云计算通过集中共享资源为终端用户提供随时随地的按需计算服务。在云计算模式下,终端用户通过网络将计算需求发往云计算获得服务。随着物联网的发展和智能设备的广泛使用,大量的终端用户及计算需求使云计算在带宽、延迟、可靠性、安全性等方面面临巨大的挑战。雾计算作为一种新的计算模式,其计算资源分布在网络边缘的雾节点上,使终端数据可以在网络边缘处理,降低了服务时延,并且避免了大量数据在网络中的传输。同时,雾计算使得网络可以连接海量终端设备,促进了物联网的快速发展。相对云计算中提供海量资源的数据中心,雾计算中的雾节点资源有限,并且,海量的终端设备产生了大量服务需求和计算数据,如何对雾计算进行有效的资源管控成为业界关注的重点。本文针对雾计算中的资源管控问题,在多个终端设备连接雾节点的场景下,为保证网络长期效益展开了资源管理优化问题的研究。本论文的主要工作和创新性如下:(1)不考虑雾节点之间的协作关系,对多个终端设备连接单个雾节点的场景,建立了以长期平均响应时间为目标并带有长期平均约束的优化模型,通过剖析问题,利用Lyapunov稳定性偏移法将模型转化为上界问题。然后,提出了基于分支定界的分布式算法,终端设备只需与雾节点交互较少信息,就能得到资源分配量和计算分载量。最后,理论分析了算法得到的目标值与原模型理想目标值之间的界,还分析了算法的收敛性。通过仿真实现,验证了基于分支定界的分布式算法能够达到要求的性能,并且该算法对时变的数据流量具有自适应性。(2)针对多个雾节点连接多个终端的场景,考虑了雾节点之间彼此协作,建立了以长期平均能量消耗为目标的优化模型。然后,使用了Lyapunov稳定性偏移法,将长期平均问题转化为确定性上界问题。接着,提出了基于控制变量的分布式算法,每个终端设备通过执行所提的算法,得到了计算资源分配量的最佳方案。最后,通过仿真验证了在网络中设置更多的雾节点能明显减小终端设备对资源的竞争,降低终端能量消耗,也验证了本文构建的系统满足时间和能量的折衷。