移动计算和5G网络的不断成熟和普及催生出许多计算密集和延迟敏感的新型应用,如虚拟现实、在线游戏和实时视频处理等。移动边缘计算（Mobile Edge Computing,MEC）作为一种新型的计算范式,在网络边缘端提供计算、存储和服务等功能,就近处理周边移动终端的服务请求,从而减少时延和能耗,提高终端用户的服务体验。由于MEC服务器的资源相对受限,合理的资源分配机制是MEC环境改善服务质量的关键。在上述背景下,本文致力于研究移动边缘环境下的资源分配问题,针对提供个性化服务质量需求的应用服务的MEC场景,提出基于拍卖的资源分配机制,在高效分配MEC系统资源的同时,保持了激励相容性、个人理性等经济学鲁棒性,保障应用提供商和MEC系统的利益。首先,本文研究了多个应用提供商和多MEC服务器场景下面向个性化服务质量需求的资源分配问题。在每个区域的接入点策略确定的情况下,制定了联合服务放置和计算卸载的离线资源分配模型,以最大化社会价值为目标。为了保证应用提供商真实地披露服务质量需求,本文提出了一种新颖的基于在线拍卖的资源分配机制,不依赖未来信息实现对每个应用提供商的计算卸载决策和服务放置。理论分析表明,提出的资源分配机制可以在保持经济学鲁棒性的同时拥有性能保证。仿真实验验证了理论分析的结果,表明本方案可以保证资源分配的公平和效率。进一步,本文研究了接入点策略和服务放置互相耦合的移动边缘计算场景下的资源分配问题。首先建立了联合服务放置和计算卸载资源分配模型,通过理论证明问题是NP-难。本文提出了一种基于迭代拍卖的资源分配机制,通过将资源打包分配,完成应用服务商的计算卸载决策和服务放置布局协同优化。理论分析表明,提出的资源分配理论保证每轮拍卖之间诸如激励相容性、个人理性等经济学鲁棒性。最后,通过广泛的仿真实验验证提出的方法可以有效的提高社会价值和应用提供商的服务质量。