随着移动物联网与无线通信技术的快速发展,智能互联与云计算技术日臻成熟,爆炸式的终端设备接入及其产生的数据流量呈指数级增长,尤其计算密集型、延迟敏感型的移动应用数据对传统通信网络结构带来了严峻的挑战。与此同时,计算及能量资源受限的终端设备已难以匹及高复杂度、高能耗的业务场景需求,寻求新一代网络结构与信息处理机制以应对愈加数据化的时代需求已成为学术界、产业界广泛关注的议题。因此,同时具备云计算与移动互联网优势的移动边缘计算(MEC)应运而生,其能够较大程度地在更加靠近用户的位置提供应用所需的计算与存储功能,从而缓解核心网络压力、为用户同时提供低时延、低能耗和高可靠的网络传输。然而,面对边缘用户日益剧增的计算需求以及能量受限的硬件约束,使得MEC的计算卸载策略与能量配置方式面临着巨大挑战。因此,研究高效的计算卸载及能量优化机制是目前MEC系统中亟待解决的重要问题。作为MEC系统网络的关键技术,计算卸载可以将实时的应用数据卸载至靠近终端设备的网络边缘,为资源受限的移动设备处理提供计算与能量支撑,同时减少了任务上传核心云的额外开销,降低了回程链路的资源与时延消耗。而能量收集(EH)技术可以为能量受限的终端设备给予额外的能量供应,以确保任务处理高速、有序的进行同样备受关注。因此,本文面向移动边缘计算环境的计算卸载策略与能效优化方案以及系统资源的优化进行深入研究,以进一步降低任务执行时延、提升MEC系统能量效率。主要工作内容归纳如下:1.针对计算密集型任务卸载使得移动终端设备能量消耗大的问题,提出了一种基于种群多样性-二进制粒子群优化(PD-BPSO)算法的计算卸载策略。首先建立多目标约束下终端设备执行任务时的能耗模型,其次采用粒子群优化算法将任务的卸载转化为粒子寻优过程,并获得在寻求能耗最小化下的最优卸载决策。最后,仿真实验表明该卸载策略能够在保证用户服务质量(QoS)的同时有效降低终端设备能耗。2.针对移动边缘计算系统中密集的计算任务卸载使得资源受限的终端设备能量效率低、服务不灵活等问题,提出了一种基于能量收集的系统能效优化方案。该方案首先在满足卸载发送功率限制等约束条件下,分析了能量收集状态及用户功率分配,建立最大化系统能效的联合优化模型。其次,利用广义分数规划理论将卸载能效转化为标准凸优化问题,并通过构建拉格朗日函数对目标函数进行迭代优化,获得最优的能量指示变量与功率分配。最后,仿真实验表明所提方案可提升用户能效达15.6%,实现绿色通信。