随着移动互联网服务和应用程序的多样性发展,人们对数据速率和服务质量的要求也越来越高。移动边缘计算(MEC,Mobile Edge Computing)作为未来通信技术中的关键技术,通过拉近具有丰富计算资源的MEC服务器与用户之间的地理距离,很大程度上降低了MEC服务器对用户的计算任务请求响应时延,减少了传输网和核心网之间发生网络拥塞的可能性。对于用户而言,由于移动设备的计算资源和电量有限,将任务卸载到MEC服务器端计算可以提高移动端的能效。但是由于用户都具有利己性,抢占计算资源的过程中会导致更多资源的浪费;另外,由于用户并非静止不动,而MEC服务器的覆盖范围有限,用户在更新地点后未及时收到计算结果会重复发送卸载请求,造成计算资源的浪费。以上两个问题在资源受限场景中更为严重,因此如何对移动边缘计算中的移动端能效优化并对服务器计算资源合理管理值得深入研究。本文首先从如何提高移动端能效的角度出发,针对多用户系统中,移动端争抢计算资源受限的MEC服务器,研究提升移动端能效的方法。为解决多用户系统中用户对公共资源的争抢和由于用户间干扰造成的能效降低和资源浪费问题,利用博弈论(GT,Game Theory),研究提出一种基于多维博弈的移动边缘计算能效优化算法(MQO,Multi-dimensional Game Algorithm for Multi-user Queue Offloading)。对MEC服务器计算资源设置上限,加入用户排队时延,解决在资源受限的多用户系统中移动端能效不够高的问题。算法中博弈模型的玩家是移动用户,决策空间是由卸载决策和功率控制构成的二维空间,收益函数为能效和时延函数,通过理论证明多维博弈模型的纳什均衡是存在且唯一的。仿真实验表明所提出的基于多维博弈的移动边缘计算能效优化算法,相较于未考虑功率控制的博弈方案,在完成相同任务情况下并且在卸载计算的用户数量增加时,可以降低移动端能耗和时延,从而提升能效。接着,本文针对MEC系统服务器覆盖范围有限的场景下因用户移动而造成的计算资源浪费问题,从有效管理计算资源角度展开研究。由于此模型中连接性与多用户系统中的干扰和竞争无关,与地理位置关系密切,为更好研究用户与服务器之间的连接性,围绕单用户系统展开研究。针对移动端与MEC服务器之间的连接性问题,提出一种基于扩展卡尔曼滤波的计算资源管理算法(CRMAEKF,Computational Resource Management Algorithm based on Extended Kalman Filter),主要步骤是预测和测量反馈,通过有限次迭代和修正参数,得到非线性运动中移动用户的最优预测位置,根据预测位置选择能够持续为用户提供服务的MEC服务器,合理分配MEC服务器使得计算资源可以得到充分利用。仿真实验表明相较于无预测服务器选择方案,通过CRMAEKF算法选择的MEC服务器与用户之间连接的成功率有明显提高。