随着无线通信技术的快速发展,移动互联网悄无声息的走进了我们的生活,我们开始享受该技术所带来的便捷性、及时性以及准确性。我们可以随时随地通过多种接入网络来享用其提供的服务,并且基于大数据的推送,我们变得更容易找到自己所需。然而,移动互联网技术仍受限于移动设备处理能力和电池容量大小,移动云计算技术可有效解决该问题。移动云计算技术旨在通过将移动设备的计算任务卸载到云端执行来降低其能量消耗和提高处理能力。此外,随着车联网技术的发展,车辆可通过先进的通信技术彼此通信并进行资源共享。为了充分利用系统中的计算、通信以及存储资源,移动云计算技术应用到车联网中。车辆用户可充当两方面角色,一是计算资源提供者,移动终端可通过将计算任务卸载到车辆执行来提高其能力;二是计算资源请求者,车辆可将计算任务分发给其他车辆或其他云计算服务提供者来提高性能。在本文中,我们针对上述提到的两种不同的场景以及不同的服务模式进行了资源分配研究,提出的资源分配算法可有效最大化其相应的目标函数。本文先对车辆云计算系统中的资源分配问题进行了研究。该车辆云计算系统由车云和远端云构成,移动终端可通过将计算任务卸载到车云或远端云来执行从而节省其能耗并提高其处理能力。其中,当移动终端的计算任务被卸载到远端云去执行时,为了降低终端能耗,计算任务会通过车云转发到远端云。本文在该架构下进行了计算资源分配研究,通过使用马尔科夫动态决策过程求解该资源分配问题提高了系统的长期期望折扣回报。通过系统性能分析看出,提出的算法优于贪婪策略和模拟退火策略。然后,本文提出一种云协作网络架构,在该架构下系统可有效调度多层云计算资源池中的资源,并重点研究了通信与计算资源协同优化的问题。该架构具体包括由移动节点(车辆或终端)构成的移动云,接入点附近部署的本地云以及传统的集中式远端云。车辆用户的卸载请求可根据当时的无线信道状态以及各层云中的计算资源情况来接入到其中某层云中,并分配给其相应的计算资源数。该资源分配问题被建模成半马尔科夫决策过程,采用期望平均回报准则,并通过相应的方法将连续时间维的半马氏过程转换成普通的马尔科夫决策过程来进行求解。通过数值分析结果可以证明,提出的算法优于贪婪策略和其他两个启发式算法。