随着越来越多的计算密集型应用在移动终端执行,数据流量爆发式地增长,移动通信网络需要寻找一个新的方式来满足日益增加的服务需求。云计算与移动通信网络相结合,形成一个新的计算模式即移动云计算,利用云计算强大的计算能力和丰富的资源解决移动终端计算、存储和电池能耗等缺点。随着更多的应用被卸载到云端,卸载到云端的传输距离较大且随着接入数据的增加导致网络拥塞的可能也随之增加,在对时间有要求的应用的时延容忍范围内不能完成任务。为了解决这些问题,雾计算作为云计算的延伸被提出来了,雾计算系统由分散的计算能量相对较弱的各类计算机、移动终端用户、交换机等设备组成。计算卸载是移动终端与云端或雾端主要服务交付模式,解决移动终端由于自身计算能力和存储空间等局限性,处理计算密集型应用需要花费大量时间和能耗等问题。移动终端将计算任务卸载至云端或雾端,会有能耗成本和时间成本,需要提出适合的卸载策略使移动终端所得到的收益最大化。现阶段关于云雾协作的研究,通常只有一个雾节点和一个云节点。然而在实际应用中,移动终端用户周围不只有一个雾节点。本文主要研究云雾协作的计算卸载技术,如何高效的利用这些雾节点,使时延和能耗进一步降低。本文主要研究工作如下:(1)提出了一个基于马尔可夫决策过程的云雾协作计算卸载策略。考虑卸载至雾节点,感知附近可用雾节点的数量,将卸载任务分为相互独立的计算任务组,分别传递给雾节点,这样传输时延和计算时延进一步降低。建立马尔可夫决策模型,通过迭代得到最优策略。最后对算法进行仿真,证明该算法不仅降低能耗和时延,也能最大化总收益。(2)提出了一个基于人工鱼群算法的卸载策略。在多云、多雾和多移动终端的网络架构下,分析了多用户执行卸载任务所需的时延和能耗,最小化计算任务的总能耗为目标,并引入罚函数将约束项的优化问题转为无约束的目标模型。然后通过改进人工鱼群算法对目标函数进行优化,最后对算法进行仿真,证明该算法在时延容忍度里有效降低能耗,并证明算法的收敛性,分析影响收敛性的因素。