供全部信息,进而达到保护用户数据隐私的目的。最后通过选取合适的实验数据和系统参数进行MATLAB仿真,实验结果表明在该算法下系统平均能耗明显减少,并且在所有时隙下总满足电池队列稳定性和服务质量约束,证明了所提出算法的有效性和可行性。