随着第五代移动通信(5G)技术的迅速推进,智能终端设备及其多样化的业务应用蓬勃发展,移动数据流量急剧增长。新兴的互联网应用带给了人们丰富多彩的信息体验,同时也对目前的通信系统提出了新的挑战:一方面,传统地云-端处理方式已难以适应互联网和物联网快速发展带来的高网络负荷问题;另一方面,海量数据的实时处理或远距离传输需要庞大能量支撑,对于续航能力有限的终端设备而言,已然难以迎合计算密集型、延迟敏感型应用对通信系统的高要求。移动边缘计算(MEC)技术通过任务迁移,将传统云服务中心的部分计算、存储能力“下沉”到网络边缘,以实现在更加靠近用户侧的无线接入网内提供IT服务和云计算功能,为通信系统进一步拓展开辟了崭新的渠道,已成为5G技术的关键赋能载体。其中,卸载和资源优化被认为是降低终端设备能耗、减小网络传输时延、提升网络处理效率的重要途径,且得到了学术界和工业界的广泛认同和关注。考虑到5G边缘计算中任务卸载与边缘缓存的发展趋势,本论文对就如何实现边缘计算网络中多种资源的协同与优化这一大关键问题,进行深入研究,重点关注任务卸载中的网络系统开销,以及边缘缓存辅助下的任务卸载决策与资源配置问题,以实现边缘计算网络的QoS保障和性能提升。主要研究内容归纳如下:1.针对密集的任务卸载使得边缘计算系统网络开销大以及应用与服务交互延迟高等问题,提出一种基于Lyapunov优化的系统资源分配策略。该策略首先在保证用户服务质量下,考虑系统数据队列状态和任务执行开销,建立系统开销模型;然后运用Lyapunov优化理论设计了一种基于终端设备和边缘计算服务提供商数据队列状态的实时分配方案,并通过构造拉格朗日乘子函数进行迭代优化。实验结果表明,所提方案在保证系统队列稳定性的同时降低了系统平均总开销。2.针对缓存辅助的5G边缘计算系统场景,提出一种卸载决策制定与资源优化方案。首先,建立该优化问题为最小化用户在任务执行时最坏情况下的能耗值,并将这一混合整数规划问题转化为非凸的二次约束二次规划(QCQP)模型,使用半定松弛及随机概率映射方法获得缓存辅助下的预选卸载集合;然后分别采用拉格朗日对偶分解法与二分法求得性能约束下的最优传输功率及边缘计算资源分配,从而通过对比该集合中的设备能耗得到理想的卸载决策集合与资源分配方案。实验数值结果表明,所提方案能够有效降低用户能量消耗,提升边缘计算系统服务性能。