随着互联网和通信技术的发展,移动应用能够提供更加多样化和强大的功能,以满足用户日益增长的需求。然而,用户对此类应用的网络延迟要求也更加严苛,追求实时的响应与反馈。随着边缘计算的发展,为了保证用户服务质量,应用提供商将服务部署在离用户更近的边缘节点,以此来减少网络延迟。然而边缘环境十分复杂,如何合理部署服务是一个难题。提供资源的边缘服务器存在异构性和局限性,使用移动应用的用户存在移动性,组成应用的服务存在复用性,服务之间也存在着一些约束关系。此外,从应用提供商的角度出发,部署成本是一个至关重要的因素,亟需既能满足成本约束,又能保障用户服务质量的部署方案。因此,本文开展了如下研究:（1）预算约束下的服务冗余部署研究。本文首先建立了异构边缘环境下的冗余服务部署模型,并将其定义为在给定预算约束下的多目标优化问题。其次,定义服务优先级的概念并给出计算方法,以确定服务的冗余程度,采用基于请求频率过滤的K-medoids聚类算法进行边缘服务器初步选择。然后提出了基于优先级的改进遗传算法,以获得满足成本约束且具有更低传输成本和网络延迟的部署方案。最后在真实数据集上进行了实验,证明了本文提出的方法较其他方法具有优越性。（2）考虑用户移动性的服务部署研究。在上述工作的基础上,进一步考虑用户移动性给服务部署带来的不确定性,提出了一个服务冗余部署方案生成算法,其能在未来一段时间内提供更高的服务请求一次成功率和更低的网络延迟。首先,本文利用LSTM模型对用户的未来移动轨迹进行预测,然后结合用户对应用的请求信息和应用的服务组成情况,获得用户未来请求向量,并利用时间序列上的双重聚类算法,获得合理的部署方案。最后在真实的用户数据集上进行了实验,验证了本文所提方法的有效性。（3）具有复杂结构的服务应用部署研究。随着需求的发展,应用日益具有复杂的结构,这将对服务部署带来新的挑战。为此,文中充分考虑了构成应用的服务之间复杂的组合关系,提出了一个基于服务关联性的部署算法,然后参考图论聚类算法,进一步研究了由于服务复用所带来的复杂关系,提出了一个基于图论的服务聚类部署算法。最后,通过建立服务通信权重网络,提出了一个基于权重的启发式算法,能够通过迭代不断优化部署方案。文中利用多组实验证明了所提算法具有良好的优化效果和更高的效率。