移动互联网与物联网这两大网络的快速发展使得未来的网络面临着更高速度、更低延迟以及更高可靠度的挑战。各种各样的新兴应用使得这种挑战更加现实与紧迫。鉴于此,移动边缘计算(Mobile Edge Computing,MEC)成为实现5G愿景的一种最有可能的网络架构,并引起了广泛的关注。MEC通过将计算密集型任务从移动设备卸载到附近的MEC服务器,来满足资源受限的移动设备的高计算需求。通过将计算密集型或延迟敏感型应用卸载到附近的MEC服务器上,资源受限的移动设备可以减少执行延迟和设备能耗。在移动网络中的近距离部署使得MEC服务器距离移动设备更近,使得任务卸载的网络传输更快、能耗更小。在这种情况下,任务卸载策略具有至关重要的作用。因此,本文的主要研究内容如下:(1)针对单用户场景提出了一个任务卸载策略。针对具有多个独立任务的MEC系统联合优化延迟和能耗。卸载策略不仅决策任务是否进行卸载,还能为了系统最低负载来指出任务的执行顺序。为了降低时间复杂度,本文提出了一种基于二进制粒子群算法和两机器流水线调度算法的次优算法。模拟结果表明,所提出的算法明显降低了延迟以及能耗。(2)针对多用户场景提出了一个任务卸载策略。在本文中,首先研究了多通道无线干扰以及MEC资源受限环境下的多用户任务卸载问题。同时证明,多用户集中式卸载问题的最优解是NP难的,因此采用博弈论以分布式方式实现高效任务卸载的方法。当资源受限时,MEC可以进一步卸载到中心云服务器上执行。我们将移动设备用户之间的任务卸载决策问题转化为多用户博弈问题,而这个博弈问题具有纳什均衡。然后,我们设计了一个两阶段任务卸载算法,通过实现纳什均衡,得出多用户任务卸载问题的最优解。模拟实验结果证实了该算法能够在用户规模增大的情况下实现更高的降低任务负载性能。(3)移动边缘计算是一个快速增长的研究领域。然而,尽管研究活动日益增多,但该领域缺乏与要求兼容的仿真工具。从可用的仿真器开始,需要大量的编程工作才能获得满足实际需求的仿真工具。为了减少障碍,本文设计并实现了一个叫做Edge Sim的模拟实验工具。Edge Sim建立在Cloud Sim的基础上,以满足移动边缘计算研究的特定需求,并支持计算和网络能力方面的必要功能。为了演示Edge Sim的功能,本文通过一个简单的使用场景进行模拟,对其功能进行了展示。