伴随大量能源密集型与计算密集型应用程序的涌现,低延时与低能耗的任务处理需求对移动边缘计算（Mobile Edge Computing,MEC）提出了严峻挑战。论文兼顾用户响应性能及系统节能水平,在MEC端引入周期休眠模式与半周期休眠模式,融合虚拟机分簇技术,研究MEC任务卸载策略及系统性能。首先,为了提高系统的节能水平,提出一种融合虚拟机分簇与周期休眠的MEC任务卸载策略。在休眠定时器的控制下,备用模块周期性地休眠,直到有任务到达,备用模块虚拟机才适时返回活跃状态。建立部分服务台同步多重休假排队模型,构造三维连续时间马尔科夫链,利用拟生灭过程与矩阵几何解方法,给出任务平均延时及系统节能率的表达式。其次,为了在保障系统节能水平的前提下提高用户的响应性能,提出一种融合虚拟机分簇与半周期休眠的MEC任务卸载策略。若备用模块休眠次数达到阈值前有任务到达,待休眠定时器到期,虚拟机同时进入活跃状态;若备用模块休眠次数达到阈值后无任务到达,虚拟机仍同时进入活跃状态。将系统建模为部分服务台同步多级适应性的休假排队系统,构造四维连续时间马尔科夫链,导出任务平均延时及系统节能率的表达式。然后,为了验证MEC任务卸载策略的有效性,针对同步多重休假排队模型与同步多级适应性休假排队模型,基于理论分析结果进行数值实验,基于任务卸载策略的工作机制进行仿真实验,揭示不同任务到达率下本地分配概率对任务平均延时及系统节能率的影响。最后,为了均衡任务平均延时和系统节能率之间的关系,构造系统成本函数,针对以上两种不同MEC任务卸载策略,引入“教与学”方法,改进鸽群算法,以实现最小系统成本为目标,给出MEC任务卸载策略的优化方案。