应用程序在移动设备中运行需要占据大量的资源,以提供多样性的功能服务,从而满足人们日益增长的需求。但是,移动设备有限的计算资源无法保证这些应用程序高效的运行。为了解决这一问题,提出了移动边缘计算架构,将云计算服务部署在距离用户较近的边缘网络区域,以降低任务卸载的通信延迟。但是,如何在保证任务卸载可靠性的同时,得到一个最优的任务卸载策略,是降低移动设备能量消耗的关键。对于移动边缘计算系统,如何调度系统中的计算资源,实现系统资源的负载均衡,也是保证移动计算系统高效运行的关键。首先,本文研究了在动态网络环境下,任务数据的加密、解密对任务卸载策略的影响;将任务的加密与解密进行数学建模,并运用可靠性服务组合,进而保证任务卸载的可靠性。该计算模型考虑了移动设备的能量消耗和任务卸载的通信延迟。为了得到当前网络环境下最优的任务卸载策略,本文还提出了基于时域滚动的在线算法,并运用帕雷托最优策略,对减少移动设备端的能量消耗和降低任务卸载的通信延迟两个优化目标之间进行权衡,得到了在当前网络环境下的最优的任务卸载策略。模拟实验结果显示,本文提出的在线算法,不仅能满足了网络实时性要求,而且任务卸载策略的近似解非常接近基于网络先验信息的全局最优解。对于移动边缘计算系统中大量的任务请求问题,本文面向多用户的移动边缘计算场景,提出了一个基于M/M/1排队系统的移动边缘计算模型,并构造了一个使得移动边缘计算系统内所有的待计算任务卸载花费的总时间最小化问题。本文证明了该最小化问题是NP完全问题。为了能在多项式时间内,实现移动边缘计算系统中边缘服务器负载均衡,同时使得所有的待计算任务卸载花费的总时间最小,本文提出了基于贪心和禁忌搜索两种启发式算法,得到了一个有效的任务分配策略。为了测试本文提出的两种启发式算法性能,本文还用模拟实际场景的随机算法作为对比。模拟实验结果显示,本文提出的禁忌搜索算法对任务花费的总时间下降幅度比贪心算法平均提高约8.5%,贪心算法对任务花费的总时间下降幅度比随机算法平均提高约20%。