随着5G时代的到来,大量计算密集型和延迟敏感型的应用程序要求实现低延迟和低能耗。然而,移动设备在计算资源方面受到限制,通常以高等待时间和高设备能耗为代价来处理数据。为了满足用户对网络的高服务质量要求,提出了移动边缘计算。它利用部署在网络边缘的服务器,为用户提供计算资源、存储资源和IT服务,明显地提高了用户的服务质量。目前,计算卸载和资源分配问题尚未解决,具有较大的研究价值。本文以最小化任务执行时延和能耗为目标,主要研究了MEC系统中联合计算卸载和资源分配策略,具体内容如下:在多用户单小区MEC系统中,提出了一种联合计算卸载和资源分配策略。本文首先建立计算任务卸载模型,定义任务执行成本为其时延和能耗的加权和,建立最小化系统成本优化问题。本文将其拆分为资源分配子问题和计算卸载子问题进行求解。采用拉格朗日乘子法求解资源分配子问题,并提出了一个基于贪心算法的计算卸载算法获得最佳卸载决策,最后通过联合优化算法得到问题的最终解。实验结果表明,所提算法相比其他基准方案,最高可以降低40%的系统执行成本。在多用户多小区MEC系统中,提出了一种分布式协作的联合计算卸载和资源分配策略。考虑到本地区域MEC服务器计算资源不足以满足用户需求,通过将任务转移到附近区域MEC服务器可以实现负载均衡。本文首先量化了任务执行过程中的时延和能耗成本,建模出一个带宽资源和计算资源约束下的以最小化系统成本为目标的优化问题。然后将问题进行转化,设计了一个基于二进制粒子群的启发式算法,采用了一个新的传递函数来更新粒子位置,以防陷入局部最优。实验结果表明,该算法的收敛性较好,同时可以有效降低系统时延和能耗总成本,保证用户的体验质量。