近年来,随着智能设备的普及和移动互联网的发展,新兴的计算密集型、时延敏感型应用层出不穷。这些应用需要消耗大量的计算资源与存储资源。但是,移动终端受物理尺寸的限制,其电池容量、存储空间和计算能力都十分有限,无法满足这类应用在时延和能耗方面的需求。因此,如何在资源受限的情况下为用户提供良好的计算体验面临巨大挑战。移动边缘计算依靠计算卸载技术将移动终端的计算任务整体或部分卸载到具有相对充足计算资源和存储资源的边缘服务器执行,有效的解决了计算需求增大与设备资源受限这一矛盾。同时,由于MEC服务器部署在更靠近用户的网络边缘,相比传统的远程云计算具有更低的时延。此外,任务在进行计算卸载时对服务器的不同选择会产生不同的效益,因此,研究移动边缘计算网络中的卸载策略具有非常重要的意义。然而,考虑在实际的移动边缘计算网络中,无线资源以及边缘服务器的计算资源、存储资源都是有限的,因此在制定计算卸载策略时,如何高效分配这些资源以实现更大的收益,成为当前急需解决的问题。针对上述问题,本文主要开展了以下两方面的工作:（1）在多用户边缘计算网络中,本文将资源分配策略与计算任务卸载决策进行了联合优化。首先,以实现移动终端能耗最小化为目标,建立了最优化模型。其次,由于目标问题是NP难问题,难以在多项式时间内求得解析解,因此本文通过分析变量之间的关系,将目标函数转化为两个凸优化问题,并通过求解KKT条件得到变量的半闭式解。最后,基于二分法求解出最优资源分配策略和计算卸载策略。仿真结果表明本方案可有效降低系统中移动终端能耗。（2）针对多用户多边缘服务器场景,考虑边缘服务器有限的无线资源、存储资源和计算资源,提出了基于多回合双向拍卖的边缘服务器资源分配算法。本文首先将多对多的计算卸载场景建模为拍卖模型。其次,针对用户任务执行代价和优先级,设计了一种基于拍卖补偿机制的报价策略,同时基于边缘服务器有限的通信资源、计算资源、存储资源,采用了动态报价策略。最后提出了一种基于多轮双向拍卖算法的资源分配方案,以实现移动边缘计算网络中通信资源、计算资源、存储资源的高效分配,最大化边缘服务器收益。仿真结果表明本文提出的算法能使边缘服务器获得更高的收益。