移动云计算（Mobile Cloud Computing,MCC）作为一种新兴的计算模式,使得移动设备能够将部分或全部计算任务卸载到附近资源丰富的云计算上,从而增强计算能力,降低移动设备的能耗。作为5G技术的重要组成部分的移动边缘计算（Mobile Edge Computing,MEC）,革新了传统云计算的工作方式,丰富了移动云计算的应用范畴。作为一种更有前途的网络计算模型,它通过将计算密集型任务卸载到边缘云上,显著提高了移动设备的计算能力和延长了移动设备的生命周期。然而,现有研究缺乏对无线通信发生故障之后,具有依赖性任务之间的计算卸载故障恢复策略的研究,同时,对于不同无线携能通信（Simultaneous Wireless Information and Power Transfer,SWIPT）方式的移动边缘计算多用户动态任务卸载研究也较少涉及。本文结合移动云计算和移动边缘计算的最新研究成果,主要研究了移动云计算中的鲁棒计算卸载策略、具有能量收集移动边缘计算中的多用户计算任务卸载策略和频分SWIPT系统的资源调度策略问题。本文的主要工作与贡献包括以下三个方面:1.研究了在微云（Cloudlet）中发生计算卸载故障情况下的卸载调度策略问题。由于移动设备的移动性和微云的加入,移动设备与微云之间的连接变得不稳定,从而影响到卸载决策,甚至导致卸载失败。因此,本文提出了一种基于故障恢复的间歇连接微云系统的鲁棒计算卸载策略（Robust computation Offloading strategy with Failure Recovery,RoFFR）,旨在降低能耗,缩短应用完成时间。首先,当移动设备附近有多个微云可用时,本论文提出一个最优的微云选择策略。在满足任务依赖性要求和应用完成期限约束的前提下,将RoFFR问题构建为两个优化问题,即局部执行成本最小化问题和卸载执行成本最小化问题。通过求解这两个优化问题,本论文提出了一种分布式RoFFR算法,用于本地执行中的CPU时钟频率配置、微云执行中的传输功率分配和数据速率控制。实验结果表明,本论文提出的分布式RoFFR算法在应用完成成本和卸载数据速率方面优于多个现有卸载方案。2.研究了具有能量收集的移动边缘计算中的多用户计算卸载调度策略问题。针对能量受限的移动设备能够从基于射频（Radio Frequency,RF）的信号中获取能量的特点,本论文采用非线性能量获取模型,提出了多用户移动边缘云SWIPT系统的动态卸载和资源调度优化模型。同时,本论文还提出了一种动态部分计算卸载策略,通过优化移动设备的时钟频率、发射功率和卸载比,将移动设备的能耗成本降到最低。更具体的来说,本论文首先刻画了一个受任务完成时间和固定移动边缘计算能力约束的能耗成本最小化的非凸优化问题。其次,针对非凸优化问题,本论文提出了一个渐近最优算法来推导时钟频率控制、传输功率分配、卸载比和功率分割比的最优策略。实验结果表明,该算法不仅能够在较少的迭代次数内收敛,并且显著降低了系统能耗。3.研究了移动边缘计算下频分SWIPT的计算卸载调度策略问题。本论文首先提出了一种在移动边缘计算卸载中,多用户频分复用方式的SWIPT方案,并建立了能耗最小化的混合整数非线性优化模型。然后,在分析了该优化模型的凹凸特性的基础上,本论文利用变量松弛和非凸优化理论,将该问题转化为凸优化问题。随后设计了两种优化算法:1)对于松弛优化问题,设计基于拉格朗日对偶方法的迭代优化算法;2)基于分支定界的整数规划方法,将迭代优化算法作为每步运算的基本算法,设计了发送功率分配、计算卸载策略、本地计算能力动态调整和接收能量频道选择策略的全局最优算法。最后,仿真结果验证了本文提出的频分SWIPT技术调度策略,在移动边缘计算卸载中,具有较好的能耗最小化性能。