随着移动互联网技术的发展和移动智能终端在人们日常生活中的普及和广泛使用,智能手机、平板电脑等移动终端正在成为学习、娱乐、社交、新闻更新和商业交流的重要工具。然而,由于移动终端的资源(计算能力、电池能源、存储容量)有限,计算密集型应用程序无法高效且持久地在移动终端上运行。在物联网和5G通信的驱动下,移动计算领域出现了重要的转变,由传统的集中式云计算向分布式的边缘计算转变,移动边缘计算迁移(Mobile Edge Computing Offloading,MECO)已成为云计算的一个重要应用场景。移动边缘计算是将网络边缘上的计算、存储等资源进行有机融合构建成统一的用户服务平台,按就近服务原则对网络边缘节点的任务请求作出及时响应并进行有效处理。由于边缘节点资源的有限性,计算迁移成为边缘计算的一个关键问题。计算迁移的核心思想是根据网络状态,边缘智能终端根据承载能力适时将计算任务迁移到附近其他空闲的移动终端上实施计算和存储,实现能耗均衡、减少网络延迟和传输开销,提高网络QoE。计算迁移策略已成为移动边缘计算服务的关键问题之一,计算迁移技术的发展,为解决终端资源受限这一问题引入了新的方法。本文针对移动终端资源受限这一课题所做的工作如下:(1)综述了计算迁移的相关研究,分析了计算迁移在不同发展阶段的特征及研究重点。分析对比了边缘计算的几个典型应用,总结了不同的计算迁移资源划分策略的优缺点。(2)提出了论文的计算迁移能耗优化的系统模型,包括系统模型、迁移模型和迁移时间约束模型。论文的系统模型是构建在蜂窝网络(Long Term Evolution,LTE)环境下的基于时分多址(Time Division Multiple Access,TDMA)的MECO系统,系统以时隙为标志,识别系统中不同的用户信号,在任意时隙内,基站基于时分多址对用户的一个任务子集进行完整/部分迁移调度。核心思想是在多用户计算迁移系统中以能耗优化为目标,以计算时间动态划分为约束,均衡系统计算能力,规避多用户迁移系统中某个用户为了节省资源而盲目迁移,以保证系统总计算时间最低。(3)提出了基于拉格朗日的能耗优化模型。根据迁移的具体情况,将终端的能耗分为本地计算能耗和计算迁移能耗两个部分。提供了能耗模型的凸性证明,运用拉格朗日方法对模型进行求解,提出基于阈值的最优资源划分算法(Optimal Resource Partitioning Algorithm,ORPA)。通过与You C S提出的迁移策略、梯度下降法求解拉格朗日的方法进行对比,验证了论文所提出模型及计算迁移策略ORPA能够有显著降低移动终端任务执行能耗,有效地达到节省移动终端能耗的目的。并且在计算延迟约束下,能够显著缩短任务的执行时间。在此基础上,论文还得出了不同时隙条件下,系统所能容纳的最优用户数量,以便于按照实际应用场景的需求来设置时隙,满足不同用户种群的需求。