随着通讯技术的飞速发展和移动创新应用的爆发式增长,边缘计算正引领着移动应用朝着功能更强、量级更轻和体验更好的方向发展。它以计算卸载技术为突破点,为移动设备带来了低时延的本地算力、存储和网络资源,彻底改变了面向终端设备能力开发移动应用的传统模式。突破了终端硬件资源决定应用体验上限的限制,有效弥补了移动设备硬件发展放缓和软件算力需求激增之间的性能缺口。作为边缘计算的核心功能之一,计算卸载将移动应用中的计算密集和时延敏感型任务卸载至部署在网络边缘的资源上执行,以实现加速终端应用、改善用户体验的目的。边缘计算卸载有两种主要的实现方式,即计算任务的直接卸载和以服务调用的形式卸载计算任务。然而,边缘计算天然分布式的特点和用户普遍存在的移动性决定了边缘环境的高度动态性。同时,与云计算不同,边缘站点的资源数量不多且资源伸缩能力有限。因此,如何在资源有限且时变的边缘环境下实现高效、精准的卸载任务调度与服务放置成为边缘计算研究中的热点问题。本文围绕边缘计算卸载环境下的任务卸载调度和服务放置问题,并对其调度算法展开研究,着重考虑复杂时变资源供需环境下的去中心化在线方法,主要工作与贡献包括如下四个方面:1)针对边缘计算卸载任务调度问题,提出一种基于动态学习的在线任务调度算法。考虑到目前大多数调度算法采用中心化的架构并存在调度性能瓶颈的局限性,提出的方法充分考虑任务/资源状态信息局部有效的特点,采用去中心化的架构将调度决策权下放,以实现本地任务的本地治理。同时,根据局部边缘资源存量与终端请求数目供需关系动态时变的特点,提出了一种基于动态学习的方法来在运行时对调度策略进行滚动更新。实验表明,提出的采用去中心化架构的在线调度算法具有更好的调度响应性和更低的平均卸载时延;2)针对多租户不同服务水平协议保证的计算卸载调度问题,提出一种由在线任务调度、迁移和资源分配三种策略组成的去中心化方法。考虑到目前大多数计算卸载任务调度算法基于卸载任务大小已知,且其预期执行时间可精准估计的假设。为了消除这些假设在实际落地中带来的限制,提出方法的三个策略均不依赖于任务的预估执行时间,实现了对任务计算量无感。同时,该方法还充分考虑到边缘场景下资源部署的异构性和用户卸载任务的多样性,支持不同任务在特定的边缘设施上可以实现加速执行的特性。实验表明,提出的考虑不同优先级多租户和异构资源环境的方法可以在不同负载情况下取得更低的卸载响应时间;3)针对边缘服务放置问题,提出了一种边端协同的用户移动性感知的放置方法。该方法由端侧移动性感知的服务放置算法和边侧的服务迁移算法组成。考虑到用户对边缘服务低响应时延的要求和服务器覆盖范围的约束,采用去中心化调度架构将服务放置决策权下放至用户端设备。而在边侧保留服务迁移协调策略以提高整体资源利用率,从而实现边端协同的服务放置。同时,还考虑到边缘用户普遍存在的移动性会对放置结果造成影响,该方法在进行服务放置时还加入了用户实时移动特征的考量,实现了用户移动性感知的服务放置。实验表明,与不考虑用户移动性的算法相比,提出方法可以取得更高的服务成功接入率和更低的服务重放置次数;4)针对考虑成本能耗的在线边缘服务放置问题,提出了一种基于模糊控制的在线服务放置方法。该方法以去中心化的形式部署在端侧的终户设备上,在用户需要调用边缘服务时根据周围可以边缘服务器状态在本地做出实时放置决策。考虑到边缘计算卸载场景下高度动态变化的资源供需状态,提出的方法包含两种启发式放置策略。其中服务整合策略适用于负载低时节约成本减少能耗,负载均衡策略适用于高负载时保证整体的服务成功接入率,并采用模糊控制的方法在运行时实现两种策略权重的自适应调整。对比实验验证了提出方法的可行性和有效性。