随着网络和通信技术的发展,移动用户设备(User Equipment,UE)的爆炸性流行加速了许多延迟敏感且计算密集的应用程序和服务的出现与发展,UE的计算、存储和网络等资源的管理优化面临着新的难题。由此,移动边缘计算(Mobile Edge Computing,MEC)这一解决方案应运而生,MEC是指将UE上的任务迁移到MEC服务器执行以减轻UE的资源压力,但是UE移动性有时会使任务卸载产生预期外的能耗,同时多UE对资源的竞争也会产生堵塞问题,这大大限制了MEC性能的提升。因此,将移动预测技术加入任务卸载策略中,同时考虑更加高效的卸载策略是降低系统能耗,实现绿色计算,提升服务质量的有效手段。本文主要研究了MEC系统中多个移动的用户设备竞争有限资源时的能耗优化策略。取得的主要成果包括:1.针对MEC系统中的用户设备在移动过程中因位置变化产生预期外能耗的问题,本文在卸载策略中引入移动预测技术,采用基于动态参数更新的部分匹配预测(Prediction by Partial Matching with Dynamic Parameter Updates,PPMDP)算法进行预测,根据用户设备的历史停留区域序列预测其下一个位置。该模型通过广义混合机制以及动态参数更新机制实现对下一个位置的预测。实验证明,本文中的策略具有更优的移动预测准确率,并有效减少了MEC系统的预期外能耗。2.针对多任务竞争卸载过程中的能耗问题,本文在萤火虫算法(Firefly Algorithm,FA)中加入更细粒度的基于优先级编码的变异机制,提出了基于变异萤火虫算法(Mutated Firefly Algorithm,MFA)的任务卸载策略。该策略在第一部分的预测结果基础上计算数据传输速率,并结合其他相关参数建立能耗优化模型。接着应用提出的改进算法求解优化问题,通过变异萤火虫算法的不断迭代得到MEC系统内用户设备的最优卸载决策。实验结果表明,本文提出的基于变异萤火虫的多任务竞争卸载策略,相比其他优化策略有效降低了MEC系统的能耗。