随着移动互联网与无线通信技术的快速发展,终端设备可以将复杂繁琐的计算任务迁移(Computation Offloading)到资源充足、性能强劲的云端执行。移动边缘计算(Mobile Edge Computing)架构将具备计算存储能力的设备部署在网络的边缘接近终端设备处,缩短了终端设备与计算设备的距离,终端设备可以根据自身的需求,灵活选择连接范围内的多个边缘设备完成任务迁移。移动边缘计算下的任务迁移已不再是本地执行或迁移给远端的二元抉择,而是在多计算设备环境下的任务分派问题(Task Allocation Problem)——在合适的时间将任务迁移到合适的设备。本文主要研究了移动边缘计算网络中计算设备的负载均衡问题与多样化任务的迁移分派问题,即在一个多计算设备的无线网络场景中,首先设计能够保障计算设备负载均衡的任务分派方案,同时使得各任务的响应时间尽可能小;接着,针对具有不同时延要求的多样化任务,设计相应的分派方案,使任务能在时延要求范围内成功完成迁移。将计算迁移集中在特定设备,容易带来网络负载分布不均衡的问题,影响服务器性能,破坏网络稳定性。本文使用服务器时间使用率预测信息来衡量边缘网络中各服务器的负载,设计了一种基于负载预测信息计算迁移方案,引入高效的两步中央预约式机制,使用重新编码的遗传算法为任务预约合适的服务器和时隙。通过种群迭代与进化的方式,在保障服务器负载均衡的前提下搜索任务响应时间尽可能小的可行解。此时讨论的任务对时延不敏感,没有明确的时延要求。仿真结果表明两步式机制可以准确求解任务分派问题,并且可成功改善各服务器的负载分布情况,与其他考虑负载均衡的任务分派方案相比,基于负载预测信息的任务分派方案所求可行解使任务平均响应时间下降了3个时间单位,服务器的负载标准差下降了9.5%。边缘网络中还存在一类对时延敏感的任务,必须在限定的时延要求到来之前完成计算迁移。为了准确区分边缘网络中多样化任务的不同时延要求,本文对计算任务进行优先级划分,提出了一种基于统计优先级的任务分派算法,确保高优先级的任务能够在较短的时间内完成迁移。首先在基站处部署了中央调度器,用户将产生的任务标定优先级,上传给中央调度器。调度器根据任务优先级缓存入对应的队列,并统计当前边缘服务器集群的平均历史占用率,与队列的预设优先级门限进行比较。对于占用率低于门限的队列,调度器判决其中的任务可以被迁移执行;而对于占用率已经超过门限的队列,调度器判决该队列处于休假状态,暂缓执行其中任务。仿真实验结果表明基于统计优先级的任务分派算法的有效性,尤其对高优先级的任务,能够以超过90%的完成率,在10-12个时间单位内完成迁移。相比较优先级轮询调度算法,统计优先级任务分派算法保障了大量任务到达情况下高优先任务的高完成率与低响应时间。而通过调整统计窗口长度、优先级门限与队列休假时间等参数,可以提升其余优先级任务的完成率。