移动边缘计算(mobile edge computing,MEC)技术通过在网络入口处部署服务器,为移动用户提供高可靠、低时延的计算与通信服务,旨在解决移动用户计算密集型任务递增但自身计算能力与电池容量受限、云计算资源丰富但接入能力受限以及移动宽带业务显著增长但承载网管道化三个矛盾。用户利用MEC可将计算密集型任务迁移到边缘服务器执行,从而增强用户的计算能力,降低设备能耗,且无需接入远端云,减小骨干网拥塞与服务响应延迟。在MEC系统中,由于计算与通信耦合,用户感知性能依赖于计算与通信资源的联合分配,且资源分配取决于迁移用户集,故多用户联合资源竞争与迁移决策也会影响迁移性能。本文以提升系统和用户迁移服务性能为目标,研究基于移动边缘计算的多用户超密集网络和基于非平衡MEC部署多用户多任务网络的迁移决策和资源分配问题,主要研究内容概括如下:(1)研究基于移动边缘云的超密集网络用户迁移决策与联合资源分配。针对MEC与超密集网络融合场景,多个基站通过回程链路接入同一边缘服务器,网络中同时存在计算服务请求用户与通信服务请求用户,每个计算服务请求用户有单个计算密集型任务需要处理,而通信服务请求用户具有最小速率需求,研究联合信道分配、功率分配和计算资源分配,在保障通信用户最小速率需求下最小化计算用户迁移服务时延-能耗权重和。通过分析问题结构,原问题分解为计算资源分配问题以及联合信道分配与功率分配问题。对于计算资源分配问题,采用KKT条件获得最优解。对于联合信道分配与功率分配问题,进一步将其分解为功率分配问题和信道分配问题交替优化,提出两种启发式算法(CEP和ECEP)求次优解。仿真分析计算迁移用户数、任务复杂度、时延权重和用户权重变化与算法性能之间的关系,结果表明:ECEP较CEP能获得更小的时延-能耗权重和。(2)研究多用户多任务场景下基于非平衡边缘云的计算迁移。多个接入点通过回程链路共享和接入多个边缘云服务器,每个用户有多个计算密集、时延敏感任务需要处理。与现有研究不同,除考虑用户到接入点的传输时延和能耗之外,引入边缘云服务器接入成本,设计针对迁移决策和资源分配的迁移成本指标——时延-能耗-成本折中。研究最小化所有用户迁移成本和(基于效率)问题和最小化移动用户最大迁移成本(基于公平)问题,提出一组集中式启发式算法(基于效率的CGA、MGA和基于公平性的FGA算法)求次优解,通过仿真分析验证了算法的有效性和公平性。