物联网和5G技术的飞速发展对终端设备的任务处理能力提出了越来越严苛的要求,而这些对于计算能力、电池储能以及温度受限的终端设备而言无疑是一项巨大的挑战。为了应对上述挑战,作为云计算补充方案的移动边缘计算通过将边缘服务器架构在无线接入网靠近终端设备的一侧,以协助终端设备完成计算任务的处理。引入MEC服务器不仅可以帮助终端设备减少任务的执行时间和能耗,而且还可以降低终端设备处理器芯片的温度。但是,随着研究的深入,我们发现MEC服务器的优势并不是绝对的。计算任务的卸载势必会增加任务的传输时延以及传输能耗,尤其是当大量任务集中在MEC服务器上,由于MEC服务器体积有限,散热性能较差,极有可能会造成MEC服务器处理器芯片温度过高。在资源有限的MEC网络中,如何联合优化计算卸载决策和资源分配策略在满足能耗和温度的要求下,最小化系统内所有用户执行时间的总和是一个值得探究的研究课题。针对上述问题,我们同时考虑用户侧和MEC侧芯片温度约束,建模设计多个终端用户以正交频分多址的接入方式将计算任务部分卸载给多个MEC服务器的无线通信场景,针对系统内资源分配策略及计算卸载决策展开分析,以最小化用户总时延。由于所建模型的优化变量间存在着耦合关系,故本文使用块坐标下降算法将原问题划分为两个不同的子问题:卸载比例子问题和资源分配子问题。其中对于卸载比例子问题我们得到了一个重要定理,即当且仅当用户向各个MEC服务器卸载处理的时间等于用户的本地计算时间时,可以获得最小的用户处理总时延。虽然资源分配子问题中存在整数变量,但是本文结合time-sharing条件,即当系统子载波数目趋于无穷大时,对偶间隙逐渐变为零。内层循环利用拉格朗日对偶算法以及次梯度等数学方法在对偶域中对资源分配子问题进行求解,并对得到的闭式解及相关推论展开了详细的分析与讨论,外层循环使用CVX工具包在原域中对卸载比例子问题进行求解。当内外层循环同时满足收敛条件时,求解完毕。实验结果表明,随着MEC网络计算能力的增强,用户总时延会逐渐减小直到处理器芯片达到阈值温度。