随着物联网技术和5G移动通信技术的快速发展,移动设备中各种新型移动应用对数据密集型和计算密集型的任务时延与能耗提出了更高的要求。然而,受限于移动设备本身的计算能力和电池容量,它们无法满足此类应用的服务质量要求。移动边缘计算的出现为该问题提供了一种新的解决方法,即将密集型任务卸载到附近的边缘服务器上,使用户实现低延迟和低能耗。但是,边缘服务器的计算资源和移动通信资源是有限的,如何合理分配各种资源做出最优决策就成为了一个关键问题。本文从多用户任务卸载策略角度展开研究,分别探讨了集中式和分布式计算卸载问题,并提出相应卸载策略。主要研究内容如下:（1）本文对集中式计算卸载问题进行研究分析。针对超密集网络中网络的复杂性和管理异构资源的困难性,本文将软件定义网络与移动边缘计算结合并提出一种基于麻雀搜索算法的集中式计算卸载策略。首先,综合考虑任务时延、能耗和通信资源,建立数学模型。提出一个在时延约束下最小化系统能耗的优化问题。然后,以当前研究中较为新颖且高效的麻雀搜索算法为框架,并引入柯西变异算子和离散算子对算法进行改进。仿真结果证明了本文所提算法的有效性和可行性。（2）本文对分布式计算卸载问题进行研究分析。针对集中式计算卸载系统存在诸多单点问题,本文提出了一种基于混合策略博弈的分布式计算卸载策略。首先,对计算卸载中的通信资源和计算资源进行建模,量化了计算卸载过程中的能耗开销和时延开销,提出一个使每个移动设备能耗与时延加权和最小的问题。其次,将问题转化为混合策略博弈,并使用虚拟博弈方法求解混合策略纳什均衡,最终得到每个设备的混合策略。实验结果表明,与其它卸载策略相比,该策略能使所有设备获得较低的开销。图22幅,表4个,参考文献87篇