随着车联网技术和智能交通的发展,大量具有低时间延迟需求的数据需要实时处理,移动边缘计算(Mobile Edge Computing,MEC)卸载算法通过对任务数据进行划分,充分利用本地和云端计算资源,实现任务数据快速处理。高效的MEC卸载算法能够减少任务数据处理时间和系统能量消耗,增加任务数据处理效率,本文主要研究面向车联网的MEC卸载算法,主要做了以下三个方面工作:首先,针对单MEC服务器计算卸载算法时间延迟和能量消耗较高的问题,提出基于内点法的多目标计算卸载算法。利用内点法优化方法,解决了能量消耗与代价函数联合优化问题,进一步对车辆数据卸载概率进行求解,得到最优数据卸载概率。实验结果表明,在MEC服务器数据处理能力和系统总数据量相同的情况下,随着时间的增长,该算法与传统算法相比,降低了时间延迟和能量消耗,提升了数据处理效率。其次,针对多MEC服务器车联网系统计算卸载算法由于数据积压量增加,导致算法效率降低的问题,提出基于李雅普诺夫(Lyapunov)优化的时变计算卸载算法。利用Lyapunov优化技术,最小化系统中各队列条件期望差上界,减少系统数据积压量,进一步与损失函数相结合求解实时最优卸载数据量。实验结果表明,在MEC服务器数据处理能力相同的情况下,随着任务数据量的增加,该算法与传统算法相比,减少了数据处理过程中系统数据积压量,同时减少了任务数据处理时间和能量消耗。最后,结合基于内点法的多目标计算卸载算法和基于Lyapunov优化的时变计算卸载算法,设计并实现了面向车联网的MEC卸载原型系统。实验结果表明,面向车联网的MEC卸载原型系统能够有效地实现任务数据的计算卸载,增强数据处理效率,验证了基于内点法的多目标计算卸载算法和基于Lyapunov优化的时变计算卸载算法的有效性。