随着移动智能设备不断在恶劣环境(如战场和灾害环境)推广使用,如何应对该环境下移动设备本身能力受限成为其中面临的关键问题。移动云计算正成为一种新兴的计算模式,其基本思想是借助云端“用之不竭”的资源,解决移动设备本身能力受限的问题。基本方法是将移动设备本身不能满足的的计算、存储等任务卸载至数据中心云中进行处理,从而提高任务处理速度,节省移动设备能量。在此模式中,如何通过云端与移动端的协同、实现资源充分利用同时提高任务处理效能是其中的核心问题。传统研究主要面向城市应用场景,假设网络基础设施完善,远端云资源随时可用且可靠,但这种假设并不适用战场等恶劣环境下的应用场景。此外,既有协同研究大多局限于基于任务卸载的移动端和云端协同,而对于恶劣环境下的场景研究不足。基于此,本文以战术边缘应用场景为示例背景,研究了恶劣环境下移动云计算在不同层级、不同业务类型下的协同机制问题,以有效应对恶劣环境下移动云计算服务所面临的问题。论文的主要内容和创新点包括以下几个方面:首先,提出了适应恶劣环境的远端-近端-本地三层级的移动云协同框架。传统研究主要面向城市应用场景,通过将移动设备负载卸载至远端云以提高移动设备能力。在战场等恶劣环境下,网络动态、环境敌对,远端云不再随时可获取,这对移动端获取可靠云服务提出了巨大挑战。针对此问题,本文通过分析恶劣环境对移动云系统的要求,设计了适应恶劣环境的远端数据中心、近端微云以及本地移动设备云三层级协同框架,旨在通过利用一切可利用的资源进行任务处理、数据传输和存储。阐述了各层级的协作模式,首次提出了动态流程重构机制以满足协同关系的快速、动态重组的要求,为恶劣环境实现移动云计算提供总体方案。其次,提出了考虑容错的移动设备云内协同任务处理优化机制。移动设备云内协同是一种当远端云和近端微云(Cloudlet)都不易获取时,解决单个移动设备性能瓶颈的有效途径。已有研究虽然考虑了网络不稳定因素,但未考虑节点不可靠导致任务失效的影响。基于此,本文将任务执行的可靠性引入移动设备群组协同任务卸载机制中,以提高节点易损毁情况下任务成功执行的概率。此外,传统研究假设节点每次接触传输数据量固定,不适应动态网络实际情况。本文将数据传输建模成多次接触传输模型,支持多次接触传输数据。提出了基于概率路径的任务和数据协同卸载方法以及自适应的任务备份决策算法。实验结果表明所设计的算法相比一些典型算法任务执行成功的概率提高了约30%且能耗节约20%。再者,设计了面向融合任务处理的多Cloudlet协同机制。多Cloudlet协同是解决移动端大量突发任务的有效方法,通过充分利用多Cloudlet的资源,提高任务处理速度和效能。本文以战场数据融合为例,基于MapReduce框架研究了多Cloudlet协同处理机制。将多Cloudlet协同任务处理问题建模成考虑处理代价、传输代价、存储代价以及延迟代价的任务分配,资源供给以及Reducer选择协同优化问题。并基于Lyapunov框架设计了可在线实现的高效算法。实验结果表明所提算法能够适应数据处理需求的动态变化分配资源,且相比一些典型方案在数据处理代价和延迟代价方面有显著优势。最后,设计了面向密集数据共享的移动设备云协同机制。数据共享是战场等恶劣环境场景中移动设备间面临的主要业务之一。本文针对该场景下网络带宽低且不稳定的特点,提出了基于移动设备云的群组协同数据共享机制,从而降低中心节点压力,提高数据共享效率。将数据协同传输问题建模成长时间的效用最大化问题,且将移动节点的合作激励机制和能耗因素作为约束。此外,考虑到协同小组中各移动节点角色不同,对数据获取的时效性要求也不同,在协同决策模型设计时考虑了QoE异构情况。通过对原问题的简化并利用Lyapunov优化框架,设计了高效的数据传输和接口选择协同策略。实验结果表明所设计方案能够优先向高QoE级别节点分配网络资源,且相比现有算法明显提高系统效用并降低节点能耗。