随着移动通信技术的发展和移动终端数量爆发式的增长,网络直播、虚拟现实、增强现实等各种新型应用不断出现。由于移动设备体积、电池等客观因素的限制,移动设备自身的资源不足以满足用户对于这些业务的需求。移动边缘计算(Mobile Edge Computing,MEC)技术的出现为解决该问题提供了一种有效的途径。该技术支持移动设备将计算密集型的应用程序卸载到计算能力较强的MEC服务器处执行,从而有效地降低计算任务延迟和能耗,提高用户的服务质量。在MEC系统中,设计高效的任务卸载以及资源分配策略尤为重要。本文针对MEC系统中联合任务卸载和资源分配开展了研究,主要工作如下:针对单MEC服务器多小小区的异构网络场景的移动边缘计算系统,分析了用户计算任务卸载和资源分配的联合优化问题。考虑到无线电以及计算资源对于任务卸载性能的影响,以最小化用户的时延和能耗开销为目标,制定了联合卸载决定、子信道分配和计算资源分配的优化方案。在该方案中,将原始的优化问题分解为任务卸载和资源分配两个子问题。对于任务卸载子问题,通过坐标下降法优化用户的卸载决定;对于资源分配子问题,设计一种匹配算法为用户分配子信道并利用凸优化的方法得到计算资源的分配,然后迭代得到最优的卸载决定和资源分配结果。仿真结果表明,所提的方案可以有效地降低用户的开销。针对多MEC服务器多小小区场景下的移动边缘计算系统,设计了一种多轮组合拍卖的算法。该算法将无线电和计算资源的分配问题建模为一个拍卖过程,其目的在于在满足服务节点资源限制的条件下最大化服务节点的效益。拍卖过程主要分为任务投标和获胜者确定两个阶段。在任务投标阶段,考虑服务节点的资源容量以及用户和服务节点的距离等因素来决定服务节点的优先级;在获胜者确定阶段,利用动态规划的算法来确定获胜的用户。仿真结果表明,所提算法与现有算法相比,能够有效地提高获胜用户的数量和服务节点的效益。