移动设备是当今社会必不可少的基本工具。随着移动应用程序的迅猛发展,越来越多的计算任务需要在移动设备上执行,从而对移动设备的计算能力与电池容量提出了新的挑战。因此,为了在有限的资源下保证移动应用程序的运行效率,提出了移动云计算方法,即通过将部分任务从移动设备上迁移到云服务器执行来减少移动设备端的能量消耗,缩减应用程序的运行时间。但是由于移动应用程序的拓扑结构多样性,无线通信环境的网络信道多变性,如何快速、节能、安全的进行任务迁移,已经成为移动云计算的关键性问题。另外,由于移动云计算的通信架构中存在许多辅助性设备,如何有效地利用这些设备增强移动云计算的能力也是一个亟待解决的问题。首先,为充分地利用移动云计算网络架构中的存储能力,本课题提出了一种基于5G网络技术的异构网络接入控制器管理架构,该架构充分利用基站的存储容量并且有助于计算任务的结果复用,通过对接入控制器进行分层管理,可以保证数据存储的均衡性和高效性,提高硬件存储资源的利用率。此外,计算任务的结果复用可以有效地减少移动应用程序的运行时间与能量消耗。然后,为解决移动应用程序的拓扑结构多样性问题,本课题分别针对串行拓扑结构和一般拓扑结构设计了相应算法,在时间约束的条件下,有效节约移动设备的能量消耗。针对串行拓扑结构,本课题提出了一种动态规划算法DPA,计算能量消耗目标函数的最优解。针对一般拓扑结构,本课题利用关键路径法提出了一种近似算法GDPA,能够快速地计算能量消耗目标函数近似解。其次,为适应实际无线网络中的信道动态变化,本课题提出了一种基于网络状态转移矩阵的马尔科夫模型,并设计了两阶段在线算法,在时间约束的条件下,节约移动设备的能量消耗。对于离线阶段,通过动态规划的正向过程,得到了时间-能量状态表。针对在线阶段,利用基于A*算法的在线算法,实时的得到任务迁移策略。该策略不仅减少了时间和能量消耗,而且降低了时间受限的应用程序运行的时间违背率。最后,为保证任务迁移的安全性,本课题提出一种任务安全迁移的容错计算模型,在动态随机网络中得到能量消耗和时间消耗最小的任务迁移策略。该模型基于可靠性分级提出了一种任务规约图,并引入加密解密过程。为了在保证任务安全迁移的同时降低时间和能量消耗,本课题设计出一种基于滚动时域的帕雷托最优在线算法,提高算法对网络动态变化的鲁棒性。