随着移动互联网和物联网的快速发展,移动设备数量和移动数据流量呈爆炸式增长,同时许多计算密集型和时延敏感型的新兴应用也不断涌现,这对移动设备的硬件要求及移动应用的计算方式提出了巨大的挑战。为此,移动边缘计算应运而生,它通过将大量的云计算资源下沉到网络的边缘,在更靠近用户的位置提供计算、通信和存储等功能,进而满足移动互联网和物联网高速发展所需要的高带宽、低能耗的要求,保证用户的使用体验和新兴应用日益增长的需求。然而,与云数据中心相比,边缘服务器的计算和存储资源都相对有限,如何有效的利用系统资源以最小化系统成本同时保证用户的使用体验是移动边缘计算系统设计中的一个很大挑战。本文针对移动边缘计算中的资源分配问题及云数据中心能量管理问题,提出了基于服务缓存、任务卸载、传输资源及计算资源分配的移动边缘计算系统成本优化模型和基于可再生能源及能量存储装置的分布式云数据中心成本优化模型,并设计了相应的优化算法。主要工作和创新点总结如下:第一,针对移动边缘计算系统成本优化问题,构建了由一个云数据中心、一个边缘服务器及具有多个任务的多个用户组成的通用系统模型,推导出以服务缓存、任务卸载和资源分配为优化变量的优化问题,以最小化系统的计算成本与时延的加权和为优化目标,基于半定松弛方法和交替优化的思想,设计了可以有效利用系统资源的近似算法。进一步的,对原优化问题进行了扩展,考虑每个用户都有一个计算成本约束,使得每个用户可以通过计算成本预算控制任务的时延。最后通过实验仿真,验证了提出算法的可行性和有效性,并对算法在各种系统参数下的性能进行了分析。第二,针对移动边缘计算系统中云数据中心能量管理问题,建立了含可再生能源及能量存储装置的分布式数据中心运行成本优化模型,推导出以最小化长期带权重的电费成本、水消耗成本和碳排放成本为目标的随机优化问题。基于李雅普诺夫优化理论,提出了数据中心在线成本优化算法,并对算法的性能进行理论分析。进一步的,基于分布式计算框架交替方向乘子法,提出了相应的分布式算法,使得每个数据中心可以做出自己的系统决策,有效的减少了系统的计算复杂度和不必要的通信开销。最后利用现实中的实际数据对提出的算法进行实验仿真,验证了集中式算法的理论性能及分布式算法的有效性,并分析了不同系统参数对提出算法的影响。