随着物联网和新型应用场景的不断发展,未来网络需要满足超低时延、高可靠、海量连接等需求。移动边缘计算(Mobile Edge Computing,MEC)通过在移动网络边缘提供云计算功能和存储资源,营造出一个具备高性能、低延迟与高带宽的网络环境,让用户享有不间断的高质量网络体验。在MEC服务器超密集部署的边缘计算网络中,用户可以将计算密集型或时延敏感型的计算任务卸载到与其相关联的MEC服务器上。用户附近多个基站覆盖区域的高度重叠以及用户的移动性会导致用户进行任务卸载时面临诸多问题,譬如:任务卸载目标MEC服务器的选择、虚拟机(Virtual Machine,VM)迁移目标MEC服务器的选择、VM迁移决策等。基于此,本文针对MEC系统中任务的移动性管理开展研究,主要工作如下:1.设计了基于多重指标的MEC服务器选择方案。该方案综合考虑上下行链路传输时延、处理时延、能耗、VM迁移成本、任务卸载的能量效率、任务处理费用等多重指标,基于各参数的线性加权对候选MEC服务器进行排序,选出综合性能最优的移动边缘计算服务器为用户提供服务。仿真结果表明,该方案能够在保障用户任务卸载费用预算和能耗约束的条件下,降低任务处理的总时延,满足多重性能指标要求。2.设计了基于任务卸载费用最小化的VM迁移决策方案。为解决用户移动时面临的VM迁移决策问题,考虑现有研究中忽略了子任务间的复杂关联关系,该方案首先建立非线性网状任务划分模型,然后基于此模型给出执行时延约束下的最小化任务卸载费用优化问题,最后通过遗传算法得到每个子任务的VM迁移决策结果。仿真结果表明,该方案在满足任务卸载时延约束的同时,有效降低用户总的任务卸载费用。