作为近年来新兴的计算范式,雾计算逐渐成为了物联网领域最热门的技术之一。相比于本地计算模式,雾计算架构能够利用部署在雾服务器的计算、存储、应用资源有效地对终端设备的各类信息进行实时处理,使有限的终端可用资源得到扩展,同时提升通信网络的数据处理能力。相比于云计算模式,资源和服务部署在了更靠近用户的位置,缩短了终端卸载任务的传输距离,从而减小数据传输引起的时延,最终提升物联网应用的使用体验,有效解决云计算的网络瓶颈问题。但是,目前国内雾计算产业仍处于发展初期,在此背景下,研究雾计算架构及相关问题对促进产业发展具有重要意义。雾计算并不寻求替代云计算,而是对其的补充,分布式的雾计算服务器在资源能力方面远不及云计算数据中心丰富,因此对于一些大型计算任务来说,云计算依然是不可或缺的。因此,如何实现雾计算与云计算两大体系结构的有效耦合,形成一个应对终端设备任务卸载的高效协同体系,是当前雾计算研究与应用的关键问题。其次,对于云雾协同提供计算服务的场景,要想实现合理分配调度卸载的任务,必须制定实效的卸载策略。本文研究了雾计算服务部署应用的两种具体场景和网络架构,制定了评价卸载策略优劣的数值指标及计算方法,并基于此对卸载策略的制定和优化提出了解决方案,主要工作可描述如下:（1）提出了一种多用户、多雾节点的室内雾计算服务应用场景设想,采用基于任务需求的权重系数权衡卸载计算过程的时延和能耗,并以量化的时延和能耗总和作为卸载成本构建了优化问题的数学模型,针对优化问题提出了改进的整数粒子群优化算法作为求解方法,并通过仿真实验验证了所提算法的性能。（2）对于户外移动终端的计算卸载需求,文中结合当前超密集异构的移动通信网络架构,提出了云雾协同卸载计算的系统模型。通过应用迭代优化、加权最大最小公平算法以及改进的整数粒子群优化算法,实现了卸载决策、无线带宽资源分配、传输功率优化的联合优化方案。仿真结果表明提出的方案降低了系统整体的开销,提升了计算卸载的效率。