用户终端在执行计算密集型任务时,需要大量的计算资源和能量。然而,受到物理尺寸限制,用户终端计算能力和电池能量有限,而难以满足任务需求。研究提出移动边缘计算(Mobile Edge Computing,MEC)的解决方案,用户终端将任务卸载到边缘服务器计算。为了充分利用终端的可用资源,考虑用户终端间利用设备到设备(Device-to-Device,D2D)技术进行通信,计算任务可通过D2D连接在用户终端间卸载。另外,为了减少高峰期回程链路流量,利用缓存技术,对任务缓存辅助下移动边缘计算展开研究。如何对计算任务进行分配并获得最佳的计算卸载策略成为急需解决的问题。为此,本文旨在研究D2D网络中移动边缘计算资源管理技术,主要工作如下:(1)提出了一种基于PageRank的多跳计算卸载方案,降低任务处理时延和用户终端能耗。首先,本方案将网络建模为带权有向图,整合用户终端的计算能力,电池总能量和存储总容量为节点权重,整合用户终端间通信速率和潜在干扰影响为有向边的权重。其次,基于PageRank的思想,本文定义用户终端排名值表示用户终端的综合性能,并提出了一个幂迭代算法计算用户终端排名值。最后,设计了一个决策算法,基于用户终端的排名值,计算用户终端的单跳计算卸载概率和多跳计算卸载概率。仿真结果表明,与本地计算相比,对比方案实现23%左右的能耗与时延总收益,本方案实现了约44%的能耗与时延总收益。(2)提出了一种D2D网络下缓存辅助节能计算卸载方案。首先,该方案基于地理位置将用户终端划分为不同簇,提出了一种簇头选择算法选择簇头。然后,利用簇头和边缘服务器的计算资源和缓存资源,分别在簇头和边缘服务器处建立任务缓存能耗与时延模型,并构建簇头和边缘服务器计算卸载能耗与时延模型。接着,在用户终端时延和计算资源等约束条件下,建立最小化终端能耗的任务缓存和计算卸载联合优化问题,利用设计的优化算法确定最佳任务缓存方案和计算卸载方案。最后,经过仿真验证,与本地计算相比,所提出的方案可以节约57%左右的能耗。本文提出的D2D网络中计算卸载调度技术在减少任务处理延迟和用户终端能耗方面具有一定的研究和应用价值。