近年来,用户需求呈现爆炸式增长,不同应用程序对计算需求也越来越大,时延要求越来越高。传统的集中式云计算虽然有充足的计算和存储能力,但应对大量的时延敏感型应用,统一的集中式处理不仅会导致网络拥塞严重,用户距离云基站较远,数据在终端和基站间传输不能保证传输链路的可靠性且会耗费大量时延。因此,移动边缘计算收集利用网络边缘的闲置资源,保证一定的处理能力同时,距离用户更近,满足时延敏感型任务的需求。本文在基站覆盖范围内考虑移动D2D通信,终端设备具备一定的资源和处理能力,用户请求除了卸载到基站处理,部分用户也可以选择将任务请求划分成不同比例卸载到其他空闲用户协作处理。任务传输过程中用户移动可能会间歇性中断D2D连接,导致任务传输中断。因此,针对一对执行任务的D2D用户交互时间建模,研究用户移动性对任务成功上传的概率影响。最终以总能耗为目标函数,考虑卸载模式、任务划分比例和计算资源分配的联合优化。将目标函数分为关于计算资源分配的凸优化问题和关于任务划分的非凸函数问题,分别使用凸优化理论和灵活的交替方向乘子算法(ADMM)求解。仿真结果证实了所提算法的成效以及方案的优异。此外,本文引入虚拟化技术,将服务器上不同维度资源虚拟化,分配虚拟机并行处理多个任务请求。区别于任务卸载策略,对于已经分配虚拟机资源的任务请求,用户移动会导致相应的虚拟机迁移。因此,本文第—个研究内容关注不同迁移策略下任务完成时间。移动用户离开源基站的覆盖范围,处理该用户请求的虚拟机可以迁移到其他基站上继续执行,或者保持在源主机上处理,将结果通过不同方式传输给用户。以单时隙内的时延成本最小化为目标,设计最优的迁移策略并选择最匹配的基站服务器,同时关注虚拟机迁移过程的传输速率调控,最后通过马尔可夫决策的贝尔曼方程求解。试验结果表明所提策略对试验性能的改善以及算法的有效性。