随着移动互联网技术的发展,使得移动终端设备和数据流量迅速增长,并且衍生出了一系列计算密集型和延迟敏感型的应用。然而移动终端设备的计算和存储能力有限,无法支撑计算密集型和延迟敏感型的应用,因此移动终端设备需要将计算复杂的任务卸载到云计算中心来执行,以此来减少服务延迟。然而,将计算任务迁移到云计算中心执行,会带来大量的数据传输,会引起核心网络的拥塞,更会对延迟敏感的用户带来严重影响。移动边缘计算(Mobile Edge Computing,MEC)技术作为5G中的一项关键技术,通过在网络边缘部署MEC服务器,来达到缓解网络负载、减少传输时延、提升用户满意度的目的。在5G异构蜂窝网络中,用户可以将计算密集型和延迟敏感型应用卸载到MEC服务器,以解决自身计算能力和电池容量受限的问题。但是由于MEC技术把计算和存储资源引入网络边缘会带来新的问题,如网络边缘情况复杂、多种资源并存以及用户需求各异等。因此需要根据用户任务的数据大小和延迟需求以及能耗约束来制定合理的资源管理策略,在满足用户需求的同时使得有限的资源能为更多用户提供服务。很多文献研究了异构蜂窝网络下的计算卸载和资源分配,但几乎忽略了网络中空闲设备的计算资源,通过合理地利用空闲设备的计算资源,可以更好地为用户提供服务。本文在5G异构蜂窝网络中研究了计算卸载和资源分配,充分考虑了空闲设备的计算资源,具体研究内容如下:(1)异构蜂窝网络中基于Gale-Shapley算法的资源分配在异构蜂窝网络中,考虑到移动用户设备电池容量和计算资源受限,空闲终端设备和部署在小基站上MEC服务器的计算资源的差异性,以及不同用户的服务需求不同,研究了多用户的资源分配问题。本文提出了5G异构蜂窝网络下的三层资源分配模型,为了充分利用空闲设备计算能力,同时空闲设备获得额外收益,用户设备需要的计算资源可以由部署在小基站上的MEC服务器来提供,也可以由空闲设备来提供。考虑到用户任务的数据大小和延迟需求以及用户根据任务大小和延迟需求提供的报酬,还考虑了小基站和空闲设备的能耗和收益,然后定义了以最大化系统成本性能为目标的多用户资源分配优化问题,最后设计了基于匹配博弈的资源分配算法。仿真实验结果表明,本文提出的异构蜂窝网络中多MEC服务器多用户资源分配策略能有效降低用户服务延迟、提升系统性能。(2)异构蜂窝网络中联合计算卸载和资源分配策略研究针对移动用户设备计算资源有限难以支撑有延迟敏感和计算复杂需求的应用,以及位于网络边缘通信资源受限导致传输速率低下的问题,本文研究了异构蜂窝网络下多移动终端设备的计算卸载和资源分配。本文考虑基站边缘蜂窝链路质量较差且有延迟敏感应用的用户,这些用户为了降低传输延迟和能耗考虑把计算任务卸载到附近处于空闲状态用户设备上执行。然后综合考虑用户的任务执行延迟和能耗,以最小化用户任务执行成本为目标,将联合计算卸载和资源分配问题公式化为混合整数非线性规划问题,此类问题难以求解,因此提出一种启发式算法,将该问题分解为计算卸载策略子问题和资源分配子问题。针对计算卸载策略子问题,采用数学方法求解;而针对资源分配子问题,则考虑了用户和空闲设备对彼此的偏好,使用匹配博弈算法来求解。最后用MATLAB仿真实验验证了本文提出算法具有更优的性能。