云计算作为集中式远距离的计算资源存在着传输延迟高、传输带宽代价高等不足。为了弥补这些缺陷,近年来移动边缘计算作为一种新的计算范式开始受到各界的关注。在移动边缘计算中,网络边缘设备,比如小基站等,作为小型数据中心,被赋予了类似于远端云的计算功能,从而可以用于处理用户的计算需求。而且,由于计算资源距离终端用户更近,极低的延迟和精准的位置感知成为可能。另一方面,由于计算任务耗能较大,使用绿色能源为移动边缘计算网络进行供能具有经济、环保等多方面的意义。绿色能源的使用需要基于能量收集技术,而能量收集技术则不可避免地带来了能源供应的高间歇性与不可预测性。对于单个由能量收集方式供能的具有移动边缘计算能力的基站来说,这就会导致基站一方面受到其自身的计算能力的限制,另一方面受到能量供应的限制。这些限制对于充分发挥移动边缘计算的作用造成较大阻碍,从而导致系统对基站间通过调度进行协同合作的需求。在由能量收集供能的绿色移动边缘计算系统中,进行调度时,除了传统的地理负载均衡技术所带来的空域耦合,能量收集技术又导致了强烈的时域耦合。这就使得相较于传统的移动边缘计算问题,该系统面临的调度问题变得更加具有挑战性。为此,我们引入了带扰动的李亚普诺夫优化技术,通过将其与地理负载均衡技术相结合,设计出一种适用于由能量收集供能的多基站系统的地理负载均衡方法,从而达到改善系统的移动边缘计算性能的目的。本文的工作主要包括以下两个方面:1.本文为系统设计了一种集中式调度算法,该算法可以最小化系统的长期平均代价,解决系统所面临的时域发生耦合的地理负载均衡问题。借助于李亚普诺夫扰动队列技术,关于系统长期代价的最优化问题可以在每个时刻单独求解,且不依赖于未来的系统动态信息。因此,该算法可以实时运行,是一种在线的算法。同时,本文还通过理论分析和仿真验证表明了相较于需利用到系统的未来状态信息的离线理论最优算法,该算法实现了系统性能与电池容量间的折中,并且它的性能显著优于基准算法。2.本文为系统设计了一种分布式调度算法。通过带二次正则化项的拉格朗日对偶分解方法的使用,该算法对各个基站的计算能力造成的限制条件实现了放松,从而将空域耦合的问题进行了解耦,使得各个子问题的决策可以由各个基站自行做出,而不必依赖于集中式的决策。分布式算法的实现降低了系统规模较大时优化问题求解的复杂度,进一步提高了算法的可扩展性和实用性。同时,本文还通过仿真验证了算法的有效性。综上,本文针对绿色移动边缘计算的多基站系统,提出了集中式和分布式的调度算法,并分析验证了算法在系统性能方面的良好表现。