近年来，移动蜂窝网络向第五代移动通信系统高速迈进，接入移动网络的设备在种类和数量上飞速增长，新型移动应用对计算资源和低延迟的要求越来越高，这些发展趋势对当前的移动网络架构和云基础架构提出了更高的要求，催生了移动边缘计算（Mobile Edge Computing，MEC）模型[1]。在MEC模型中，用户的任务部署到移动边缘服务器上，使用户设备获得更长的电池寿命、更低的处理负载和更短的网络延迟，减轻网络拥塞。在移动用户任务部署的过程中，延迟和能耗是影响系统性能的两个关键因素。因此，面向不同网络架构和不同应用场景，本文对移动边缘服务器间的移动用户任务部署策略进行研究和探索，具体包括如下内容：
　　1）多用户-单宏基站架构下的部署策略优化。首先面向宏基站和用户的计算卸载场景，研究计算任务的部署方法，以最小化宏基站侧MEC服务器的能耗。本文考虑MEC服务器的CPU、内存和存储三种资源约束，设计了能最小化服务器能耗的计算部署算法FMLP。然后，本文面向宏基站和用户的多服务部署场景，研究性能优化方法。在此场景中，用户需要在MEC服务器上同时部署计算任务和特定应用服务需求，而移动应用运营商将各类应用服务装载在MEC节点的不同服务器上，本文需要在满足计算卸载资源约束的前提下，最小化用户应用请求在网络中的传输延迟。为此，本文提出了最小化服务传输延迟的分配算法FMMLP。在两个算法的仿真实验中，FMLP和FMMLP在各种场景下分别取得了最小化能耗和最小化延迟的结果。
　　2）多用户-多小基站架构下的能耗优化方法。面向小基站和附近用户构成的任务卸载场景，考虑用户位置变动和可连接基站的变化情况，将该场景建模为网络接入和用户任务卸载两阶段。设计了一种迭代式算法OMMA，该算法在满足基站资源约束和服务器资源约束前提下，以最小化所有MEC服务器的总能耗为优先级最高的优化目标，然后通过迭代求解的方式求出最小化能耗的解集中延迟最小的解。在与Gao[2]的OLSA算法的对比实验中，OMMA算法可以求得最小化能耗的所有解中总延迟最低的解，能耗比OLSA算法降低16.47%~56.08%。