随着无线通信技术和智能设备的迅猛发展,数据流量呈指数型趋势增长。爆炸的数据流量和不同服务需求的移动终端给集中式云计算带来了数据拥塞、架构繁复等致命缺陷。移动边缘计算（Mobile Edge Computing,MEC）将云计算资源下沉到靠近用户端一侧的网络边缘,是一种新的去中心化的范式,为移动物联网设备提供任务卸载、存储和应用服务,极大地缩短了传输距离,有效地降低了能耗。然而,固定部署的基础设施很难保证智慧城市下所需的高效服务。近年来,无人机（Unmanned Aerial Vehicle,UAV）以其按需部署、高机动性、低成本等优势,在无线通信领域中得到了广泛应用,携带服务器的无人机不仅可以帮助物联网设备完成数据计算、降低能耗,同时无人机也可以作为中继节点,协作物联网设备让基站（Base Station,BS）提供服务。本文围绕无人机协作移动通信网络中的卸载资源分配模型,分别从用户和系统的角度出发,通过对无线资源、卸载策略以及无人机位置的优化,达到了降低用户能耗,提高系统收益和安全性能的目标,论文具体研究内容和工作总结如下:在携带通信模块和服务器的单无人机卸载场景下,提出了一种无人机协作的任务卸载方案,研究了保证下行链路用户体验性的情况下对用户的卸载任务量、无人机功率和无人机轨迹的优化问题,实现了卸载用户的总能耗最优化。针对目标优化问题的非凸性,提出了一种优化用户能耗的多目标联合优化算法。仿真结果表明,所提算法能够快速收敛,卸载用户的计算能耗显著降低。在携带通信模块和服务器的多无人机卸载场景下,提出了一种多无人机协作的收益方案,研究了在保证系统性能的前提下实现功率控制、资源分配和用户关联的最优化问题。为了有效地解决这个问题,提出了一种基于深度学习的多智能体强化学习算法。通过仿真分析,本文的方案可以有效提高系统的收益。在单无人机作为中继协作移动边缘计算的场景下,针对移动卸载场景中用户信息的安全问题,提出了一种二级卸载保密策略,研究了多个窃听无人机情况下的二级卸载安全模型。以多目标联合优化方案解决了最大化系统保密容量的优化目标问题,有效地提升了系统安全性能。