随着终端接入数目和种类日益增加，越来越复杂的物联网应用难以被实时高效的处理已成为制约其业务发展的瓶颈。一方面，由于物联网(IoT)在一些应用领域，比如虚拟现实，增强现实(VR/AR)，超高清视频直播以及智能制造等提出了复杂、多样、实时等新的业务需求。另一方面，目前的物联网终端设备存在处理能力不足且电池容量有限等缺点，难以为复杂多样的物联网应用提供实时处理。边缘计算服务的出现，为这些应用提供了有效的解决方案，能在一定程度上提升本地数据处理能力、减少数据传输时延、降低设备成本。
　　如何在靠近物或数据产生源头的网络边缘侧为复杂多样的物联网业务提供最优或较优的资源分配策略与部署方案，是边缘计算系统中亟待解决的关键科学问题。鉴于计算卸载、资源分配、缓存内容放置以及边缘服务器部署是实现本地化数据处理以及资源配置的基础，其执行效率和执行成本将直接影响边缘计算系统的整体性能。因此，针对物联网应用时延敏感性强、计算密集度高以及“终端-边缘-云”三层资源的异构性等特点，为了提升系统性能、服务质量(QoS)和用户体验，本文围绕计算卸载、资源分配、缓存内容放置以及边缘服务器部署，从多角度研究边缘计算环境下面向复杂物联网业务的资源优化分配及部署，主要研究工作及学术贡献如下：
　　(1)研究了边缘计算环境下多组件应用的计算卸载策略
　　目前用户设备处理能力和电池电量有限，利用计算卸载技术可将计算密集度高的物联网计算任务迁移到边缘服务器或者远程的云数据中心。如何扩展用户终端的处理能力，满足物联网应用实时需求是需要解决的关键问题。本文研究了边缘计算环境下多组件应用的计算卸载策略。该策略考虑物联网应用组件的行为特征属性和边缘计算环境下“终端-边缘-云”资源的特征，分别用查询图和数据标签图进行描述。根据组件间的隶属度来确定聚类关系，利用模糊聚类算法对多组件应用合理划分，然后综合考虑应用时延和用户设备能耗，分别计算应用组件卸载到本地、边缘或者远程云节点的综合代价，分析用户位置和边缘计算环境中计算、存储、网络资源等上下文信息，当达到卸载条件时，采用基于动态子图匹配算法进行多组件应用计算卸载。实验结果表明，本文所提出的卸载策略降低了用户设备能耗和服务交付时延，提升了应用的执行效率。
　　(2)提出了能耗感知的多层资源动态分配方法
　　在用户设备能耗和边缘服务器性能等多因素约束下，如何合理利用云、边缘服务器以及终端设备组成的分布式多层异构资源，在满足应用实时性要求的同时最小化能耗成本是边缘计算服务提供商需要关注的问题。本文提出能耗感知的“边缘-云”多层异构资源动态分配策略。首先利用加权维诺图确定边缘服务器的服务区域，采用AR(p)模型滚动预测边缘服务器任务负载量，根据任务负载对资源的需求选择资源提供方。然后根据边缘服务器和云服务器的资源能耗成本，把“边缘-云”可重配置资源平滑分配问题转化为多维背包问题。通过能耗成本感知的贪心算法和动态节点管理策略，最终求得在满足用户低延迟需求的同时系统能耗成本最小的资源公平分配方案。实验结果表明在能耗和SLA违规方面，所提出的方法优于AlwaysOn和AutoScale等算法。
　　(3)设计了边缘计算中分布式协同缓存放置算法
　　边缘计算环境中单个边缘服务器存储能力有限，层次式缓存机制导致延迟较长并浪费存储空间，只考虑单个因素的内容放置策略会导致缓存价值降低和带宽消耗代价增加。本文设计了边缘计算中分布式协同缓存放置算法。采用分布式协作缓存架构，首先确定边缘服务器覆盖范围内的用户集合，然后利用缓存服务节点和终端设备之间的距离、内容流行度和缓存内容大小，计算数据访问延迟代价。本文将访问延迟代价最小化问题建模为0-1整数线性规划问题，利用元启发式伊藤算法设计分布式协同缓存放置方案。实验结果表明，与其他传统的缓存内容放置算法对比，本文所提出缓存内容放置策略ECCDP_IT?能有效的搜索流行度高的数据最优的放置位置，提高了缓存命中率，降低了主干网络传输流量，从而实现用户访问数据的低延迟需求。
　　(4)建议了成本感知的边缘服务器优化部署方法
　　如何为边缘服务器选址并确定该位置服务器数量以实现低延迟应用需求和节点利用率均衡是边缘服务器部署亟待解决的问题。本文建议了成本感知的边缘服务器优化部署方法。利用用户关联矩阵和资源分配矩阵，计算资源分配比率；通过资源分配比率、区域平均负载以及边缘位置之间的访问延迟，计算区域请求总延迟。最后建立基于服务器部署代价和请求总延迟代价的最小化目标函数，并把边缘服务器部署问题规约为混合整数非线性规划问题，利用Benders分解算法求出边缘服务器部署的位置和数量。仿真结果表明：基于Benders分解的边缘服务器部署优化策略能在保障整体边缘服务器部署成本较低的同时，实现降低用户访问延迟和提高资源利用率之间的均衡优化的目标。