移动边缘计算（Mobile Edge Computing,简称MEC）作为一种新型的云计算范例,通过将计算密集型任务从资源受限的智能移动设备（Smart Mobile Device,简称SMD）卸载到边缘云节点（Edge Cloud,简称EC）上执行,以增强SMD性能表现并降低能量开销。与中心云相比,边缘云可以为附近的SMD提供延迟更低的服务。但是,由于SMD固有的移动性特点和边缘网络中的资源有限性,如何在移动性约束和资源有限性约束下获得最佳的任务卸载策略和资源分配策略仍然是一个具有挑战性的问题。边缘缓存服务（Edge Cache Service,简称ECS）是一种极具前景的内容分发模式,与中心化的内容服务相比,ECS允许数字内容提供者将数据卸载到边缘网络中的边缘云上,让SMD通过跳数更少的边缘网络从附近的边缘云获取数字内容,从而显著减少数据传输延迟并提高数字内容提供者的服务质量（Quality of Service,简称Qo S）。但是,边缘云和网络服务商不会提供免费的边缘服务,需要设计合理的机制来激励边缘设备分享其资源,并提供计算和缓存服务。现有一些研究工作没有充分考虑边缘网络的动态性和资源有限性等特点,因此针对边缘网的特征开展MEC的资源分配机制和相关架构的研究具有很大的现实意义与应用价值。本文结合该方向的最新研究成果,研究了边缘网络中的多用户任务卸载与资源分配机制、资源动态定价机制和缓存服务框架。本文的主要工作的贡献包括以下三个方面:第一,本文研究了边缘场景下的多用户计算卸载策略,以最小化MEC系统中的SMD总任务执行成本。首先通过任务执行时间或执行能耗来衡量移动应用的执行成本,在SMD与边缘云之间有限的连接时间、任务完成的截止期限和边缘云节点资源有限性等约束条件下,将SMD的任务卸载和边缘云节点资源分配问题刻画为移动应用执行的总成本最小化问题。接着,将该最小化问题分解为了两个子问题:第一个子问题是如何获得SMD的最优任务卸载策略,第二个子问题是如何优化边缘云资源分配策略。本文提出了基于博弈模型的SMD任务卸载收益最大化算法来解决了第一个子问题,并且通过多用户收益竞争算法来解决第二个子问题。最后,实验验证本文的算法可以显著地降低SMD任务执行的能耗开销,并且减小SMD的总任务执行时间成本。第二,本文研究设计了MEC中的资源定价机制,通过优化MEC系统中的网络资源价格和计算资源价格,来平衡MEC系统中的资源供给和资源需求。通过考虑MEC系统中SMD最大预算和供应商可销售资源的有限性来构建了计算资源和网络资源的交易模型。该交易模型允许SMD根据其偏好自定义预算分配策略,以提高任务执行速度或减少任务执行能耗。本文在资源限制和任务执行期限的约束下,制定了MEC系统的效用最大化问题,并通过调整网络资源定价和计算资源定价来获取该问题的解决方案。本文通过使用微观经济学中的组合投资理论,通过解决SMD的投资回报最大化问题来优化预算分配策略,并设计了均衡价格发现算法,从而调整资源定价以实现市场均衡。仿真结果表明,与最新方法相比,本文的算法可以在更少的迭代中获得预算分配策略,并找到均衡价格来最大化系统效用。第三,本文基于区块链技术设计了一个去中心化的边缘缓存服务框架,以实现边缘网络中的缓存资源可信交易和数据内容可信交易。该框架允许内容提供者将其内容数据卸载到边缘设备上,从而提升其Qo S。本文基于期货交易理论设计了一种缓存订单匹配机制,用于匹配内容提供者和边缘设备之间的缓存资源交易,显著地提高了缓存资源的利用率。此外,本文提供了一种具有数据完整性验证的数据内容交易机制,以支持边缘设备之间的数据共享。本文所设计的交易合约管理机制可以激励边缘设备完成其合约,并确保边缘缓存服务系统中的交易公平性和有效性。