随着现代通信技术和移动互联网的不断发展,移动设备(如智能手机、平板电脑、车载终端等)在现代人们的生活中得到了广泛的普及,移动设备上的移动应用也越来越丰富,如人脸识别,交互式游戏,图像/视频应用等,不断满足人们的各种需求。虽然移动设备在硬件技术方面取得了长足的进步,但是相较于传统的计算终端,移动设备的资源,包括计算资源(例如CPU,内存等)和能量供给(电池电量)仍然是有限的。在资源受限的移动设备上运行各种计算密集型应用程序仍然是一个挑战。为了应对此挑战,研究人员引入全新的计算模式——移动云计算(Mobile Cloud Computing,MCC)。此计算模式能使移动设备使用云所提供的资源,把计算密集型应用先进行计算分割然后卸载到资源丰富的云上处理,从而减少应用完成时间并降低移动设备的能量消耗。但是移动设备周围可能出现多种云资源,如中心云,微云,边缘云,车载云等,如何选择一种合适的云进行卸载,使得包括应用完成时间和设备能量消耗在内的应用执行代价最小,仍然是目前的研究难点与热点。本文针对混合云计算问题,基于现有的任务卸载策略,围绕多云环境下开展如何对应用进行计算分割和任务卸载的研究,提出了最佳云选择算法与卸载策略,并设计了一个混合云选择系统框架,从而为计算分割与卸载、云选择提供支持,旨在最小化应用的执行代价。首先,最佳云选择算法判断应用的卸载代价,由此决定是否进行分割和卸载;然后,依据分割后的任务卸载到每种云的执行代价决定要将任务卸载到哪种云上执行,目的是为了在移动设备周围的众多云资源中,选择执行代价最小的云进行卸载。在我们的工作中,混合云选择系统框架采用克隆机制部署在移动端和云服务器端,且由三个模块组成:分析器,求解器和通信模块。分析器负责收集并分析移动设备和云端的资源使用情况,并将结果传送给求解器。求解器根据分析器发送的结果,做出分割决定,并通过最佳云选择算法,判断是否进行任务卸载。最后使用通信模块实现移动端和云端之间的通信与数据传输。进一步地,本文研究了在移动边缘计算中,针对用户的移动性问题,在边缘云端和移动设备端配置我们提出框架,并采用虚拟机迁移技术,解决因用户移动产生的延迟问题,提高用户的服务体验。最后,实验仿真结果表明,本文所提出的云选择算法与其他现有的任务卸载算法相比,能够更加准确的选择代价最小的云进行任务卸载,使得移动设备上的应用具有更快的完成时间和更低的能量消耗,提高用户的服务质量。同时我们所提出的系统框架是高度模块化的,相比于以前的系统框架,更便于扩展。