移动边缘计算(Mobile Edge Computing,MEC)作为5G核心技术,通过在移动网络边缘提供IT服务和计算资源,显著降低数据传输时延并控制网络拥塞情况。随着新型应用对计算需求日益增长,针对多用户多服务器MEC系统,设计合理任务卸载策略,提供优秀服务质量日趋重要。由于移动设备经常受到其自身电量的限制,将中断计算任务的执行和传输,导致用户体验不佳。能量收集(Energy Harvesting,EH)技术被引入以缓解计算任务高能耗与移动设备电池容量有限之间的矛盾,所以在多用户多服务器且用户具备移动性的MEC系统中,研究低时延低能耗的计算卸载策略,解决计算资源竞争问题尤为重要。首先,本文针对任务执行时延和能耗的权衡问题,搭建执行成本问题的优化模型,利用李雅普诺夫优化方法(Lyapunov)分别求解单设备下的最佳能量收集和最佳计算模式选择。其次,针对MEC服务器计算资源竞争问题,引入网络流思想设计用户与服务器的匹配模型,考虑优化整个系统的平均任务执行成本,提出基于最小费用最大流的任务卸载策略。仿真结果表明,该卸载策略能在保证极低任务丢弃率的情况下,迅速获得用户与服务器之间的最佳匹配,与贪婪策略等其它基准方法相比,可以实现更低的平均任务执行成本和更高的任务卸载比率。接下来,针对物联网应用场景的特殊性及进一步降低能耗的需求,本文搭建具有三层结构的异构蜂窝网络,利用异构蜂窝网络中基站发射功率的差异性满足各种区域中不同的数据流量需求。为应对异构网络复杂性及能量效率待提高问题,本文提出基于最大化能效的用户接入和基站MEC服务器休眠联合优化算法,解决异构网络负载均衡问题,有效节约计算卸载过程中的基站能量开销,最大化网络整体能效。最后,仿真结果证明所提方法的有效性。