随着智能移动设备和移动互联网的高速发展,移动用户及移动应用程序数量正以前所未有的速度增长。为了满足人们的需求,这些新兴的应用往往能耗高、计算密集,而现有的移动设备因为物理尺寸的限制,续航能力和计算能力不强,因此可能无法满足任务在时延和能耗上的要求。为了解决该问题,移动边缘计算技术通过将移动设备上的计算任务迁移到云上执行,一定程度上克服了移动设备固有的缺点。但现有的基于移动边缘计算架构的计算迁移研究,只把移动边缘云作为计算任务的迁移点,很少考虑具有更加丰富计算资源的中心云。而无源光网络的发展,使得光纤-无线网络能够同时支持中心云计算和移动边缘云计算技术。本文基于光纤-无线网络结构,同时考虑中心云和移动边缘云服务器的计算资源,研究移动设备上计算任务的协同计算迁移问题。针对实时性要求高的应用任务,在无线信道数量有限、以及移动设备能耗和计算任务时延等约束条件下,提出了以最小化计算任务总时延为目标的最优化问题;通过分析无线通信和计算迁移模型,逐步对其进行形式化描述。同时,通过将该优化问题归约为装箱问题,完成了 NP难解性证明。为了在多项式时间内得到问题的解,本文提出了两个算法,一个是启发式算法,通过比较不同执行方式下的计算任务时延,优先选择时延最小的执行方式作为计算任务的迁移策略;另一个是针对该问题定制遗传算法,以随机解或启发式算法得到的解作为初始解,通过遗传运算获得更优质的解。经过仿真实验证明,与现有相关研究的算法相比,本文提出的启发式算法得到的任务迁移策略可以平均减少4.34%的任务处理时延,定制遗传算法的迁移策略可以平均减少18.41%的任务处理时延。另外,在此基础上,本文还针对协同计算迁移的联合优化问题,提出了以最小化所有移动设备能耗和计算任务时延加权和的最优化问题,建立了系统模型,针对该问题的特殊情况,移动设备能耗和计算任务时延权重相等,设计了一个贪心算法和针对该问题的模拟退火算法,仿真实验证明,本文提出的两个算法均可快速得到问题的有效解。