近年来,随着移动物联网基础设施的快速发展和物联网应用的日益普及,各种移动应用的复杂性和可操作性也在不断增强。物联网的发展将移动通信的范围从人-人通信延伸到人与物、甚至是物与物的智能互联等更加广阔的行业和领域。移动物联网将会是未来移动互联网中终端数据量最大、用户数量最多、应用最为普遍的网络应用之一,也将成为未来网络应用发展的主要驱动力,将为下一代网络提供广阔的发展前景。物联网的爆发式发展,势必为移动互联网带来新的发展机遇和技术挑战。现有的移动互联网架构,已经无法适应物联网的爆发式发展。目前的移动互联网架构是为人与人、人与物的连接,或者为智能手机运行各类互联网应用设计的,而并非为物联网设计。在未来纷繁复杂的网络场景下,现有架构已经无法满足各类物联网应用的多样化需求。网络切片是运行在物理或虚拟基础设施之上的逻辑网络,能够将网络按照不同的应用需求切分为多个具有不同配置的逻辑网络,各切片间相互隔离,互不影响,能够满足移动物联网的各种不同应用场景的需求,是下一代移动网络中解决上述问题的主要技术。本文对移动物联网切片中各个功能组件的灵活部署和资源分配等相关问题进行了深入研究,利用图论(Graph Theory)对物联网切片进行了模型映射和理论分析,运用深度学习、软件定义网络、网络功能虚拟化、移动边缘计算、以及图神经网络等技术,对移动物联网切片进行了优化,研究了在虚拟化平台上的移动物联网切片模型及方法。本文的主要贡献和创新性成果如下:1)基于多层图论的移动物联网切片分析模型针对物联网应用的不同需求,以图论为基础建立多层图切片模型,将不同应用所划分的切片映射到相应的图层中,对各切片初始化过程中组件部署的灵活性和可扩展性、切片运行过程中有限资源的高效利用、以及面向移动终端的低时延边缘切片等移动物联网切片所面临的问题进行了理论研究和深入分析,建立了以满足多任务复杂物联网应用需求为研究目标的多层图模型。2)基于随机游走的移动物联网切片部署策略在切片初始化过程中,提出一种面向业务的安全可扩展移动物联网切片部署策略,通过对业务类型及资源需求进行分类识别,运用图随机游走模型,在网络的不同位置按需部署切片的虚拟功能组件,并通过MACsec over VxLAN将各组件连接,形成安全可扩展虚拟功能链。该方案能够在对系统性能影响极低的前提下,提高虚拟功能部署的灵活性、安全性和可扩展性,可为下一代移动物联网中对这些性能需求较高的切片提供可靠的理论基础和原型系统。3)基于深度学习的移动物联网切片资源管理方案在切片运行过程中,针对不同切片复杂多变的资源需求,提出基于生成对抗网络的需求预测模型和基于多智能体多级奖励深度强化学习模型的切片资源动态管理方案。生成对抗网络用来进行切片资源需求的精准预测,并将预测结果作为强化学习的输入项,通过多智能体多级奖励深度强化学习模型来对不同切片进行动态资源配置。该模型不仅能够提升资源利用率,还能提高用户体验质量。在下一代移动物联网环境中,能够为不同的垂直行业提供一种高性能、细粒度的动态切片管理方案。4)基于多边缘协同的移动物联网边缘切片优化架构针对某些移动物联网终端在移动过程中进行计算分流时,无法保证低时延和高可靠需求等状况,提出了在边缘切片中的多节点协同计算以及动态切换通信节点的思路,解决了终端移动过程中的高时延和低可靠问题。运用图神经网络对边缘切片中的高效任务分配和最优传输路径选择进行了优化,为边缘端实现移动物联网切片提供了可行方案。