随着智能移动设备的日益普及,自然语言处理、人脸识别、交互游戏、增强现实和医疗监控等一系列新颖的移动应用颇受人们的关注。这些移动应用程序通常会消耗大量的计算资源和能量,使得资源受限的移动用户无法在本地执行它们。移动边缘计算技术将具有计算、存储能力的云计算平台迁移到无线网络的边缘,能够快速直接地给用户提供计算服务,提高用户的体验与服务质量,受到研究人员的广泛关注。计算卸载是移动边缘计算实现低延迟,低能耗的关键,用户通过计算卸载将计算任务传输到边缘服务器,利用边缘服务器的存储和计算资源处理计算任务,可以减少计算任务的处理时延,降低计算任务的能量消耗,同时,也可以延长移动设备的使用时间,最终提高用户体验与服务质量。然而,用户选择不同的边缘服务器会有不同的计算卸载开销,不同的用户对时延和能耗的敏感程度也存在不同,所以,设计合适的计算卸载策略,对提高用户的体验和服务质量具有决定性的作用。基于上述背景,本文主要研究移动边缘计算中的计算卸载决策问题,并分别以减少系统开销和降低系统能量消耗为优化目标,提出了两种计算卸载策略。主要工作内容如下:第一,在多接入网络中,提出了一种考虑服务缓存、设备到设备通信(Device to Device Communication,D2D)的计算卸载策略。首先,针对每种卸载决策的计算任务处理时延和能耗建立模型,该模型考虑了服务缓存技术、D2D技术并引入了机会网络。其次,以系统开销为优化目标将计算卸载问题转化为序贯博弈问题。再次,提出了一种基于序贯博弈的计算卸载算法对问题进行求解。最后,仿真结果证明该计算卸载策略可以有效降低计算卸载过程中的系统开销。第二,提出了一种基于斯塔克尔伯格博弈的多级计算卸载策略。首先,对计算卸载问题建立时延和能耗模型,在该模型中考虑了用户计算任务的异构性、随机性以及计算资源备份池,同时将计算任务在边缘服务器的服务时间建模为M/M/1队列。然后,将计算卸载问题转化为斯塔克尔伯格博弈问题,并证明了博弈纳什均衡的存在性。为了对所提问题进行求解,提出了一种基于斯塔克尔伯格博弈的计算卸载算法。最后,仿真结果表明所提算法能够提升边缘服务器的收益,同时能够使用户的一致性(用户完成计算任务节省的能耗)达到最大。