随着移动设备的快速普及和无线通信技术的发展,浮现出越来越多新颖的复杂应用程序,如人脸识别,增强现实（Augmented Reality,AR）和交互式游戏,它们需要大量的计算资源才能有效的被执行。这给资源有限的移动用户带来了巨大的挑战。计算卸载技术是减少任务执行时延并为移动用户节省能源的一种主流技术。在众多计算卸载方法中,移动边缘计算（Mobile Edge Computing,MEC）是一种充满前景的技术,近年来在工业界和学术界引起了广泛讨论。MEC的概念首先由欧洲电信标准协会（European Telecommunications Standard Institute,ETSI）于2014年提出,其在移动用户附近的无线接入网络内提供信息技术和云计算功能。然而,现有的计算卸载技术需要在移动用户和MEC服务器之间传输数据。由于数据传输带来的能量消耗和时延在任务的整个计算代价中占据了主要部分,因此在一些数据量巨大的计算密集型应用中部署现有的计算卸载技术将难以满足用户的计算需求。受此启发,本文通过引入任务代码缓存机制来改进现有的MEC技术。具体来说,该方案允许用户预先在MEC服务器上缓存用户任务,当用户需要卸载任务时,只需上载任务的输入参数到MEC服务器而不必上传任务代码。此外,用户也可以将任务卸载到MEC服务器上进行计算或本地进行计算。本文主要完成了以下两个方面的工作:（1）本文研究了MEC使能的移动无线通信网络中计算资源分配,任务缓存和计算卸载问题的联合优化问题。其目的在于最小化所有用户的任务执行时延和能量消耗的加权和。本文采用交互式优化框架通过三个步骤依次求解出最优计算资源分配、最优任务缓存策略和最优计算卸载方案,建立了系统设计的最优性能上界。首先,使用凸优化方法来求得最优资源分配策略。其次,通过详细的分析,将计算卸载策略和任务缓存方案的数值和优化问题转换为等价的线性规划问题,并在多项式时间内通过Karmarkar算法求解。最后,求解出最优任务卸载策略,并基于任务缓存策略和计算卸载决策的最优数值和求解出最优任务缓存方案。通过将所提出的方案与一些具有代表性的方案进行仿真比较,证明了所提出的方案可以在广泛的参数设置范围内显着降低任务的执行时延和能耗。（2）本文研究了基于任务缓存的MEC计算卸载问题,对用户计算卸载策略、MEC服务器的任务缓存策略以及无线信道分配策略进行了优化。本文将任务缓存机制集成到了传统的边缘计算卸载技术中,提出一套新的计算架构。在所提的计算架构中,MEC服务器可以预先缓存一部分用户的计算任务。当用户需要执行其任务时,可以通过本地计算方式,计算卸载方式以及请求MEC服务器直接计算（任务已经被缓存）三种方式来完成任务的计算。本文在满足用户对任务的计算时延限制下,最小化系统中所有用户的总能耗。通过将问题建模为整数规划,本章通过两个步骤来找到最优解。首先使用基于博弈论的方法来求解任务卸载策略,其次通过基于动态规划的算法来求解出最优任务缓存算法。通过仿真结果表明,与其他两个基准方案相比,本章所提的方案可以有效降低系统成本。