随着互联网、物联网技术的快速发展,各种新型业务,如语音识别、虚拟现实/增强现实等不断涌现,网络边缘的数据流量呈现爆炸式增长。传统云计算在应对这些时延敏感、密集计算应用时逐渐显现出不足。为解决上述问题,移动边缘计算（Mobile Edge Computing,MEC）作为一种全新的解决方案出现,通过将计算能力下沉至网络边缘,实现就近响应来缩短响应时间与缓解网络拥塞。MEC服务器有限的计算资源在应对海量计算需求时面临着巨大的挑战。设备移动性的增强使得MEC请求接入不固定,因而静态资源部署效率低下,软件定义网络及网络功能虚拟化（Network Function Virtualization,NFV）的发展让MEC动态服务部署成为可能,基于NFV实现高效的动态服务部署方案能够有效提高MEC资源利用率,改善网络性能。然而,过于频繁地进行MEC服务部署或更替也会增加时间成本,为更好地适应快速变化的服务需求,可以通过调整分配给MEC已部署服务的资源来调节其计算能力,从而改善服务质量,提升资源利用率。因此,本文研究MEC服务器动态服务部署与资源调度机制,主要包含以下三方面内容:（1）为最大化利用MEC有限的计算资源,提升MEC服务质量,本文提出基于服务流行度和设备可靠性的计算单元部署机制。首先,使用门控循环单元网络对请求频率和服务可靠性两项特征进行预测,以此获得更高的MEC服务命中率。然后,以请求频率、MEC容量、MEC可靠性建立约束条件,以最小化请求响应延迟、最小化计算单元数为优化目标进行MEC计算单元部署决策,该问题被建模为多目标优化问题并使用启发式蚁群优化算法进行求解。最后,通过仿真实验验证所提出算法的有效性,我们所提出的算法在延迟及服务稳定性方面具有较好的性能。（2）为适应动态变化的服务需求,本文提出基于服务意度与负载均衡度的动态资源调度机制。该机制建立用户服务满意度与MEC负载均衡度评估模型,以此保障各类应用的QoS需求及MEC的工作效率。然后,以服务满意度及负载均衡度作为约束条件,以最小化响应延迟为优化目标,以此求解最优MEC资源调度方案。该问题可建模为马尔可夫决策过程,利用深度强化学习算法进行求解。最后,仿真实验证明所提出机制在响应延迟、服务质量以及负载均衡度方面有较好的性能。（3）基于以上研究内容,本文实现MEC服务部署与资源调度系统,该系统将本文所提出算法的仿真环境及运行效果进行可视化呈现。在需求分析与系统结构设计基础上,该系统被划分为四个功能模块,分别为网络拓扑展示模块、MEC节点信息展示模块、MEC服务部署模块与MEC动态资源调度模块。功能与性能测试验证了系统的正确性和高效性,系统运行效果表明该系统能够完成预期功能需求,能够为研究者提供可视化的界面进行MEC服务部署与资源调度操作。