多接入边缘计算（Multi-access Edge Computing,MEC）网络提供了卸载更快速、资源更丰富的新型组网方式,为复杂计算任务的快速处理带来了可实现方案。无人驾驶飞行器（Unmanned Aerial Vehicle,UAV）辅助的MEC网络使得网络部署和接入更灵活、覆盖范围更广泛。在应急通信和低成本覆盖等情景下,针对用户匹配和卸载方式进行优化是提升MEC系统效用的重要方法。针对无线携能通信（Simultaneous Wireless Information and Power Transfer,SWIPT）的MEC网络结构,论文提出了一种适用于多用户和多网络边缘服务器的用户匹配算法。首先,综合考虑用户的需求差异性和多元化能量供给,建立了基于计算资源、传输资源和能量资源的系统效用函数;接着以系统效用最大化为目标,采用基于多维背包理论的多轮拍卖算法进行最佳用户匹配;最后仿真验证了所提用户匹配算法的有效性与可靠性。针对UAV辅助的MEC网络,综合考虑UAV的能级状态、各网络等级卸载成本与成功卸载奖励函数,论文提出了一种基于能量等级和综合性能评价的多级MEC网络资源优化算法。首先建立了UAV辅助的多级MEC网络资源优化模型,并给出了不同卸载级别对应的能耗和时延等计算方法;接着以系统效用函数最大化为目标,采用马尔科夫决策（Markov Decision Processes,MDP）算法求解获得最优卸载策略。仿真结果表明,提出的算法可优化系统资源配置,有效提高计算卸载系统效用函数和用户体验。雾计算将边缘服务器进一步小型化、离散化,可显著的减少通信延迟,提高网络容量。在UAV和雾节点可以进行数据中继或卸载的条件下,考虑通信信道质量、异构网络接入和多级卸载选择,论文提出了一种基于UAV辅助的多级雾计算（Mobile Fog Computing,MFC）网络资源优化算法。建立资源优化模型,并应用MDP算法求解获得最优的卸载策略。最后通过仿真对比分析了MEC与MFC两种网络结构的性能和适用场景。