由于移动通信技术的蓬勃发展,智能移动设备已成为人们日常生活中不可缺少的重要组成部分。通过在智能设备上运行丰富的移动应用程序,用户的各种需求不断被满足,例如:人脸识别、自然语言处理、增强现实、虚拟现实等。但是移动设备运行这些复杂的应用程序将会带来高额的能量消耗。由于移动设备所占的体积小,不论是硬件资源(例如,CPU计算能力,存储大小等)还是能量供给方面(电池电量)都十分受限。因此,如何在能量有限以及计算资源受限的设备上运行各种计算复杂型应用仍是一个挑战。移动云计算(Mobile Cloud Computing)被视为一种十分有前景的方法来解决这样的挑战。智能移动设备可以通过将复杂任务采用无线方式迁移到资源丰富的云端执行,这种方式称为计算卸载(Computation Offloading)。使用这种手段,可以间接的减轻移动设备的执行负担,进而显著地节省了设备的能量消耗并延长设备的运行时间。然而,随着卸载设备的增多,如何在多用户之间有选择地进行卸载变成了亟需解决的问题。因此,本文研究的主要内容是在多用户卸载的情况下如何实现能量的有效节约。首先,本文从所有卸载用户的利益出发,最大化整体卸载用户的节约能量;其次,本文从卸载用户个体角度考虑,最大化提升从卸载过程中受益的用户数量。有关本文详细的研究内容及成果阐述如下:(1)我们考虑多用户卸载情况下最大化卸载用户整体所节约的能量。首先,本文提出了一个基于代理的移动云计算框架——AQRF框架。该框架通过在设备端与代理端共同进行卸载判断从而减少多用户的平均等待延时。此外,为得到多用户的卸载策略,本文提出在完成时间约束与带宽约束条件下的最大化多用户整体节约能量问题(MESAU)。为求解这个问题,本文提出一种基于筛选的动态规划算法(DPAF)。该算法中,首先通过筛选步骤将原始的能量优化问题转换为经典的0-1背包问题。进而采用动态规划算法来寻找优化的卸载策略。仿真结果表明,该框架可以更快地从代理获得卸载响应并且DPAF算法在节能方面优于其他解决方案。(2)我们考虑多用户卸载场景下实现节能用户数量的最大化。首先,本文采用OFDM技术对多用户的传输过程进行建模并采用博弈论来刻画每个用户自身的效益函数,进而提出多用户卸载博弈问题(MUOG)。为求解该问题,本文提出卸载博弈策略(OGS),其中包括BOT与BOG两个算法。通过有益卸载阈值算法(BOT)可以求解出每个用户所能忍受卸载用户数量的阈值。此外,通过有益卸载用户集算法(BOG)得到能同时卸载而受益的一组用户,并证明该算法可以得到MUOG问题的纳什均衡解。通过仿真实验,本文提出模型和算法与其他卸载策略相比可以使更多的卸载用户受益进而实现节能。