随着通信技术和微处理器技术的发展,智能设备普及化加快,移动设备数量呈指数增加。一方面,通信技术的提高给新兴应用提供了网络支持,另一方面,微处理器技术的更新换代,为设备处理高能耗、快响应应用提供了可能。此外,动态电压和频率调节技术（Dynamic Voltage Frequency Scaling,DVFS）嵌入CPU,使得终端设备具备了本地CPU自调节功能--根据应用负载调节自身CPU频率,能够进一步降低能耗,延长终端续航能力。与此同时,虚拟现实等新兴应用的相继出现,对移动设备的计算及续航等能力提出了更高的要求。然而,现有移动设备依然受到物理尺寸、电池技术等的限制,计算资源以及电池容量有限。移动边缘计算（Mobile Edge Computing,MEC）架构的出现为解决移动终端计算资源等的受限问题提供了一个很好的解决方案—允许终端将复杂应用传输到边缘云端处理,并将结果返回给终端,即应用卸载（Application Offloading）。然而,在应用卸载过程给移动终端带来了额外的传输代价,包括时延和能耗。端到端（Device to Device,D2D）技术,作为5G的关键通信技术,有助于实现短距离、低时延、低能耗数据传输。结合D2D技术的应用卸载有助于缓存卸载过程中的传输开销,进一步提高用户体验。然而,MEC计算资源是有限的,无法彻底满足密集用户场景的计算等需求。实际网络中往往存在大量空闲终端,可有效补充边缘云资源的不足,提高系统资源利用率,值得深入研究。因此,如何充分利用系统空闲终端,同时结合D2D技术和应用卸载技术,实现有效的计算资源捕获（即用户利用邻近设备的计算能力进行处理任务）及配置研究至关重要。下面,本文将结合复杂网络、应用卸载、动态电压调节、以及D2D技术,研究实际MEC网络下的资源捕获-配置算法,提高用户体验,延长终端电池续航能力,具体研究内容包括:1)基于网络模体的计算资源捕获与配置。考虑将密集化MEC网络抽象为一个复杂网络,计算密集型应用从工作设备卸载到空闲设备,分析不同模体类型在网络中的地位,并提出基于网络模体的计算资源捕获算法,对系统空闲计算资源进行捕获配置,提高网络的计算资源利用率。2)集卸载率、本地CPU计算速度及发射功率一体化的自适应卸载配置策略。考虑计算资源受限的移动边缘计算系统,基于动态电压和频率调节技术,提出一个具有响应时延、MEC计算资源以及其他网络资源约束的效益最大化应用卸载问题,结合变量替换技术以及次梯度下降法,设计并提出集卸载率、本地CPU计算速度及发射功率一体化的自适应卸载配置策略（Adaptive Offloading and Allocating Scheme,AOAS）。仿真结果表明,AOAS配置时系统效益比动态规划算法提高可达22.25%。