近年来,由于设备数量和数据流量呈指数级增长,这给云端网络实现高速率、低延迟等方面带来了诸多挑战,使得云端网络进行合理的资源分配尤为重要。移动边缘计算作为5G通讯技术的核心技术之一,在研究和应用领域得到了越来越多的关注。移动边缘计算的主要思想是把云计算中心下沉到基站部署成边缘云,让用户更加靠近云计算中心,以快速解决计算资源分配问题。本文从服务器间的任务预迁移、边缘服务器之间的协作和单个服务器资源分配三方面进行了研究,具体工作如下:(1)在边缘服务器进行资源分配时,用户的频繁移动会使应用程序的计算卸载(Computing Offloading)任务中断频繁,导致应用程序进行计算卸载的时间开销和设备功耗上升。针对此问题,本文提出一种任务预迁移策略,在应用程序进行计算卸载时,边缘服务器同步进行任务预迁移(Task Premigration)操作。当用户离开边缘服务器覆盖范围时,邻居边缘服务器会与用户重新建立链接,继续执行任务。实验仿真结果显示,边缘服务器间的任务预迁移策略可以减少用户的计算卸载的等待时间并降低设备的功耗。(2)一般的移动边缘计算是将本地边缘服务器无法处理的数据发送至云端处理,这给云端服务器带来很大压力,且距离较远的核心网络也会有相对较大的传输时延。对此问题,本文提出基于逆向拍卖算法(Reverse Auction)的资源分配策略,采用逆向拍卖思路,将过载数据分配到负载较小的边缘服务器,以降低传输时延、服务器负载、缓解网络压力。实验仿真结果显示,该方法使得服务器负载相对均衡,并显著降低了传输时延。(3)在边缘服务器进行资源分配时,传统的虚拟机分配方式不足以灵活应对边缘云的计算资源分配问题。针对此问题,本文提出一种根据用户综合需求变化的动态计算资源和频谱分配算法(Dynamic Computing Resource and Frequency Allocation Algorithm,DRFAA),采用“分治”策略,并将资源细粒度划分模拟成“流体”资源进行分配,以寻求较大的吞吐量和较低的传输时延。实验仿真结果显示,该方法可以有效降低用户与边缘云之间的传输时延,提高边缘云的吞吐量。综合以上三方面,本文提出的三种解决方案可以大大提高资源分配效率,均衡网络负载,减少用户与边缘服务器间的传输等待时间,符合移动边缘计算低时延、高吞吐量的要求。