移动边缘计算(Mobile edge computing,MEC)作为5G的关键技术之一,将计算、存储、应用等核心功能放在靠近终端设备或数据源头的网络边缘侧,无需经过回传链路和核心网,就近为用户提供IT服务环境和云计算功能,能够满足用户在低延迟、低功耗、安全与隐私保护等关键方面的需求。但相比云计算,MEC服务器计算资源有限,无法在重业务负荷场景下,满足多用户的计算资源需求。为充分利用MEC服务器的计算资源,目前业界已提出多种资源分配策略,旨在合理分配MEC服务器无线资源和计算资源,以实现用户收益的最大化。然而,关于如何利用有限的计算资源最大化MEC服务提供商收益的研究还不多见。事实上,为弥补服务器部署及维护成本并实现盈利,如何在计算资源受限的情况下提高自身收益是MEC服务商非常关心的问题。在重业务负荷场景下,本文分别在应用任务间相互独立和具有顺序执行关联性两种情况下,研究了MEC服务器的计算资源分配策略,以尽可能提高MEC服务提供商的收益。首先,本文考虑了一个任务具有二态卸载特性的多用户MEC系统。在此MEC系统中,每个终端用户都有一个延迟敏感性的任务,每个任务具有一个严格的延迟要求。为保证在满足卸载用户的服务质量(Quality of Service,Qo S)需求同时,提高MEC服务提供商的收益,提出一种通过优化计算任务执行次序提高MEC服务器收益的策略。将MEC服务器收益最大化问题建模为以任务执行次序为优化变量的优化问题,然后提出了一种基于分支定界法的算法求解任务执行次序。仿真结果表明,相对于基准算法,在重负载网络中,所提算法能够更有效提高MEC服务提供商的平均收益。其次,本文考虑了终端应用任务具有顺序执行关联特性的多用户MEC系统,且此系统中的不同用户对时延和金钱的偏好程度不同,在此场景下如何最大化MEC服务提供商的收益。为解决此问题,对MEC服务器收益最大化问题建模,根据用户对时延和金钱偏好程度不同及MEC服务器已获得的网络信息,提出基于蚁群算法求解任务最优执行次序的算法,得到各任务的最佳分区决策及卸载任务的MEC服务端执行次序。通过仿真验证,所提算法能够明显提高MEC服务提供商的平均收益。