移动边缘计算已成为第五代移动通信（The 5th Generation Mobile Communication System,5G）关键性技术,其通过在网络边缘侧部署计算和存储节点,可以有效解决应用服务质量需求高而设备计算资源以及能量资源不足的问题。本文主要针对移动边缘计算系统中计算卸载优化问题,从边缘服务提供商和用户两个角度出发,研究如何在满足任务性能要求的同时,提高服务提供商的潜在效益并降低用户侧的总能耗。首先,针对边缘服务器密集部署而单个服务器计算资源有限的场景中计算卸载问题进行了研究。与现有大多从用户角度展开指标优化的研究不同,本文从服务提供商的角度出发,针对多服务器部署且用户关联关系未知场景,对服务提供商的潜在收益进行了优化。在服务提供商的收入方面,考虑到用户任务的差异性提出了一种任务价值评估量化方案,使服务提供商能够对不同的任务需求做出合理的定价。在成本方面,考虑到对用户任务进行边缘计算卸载时消耗资源的异质性,对通信资源、计算资源和能量资源多个维度的资源成本进行了综合计算。本文建模了用户关联、卸载决策和资源分配决策联合优化问题,在满足用户性能需求的前提下尽可能地提高服务提供商的潜在效益。为了求解此问题,本文提出了一个联合优化迭代框架,将原问题分解为用户关联问题和联合卸载策略与资源分配问题,并分别基于匹配理论和块坐标下降算法进行求解。仿真显示所提算法具有较快的收敛速度,并且相较于基准算法极大地提高了服务提供商的潜在收益。其次,针对边缘服务器资源相对充足而用户上行速率受限场景中的计算卸载问题进行了研究。当前研究中,智能反射面辅助边缘计算场景的研究还较为匮乏,且集中在优化时延、系统总能耗及边缘服务器处理的总比特数量方面,用户侧能耗的研究存在不足。本文从降低用户侧能耗角度出发,针对智能反射面与非正交多址接入技术辅助的边缘计算网络场景展开研究,通过联合优化卸载数据量、用户的中央处理器频率、上传功率、上传时延以及智能反射面的反射系数矩阵,在满足任务的容忍时延的前提下实现了用户侧能耗最小化。本文采用块坐标下降以及连续凸近似等方法将原问题进行分割转化并求解。仿真结果表明所提算法具有良好的收敛性和有效性;此外仿真数据也验证了智能反射面在边缘计算场景中对于改善传输链路状态、降低用户侧总能耗起着积极作用。