5G时代的来临和物联网工业的蓬勃发展,产生了海量的有入网需求的智能设备,互联网中的数据量因此爆炸式增长,对网络实时性、可靠性、计算能力和安全性等指标要求更加严格的网络业务也越来越多。边缘计算应运而生,边缘计算将计算资源带到距离用户终端更近的网络边缘,就近处理用户的业务,极大地降低了网络通信时延,同时还提升了网络安全性;此外,由于各种智能设备在空间上的广泛分布,传统的固定式基站受制于地理因素,有时无法提供良好的信号覆盖,这制约了边缘计算的发展。而通过无人机这样成本低廉部署便利的飞行器来搭载计算平台,赋予计算平台移动能力,能有效克服地理因素带来的通信障碍。边缘网络一般不具有云数据中心那样强大的计算能力,由无人机搭载的平台更是如此,无人机也不像通信基站那样方便供能,而且无人机的运动形式也复杂多样。因此在进行资源分配时就需要考虑多种因素,具体如何分配资源就显得十分复杂,所以本文对无人机辅助下的边缘计算资源分配问题进行了深入研究。(1)对单无人机服务多地面终端的场景,考虑无人机做周期式圆周巡航,设计无人机巡航半径及高度,同时对任务分载比例、地面终端以及无人机的计算资源进行优化。建立功耗及计算资源约束下的系统平均时延优化问题,通过问题松弛与分支定界法相结合的方式迭代求解该问题,并对求解算法进行了收敛性和全局最优性证明。(2)对多无人机服务多地面终端的场景,考虑让无人机固定悬停在某些位置,设计其悬停坐标以服务地面终端,并对任务分载比例进行优化。建立能量约束下的系统平均时延优化问题,采用变量代换、问题松弛和分支定界法结合的方式迭代求解该问题,并分析了算法的收敛性及全局最优性。(3)同时,本文通过数值仿真的形式对上述两种场景的算法进行验证,分析了输入参数的变化与结果之间的关系。说明了无人机的运行轨迹与地面终端的地理分布情况满足一定关系时,系统的平均处理时延越低。说明了无人机数量越多,无人机平台的资源越充足,越能让地面终端分载更多的计算任务,从而提升时延性能。