近年来,移动边缘计算（MEC）迅速发展,并已成为实现物联网愿景的关键技术之一。将计算、存储能力从云中心下沉到网络边缘,有助于摆脱传输时延、网络带宽的桎梏。然而由于用户的移动性以及边缘节点资源有限,导致一些边缘节点不能给用户提供高质量服务。基于此,本文研究了基于MEC的服务迁移策略,将部分服务从原始节点迁移到其他满足要求的节点,以提高服务质量。本文考虑了两种模式下的服务迁移策略:集中模式和分布模式。在集中模式情形下,边缘服务器将各自信息都上报给网络控制器,网络控制器根据收到的上传信息和自己收集的相关信息来决定哪个服务迁移到哪个服务器当中。假设服务器中的存储资源足够,热点信息会被本地网络控制器统筹规划分配给各个服务器并周期性更新,本文在集中模式下主要针对计算密集型服务,以最小化时延和能耗为目标,建立服务迁移模型,并将服务迁移问题映射为非线性0-1规划问题。为了解决该问题,本文设计了基于粒子群的服务迁移机制,其中包括排队延时预测策略、基于时延感知的计算资源分配策略和基于量子粒子群的服务迁移策略。仿真验证结果表明,该机制不仅能有效减少服务时延和能耗,还能大大提高服务器的处理效率。在分布模式情形下,没有本地网络控制器,其功能被下放到了每个基站所属服务器当中。缓存信息不能再通过本地网络控制器合理地分配给各个服务器,所以需要考虑缓存初始放置和缓存更新。由于实际环境中很多基站中的服务器分属于不同的运营商,而且部分私有信息是不会公开的,每个服务器会以最大化自己的利益为目标,并根据自己的状态和利益,以及对其余服务器的估计来进行服务迁移决策。基于此,本文设计了基于贝叶斯博弈的服务迁移机制,其中包括缓存初始放置算法、缓存更新算法以及基于贝叶斯博弈的服务迁移算法。为验证其有效性,仿真分析了不同服务器数量下服务器平均收益、用户平均支付价格和平均中标率的变化,并验证了迁移算法能够有效降低用户的服务延时。