云计算是一种集中式计算范式,它集中布置资源,并通过网络将这些资源提供给用户。尽管云计算拥有大量资源,然而,由于云计算系统的服务器通常在地理上远离用户,因此其很难支持实时移动的用户的应用程序。因此,边缘计算,即将资源分配到网络边缘的计算方式,在具有低延迟和高可靠性要求的应用服务中越来越受欢迎。边缘计算以去中心化的方式提供资源,和云计算相比,其可以更快地响应用户的需求。然而,由于边缘设备计算能力有限,因此存在几个与资源管理相关的挑战,例如如何进行作业调度、资源分配和任务卸载,这对整个系统的性能有显着影响。为了解决这些问题,学者们将边缘计算领域所存在的资源管理问题建模为优化问题,这些优化问题通常具有复杂的特性,例如非凸性和NP难,因此基于凸优化的传统方法可能无法解决这些问题。计算智能是一类受自然启发的计算方法,近年来,其在求解云计算和边缘计算中的所存在的这些优化问题方面表现出巨大潜力。本文研究计算智能技术求解移动边缘计算中的复杂优化问题,主要内容如下所示:1.提出了一种支持多无人机辅助的移动边缘计算系统,该系统部署了多架无人机为用户设备提供服务。本章的目的是通过设计多架无人机的最佳轨迹来最小化系统的整体能量能耗。为了解决这一问题,提出了一种两阶段长度可变的轨迹规划算法。在第一阶段,通过提出具有可变长度个体的遗传算法来更新停靠点的部署。同时,提出了一种多色遗传算法进一步对停靠点与无人机的关联及其对无人机的访问顺序及优化。通过对包含60到200个设备的8个实例上的实验来测试所提出的方法的有效性,结果表明所提出的方法优于其他先进算法。2.研究了一种用于无人机辅助的移动边缘计算系统,目的是通过规划无人机的轨迹来最小化系统的能耗和任务完成时间的加权和。该问题具有NP难、非凸、非线性和混合决策变量等特点,为此本文提出了一个方法通过三个阶段解决上述问题。首先,通过采用具有可变种群大小的差分进化算法来处理停靠点的部署更新。然后,提出了一种聚类算法来关联停靠点与无人机。最后,采用一种低复杂度的禁忌搜索算法来构建所有无人机的轨迹。所提出的方法的性能在七个实例上进行了测试。结果表明,提出的方法在系统的能耗和任务完成时间的加权和上的性能优于其他方法。3.提出了一种多智能反射面和多无人机辅助的移动边缘计算系统,其部署了多架无人机和多个智能反射面为大量的用户设备提供服务。本章旨在通过联合优化无人机的轨迹和智能反射面的相移来最小化无人机的整体成本,包括能源消耗、完成时间和维护成本。在解决该问题时,需要考虑无人机停靠点的部署,用户设备、停靠点、无人机之间的关联、停靠点的顺序以及智能反射面的相位。为了解决这一问题,本文提出了一种由四个阶段组成的方法。在第一阶段,通过采用具有可变种群大小的差分进化算法来优化停靠点的部署。结果,可以获得无人机的所有的停靠点。然后,在第二阶段,优化用户设备、停靠点、无人机之间的关联。具体而言,首先采用聚类算法将停靠点与无人机关联,然后引入关闭准则将用户设备与停靠点关联。随后,在第三阶段,采用低复杂度的贪心算法来优化所有无人机的停靠点顺序。最后,对智能反射面的相位进行了优化,以提高用户设备和无人机之间的数据速率。提出的方法的性能在多达1000个用户设备的10个实例上进行了测试。结果表明,就无人机的总体成本而言,所提出的方法比其他对比算法表现更好。图32幅,表20个,参考文献230篇