随着移动互联网和智能物联网的高速发展,移动设备数量的不断激增,网络边缘不得不面对越来越高的数据量和计算量挑战。将边缘网络的数据集中至云平台核心网络进行计算往往会带来高昂的传输成本和用户难以接受的处理时延。这使得移动边缘计算（MEC/Mobile Edge Computing）成为研究和应用的热点。移动边缘网关是MEC的核心设备之一,其通过合理的资源协同调度,可以更实时和高效地处理移动用户设备的计算任务。这不但使移动边缘网关上闲置的计算资源得到了更有效的利用,也同时降低了计算任务的处理时延,减少了移动用户设备的能耗。本文主要研究移动边缘网关资源协同调度技术,主要工作如下:第一,提出了多用户-多MEC服务器场景下的支持反向迁移的计算卸载策略。边缘网络中的计算卸载技术是指受资源约束的设备完全或部分地将计算密集型任务迁移到资源更加充足的边缘网络中的服务器上,解决了用户设备在资源存储、计算性能以及能效等方面存在的不足。本文建立了运行时间及能耗模型,该模型考虑了本地用户设备、MEC服务器和数据传输三个部分的时延和能耗,把完成能耗限制下最小化总体时延的计算卸载问题构建为非线性规划问题,并设计了可以同时考虑反向迁移的自适应蝙蝠算法来求解上述问题。仿真结果证明了所提的方法相比于其他算法在总体时延优化上的优势,且具有较好的稳定性。第二,提出了多用户-单MEC服务器场景下的支持高并发的计算卸载策略。本文提出一种动态的并发限制方法,该方法既可以根据实际情况改变限流参数及策略,也防止多个移动用户设备频繁对该移动边缘网关提交计算任务,给其造成极大的压力。同时考虑针对实时场景的并发度阈值,综合设计了高并发场景下支持反向迁移的混沌蝙蝠算法来求解问题。最终通过仿真证明,所提的方法相比于其他算法在总体时延优化上的优势。而且提出的该支持并发限制的计算卸载方法,可以在尽可能少的增加时延的情况下保障该移动边缘网关及连接的MEC服务器的可用性。本文首先介绍了移动边缘计算的架构及资源调度的相关技术;而后针对多用户-多MEC服务器场景研究了支持反向迁移的自适应蝙蝠算法计算卸载策略,并通过仿真实验进行效果的验证;最后研究了针对多用户-单MEC服务器场景研究了高并发场景下的动态并发限制算法,结合混沌蝙蝠算法进行计算卸载,并通过仿真实验得到了符合预期的效果。