近年来,智能移动设备以及计算密集型应用的数量呈爆炸式地增长,这对传统的云计算架构造成了极大的挑战。为此,作为5G核心技术之一的移动边缘计算方案应运而生。移动边缘计算可以为近端的用户提供云计算服务,高效地收集从附近移动设备迁移过来的计算任务进行辅助运算,以达到降低系统时延,延长移动设备电池使用时间的效果。本文将无人机(Unmanned Aerial Vehicles,简称UAVs)通信技术,边缘计算系统以及无线充电技术相结合,利用无人机的移动便捷性扩大其服务范围,提高网络的综合性能。为此,本文提出三种不同的移动边缘计算模型:多对多静态网络模型,基于无人机基站的多对多动态网络模型和基于移动无人机的多对一动态网络模型。本文围绕这三种移动边缘模型展开,并取得如下研究成果。(1)基于静态小基站网络中,多对多(多用户多基站)关联的物理场景,提出一种基于置信度传播的优化算法。该算法将集中式的优化转化到分布式用户端进行决策,并利用置信度传播的特性进行迭代,求解出次优的任务迁移决策方案,使得系统能耗与时延的加权和最小。仿真结果表明,所提出的算法对系统效能函数的优化结果与理论上最优算法的差距很小。(2)针对静止的无人机边缘计算系统,本文提出了以长时间平均的终端吞吐量最大化为优化目标,并设计了一种基于李雅普诺夫方程的在线动态迁移决策优化算法。该算法在考虑了任务到达随机性,信道随机性的情况下将目标优化方程对时间解耦,然后在每个时隙中优化出最优的计算迁移策略,计算资源分配方案和充电能量的分配方案。仿真结果验证了理论推导的正确性并展示了不同参数对系统的影响。(3)在移动的无人机边缘计算系统中,本文针对最大化长时间平均的无人机吞吐量的优化目标提出了一种基于李雅普诺夫方程的联合动态用户关联和路径规划的优化算法。通过时间解耦,该算法在每个时隙中利用连续凸逼近方法优化出最优的用户关联,无人机路径规划方案以及服务器计算频率。仿真结果表明优化目标与队列积压长度之间存在着一种折衷关系。最后,本文对全部工作做了一个总结同时分析了不足之处,并对以后的工作进行了展望。