随着通信技术和计算技术的快速发展，以智能手机为代表的移动设备得到迅猛发展，手机应用如雨后春笋般涌现，智能手机已成为人们生活不可缺少的一部分。相比PC机，智能手机仍然是资源受限的，特别是电池容量。目前，智能手机主要能量消耗来自数据传输和数据处理，有限的电池容量和人们日益增长的能耗需求使得智能手机能量问题更加突出，如何从智能手机数据传输和处理两个方面优化其能量消耗，保证用户日常使用正成为人们研究的热点。围绕上述问题，本文以优化设备能耗，扩展设备资源为目标，从降低数据传输和数据处理能耗两方面，展开研究，具体内容如下：（1）设计了云环境下自适应多阶Markov预测模型。根据移动用户WiFi轨迹，分析移动用户运动轨迹找出其内在规律和相关获取方法，提出了云环境下自适应多阶Markov预测模型，结合云端移动用户WiFi全局位置分布相关信息，预测未来位置是否存在更优WiFi网络，为动态连接切换方法提供决策支持。（2）提出了动态连接切换方法。根据用户对应用的延时容忍和WiFi预测结果，选择是否推迟数据传输等待更优WiFi无线网络；在延时任务管理方面，设计了FCFS(First Come First Serve)任务调度方法，管理相关延时任务；在数据传输过程中，存在网络波动，设计了探测数据传输策略，始终保持移动设备同最优无线网络相连以达到优化数据传输能量消耗的目的。（3）设计基于MapReduce的离线处理用户WiFi轨迹信息方法。分析用户WiFi轨迹信息，利用MapReduce模型强大的分布式处理能力和HBase强大的数据存储能力，对移动用户WiFi轨迹数据进行计算并构建相应多阶Markov转移概率矩阵。当用户应用请求到来时，能够快速响应用户请求并返回相关预测结果。（4）设计云环境下移动应用的静态划分方法。详细分析了移动应用的功能结构，利用云计算丰富的资源，提出了云环境下移动应用的静态划分方法并对其应用进行静态划分，通过无线网络将高密集型计算和高能耗的子任务转移到云端服务器执行，移动设备端只执行简单的子任务，任务执行完后返回结果到移动设备端。本文的创新工作包括以下几点：（1）提出了云环境下自适应多阶Markov预测模型，利用Hadoop技术分析处理用户轨迹信息，结合多阶Markov预测算法，根据用户WiFi轨迹预测其未来位置。（2）提出了动态连接切换方法，根据用户对应用的延时容忍，结合WiFi预测结果，实现了移动设备延时连接最优无线网络传输数据。