随着军事应用需求的增加和无人机性能和技术的提高,无人机在军事领域的应用范围迅速增大。因无人机的机动性好、灵活性强、部署容易等优点,而被广泛应用于侦察作战中。在多无人机协同侦察作战过程中,无人机电池容量和计算资源有限,处理任务时会产生过多的能耗和时延等问题。而利用云计算技术处理,不仅会造成的带宽资源浪费、数据信息传输时延和能耗过大、实时性不能得到更好的满足等问题。移动边缘计算（Mobile edge computing,MEC）为上述问题提供了解决方案,在数据源头为无人机提供计算服务。但边缘服务器通常被部署在地面固定位置的基站附近,使得无法有效地为侦察无人机提供通信和计算服务。因此,本文研究了一种由单个无人直升机和多个侦察无人机组成的MEC系统架构,其中无人直升机作为空中基站并搭载边缘服务器,为无人机提供通信和计算服务。基于MEC系统架构来研究多无人机的任务计算卸载策略与资源调度问题,使得减少任务处理的时延和能耗,从而降低无人机电池寿命损耗,满足用户服务质量体验等。本文主要研究工作如下:（1）在无人机任务计算卸载方面,构建面向无人机的MEC系统模型,以最小化系统任务执行能耗和时延为优化目标构建目标函数,通过改进蝙蝠算法求解多无人机任务二进制计算卸载策略。相比于粒子群算法、遗传算法等,蝙蝠算法具有调整参数少、求解精度高、求解效率高且稳定性好等优势。但也存在易陷入局部最优、后期收敛速度慢等缺点,因此,本文通过引入线性递减惯性权重策略,改进蝙蝠算法的全局搜索能力和快速收敛能力。仿真实验以求解的目标函数值、达到最优解次数、算法运行总时间为评价指标。仿真结果证明,与基准算法相比,改进后的蝙蝠算法在求解多无人机任务计算卸载问题上更加准确、稳定、高效。在任务执行能耗与时延加权和方面,改进蝙蝠算法比蝙蝠算法、粒子群算法和改进粒子群算法分别降低了4.6%、10%和3.7%。（2）在系统资源调度方面,构建MEC系统模型和系统任务队列模型,以最小化系统任务平均执行能耗为优化目标构建目标函数。针对由于资源调度问题中卸载策略、通信资源和计算资源等变量之间存在耦合关系而产生的混合整数非线性规划问题,采用了基于李雅普诺夫优化的系统资源调度算法。首先对任务队列进行分析,建立李雅普诺夫漂移加惩罚函数,其次将优化问题转化为基于李雅普诺夫优化的队列稳定性控制问题,然后分解为计算卸载策略与UAV用户本地计算资源分配、传输功率与带宽资源分配和MEC服务器计算资源分配三个子问题,并分别求解,最后设计了一种联合优化方案。仿真实验以任务队列长度和任务执行能耗为评价指标。仿真结果证明,本文算法的求解性能优于基准算法,实现了在保证任务队列稳定性的前提下,最小化系统平均任务执行能耗。