近年来，随着移动智能设备的迅猛发展，越来越多的移动应用比如基于位置信息的社交网络应用，开始广泛存在于日常生活中。这些资源需求巨大的移动应用给资源不足和电池容量有限的移动设备带来了巨大压力。移动云计算将移动应用的数据以及计算任务卸载到云中，利用不属于移动设备本身的资源来执行移动应用，因此解决了移动智能设备资源短缺的问题。移动设备之外能够用来存储数据以及进行计算的基础设施被称之为移动云。同时，移动用户的任务必须通过移动网络服务提供商的无线网络才能卸载到移动云中。也就是说，移动用户需要利用移动云服务提供商的计算资源，以及移动网络服务提供商的网络资源来完成任务。
　　在移动云计算中，成本是移动用户和服务提供商（包括移动云服务提供商以及移动网络服务提供商）共同关注的问题。用户向云服务提供商购买计算资源来完成任务，其成本需要控制在自己的预算范围之内。云服务提供商将计算资源出售给用户，其价格机制需要保证自己能够获得满意的利润。移动服务提供商利用自己的网络资源将用户的任务传输到移动云中，其获得的收益需要超过自己的运维成本。特别地，对于同时提供移动云计算服务和无线网络服务的移动服务提供商来说，需要同时管理计算和网络资源来控制成本并获得利润。因此，基于成本的资源管理是移动云计算环境下最关注的问题之一。对于移动用户来说，影响成本的关键因素有两个：第一，用户购买云资源需要支付的价格；第二，用户的资源购买策略。对于服务提供商来说，如何对自己的资源（包括计算和网络资源）进行联合调度对控制成本至关重要。
　　对于上述影响用户和服务提供商成本的关键因素，合理的价格机制和资源购买策略能够降低用户购买资源的价格，并对资源充分利用，因此有效节省用户的成本。资源的联合调度通过同时对网络和计算资源进行调度，能够有效提高服务提供商的利润。基于这一目标，通过将价格机制、资源购买策略与资源调度机制与经济学效益函数理论、中介服务模式以及李雅普诺夫随机优化技术相结合，设计了细粒度价格机制、优先级感知的资源购买策略以及在线联合调度算法。
　　为了解决传统粗粒度的价格机制在移动云计算环境下会产生严重的局部资源浪费，给移动用户带来高额的成本的问题，细粒度价格机制通过给用户提供细粒度的计费周期来减少用户费用。细粒度价格机制通过考虑虚拟机维护开销，来设计公平的价格机制，并寻找最佳计费周期来最大化社会福利，然后通过引入经济学中效益函数来兼顾用户和云服务商双方的利益，并获得最优价格点。基于真实移动应用数据集的实验证明了细粒度价格机制能够降低用户的费用。
　　为了解决现有的资源购买策略导致用户购买的资源会存在大量空闲的资源，因而造成高额的成本的问题，优先级感知的资源购买策略通过将低优先级的任务延迟来充分利用购买的资源，减少用户的成本。另外，单个移动用户的任务工作量轻，无法享受已有云计算价格机制提供的各种折扣优惠。为了解决这个问题，中介服务将多个用户的任务聚集起来统一向提供商购买资源，并获得折扣优惠，以此减少用户的成本。优先级感知的资源购买策略能够利用移动任务的优先级特性，来降低用户的成本，同时提高中介的利润。基于真实移动应用数据集的实验，证明了优先级感知的资源购买策略能够降低用户费用并且云中介能够获得利润。
　　为了解决无线网络和云计算资源同时影响服务提供商成本，而现有对无线网络和移动云的资源调度研究都是独立的问题，联合调度机制利用李雅普诺夫优化技术设计在线调度算法RICH，通过调度云无线网中的关键网络资源和移动云中的计算资源，对服务提供商的成本进行优化。基于真实移动应用数据集的实验，证明了RICH能够获得跟最优解之间差距控制在O(1/V)范围内的平均利润，并同时维持系统的强稳定性以及低拥塞。
　　综上所述，细粒度价格机制能够解决移动云计算环境下短时间任务给用户带来的高成本问题。优先级感知的资源购买策略能够降低多个用户的成本。在线调度算法能够联合调度网络和计算资源对服务提供商的成本进行优化。