移动边缘计算网络作为一种全新的物联网计算模式,将计算能力从云端下沉至网络边缘,通过计算节点之间的相互协作,执行大规模复杂的计算密集型任务,实现广泛互联、协同交互、边缘智能、安全可信的计算服务。与传统云计算网络相比,移动边缘计算网络计算节点数量更庞大、类型更多元、范围更广泛,尤其面对复杂的网络环境和多样的应用服务,带来了一系列新的问题和挑战,逐渐成为国内外学术界和工业界关注的焦点和前沿领域。尽管目前已经存在各式各样的移动边缘计算应用系统,但仍缺乏高效协同的任务调度策略、全局优化的资源配置方式、智能化的感知与决策机制。任务调度和资源配置问题在云计算网络中已经积累了较多的研究成果,但由于两者优化策略分离且缺乏对计算节点资源约束的考虑,使其难以直接应用于移动边缘计算网络中。针对计算节点协作场景中资源的动态性和异构性、协同的多跳性和社会性问题,本论文研究移动边缘计算网络中任务调度与资源配置的协同优化理论与方法,设计拥塞、截止期、信任、社交公平感知下的协同机制,实现了任务高效协同调度、资源全局优化配置、智能感知与决策的潜力。本文的主要研究成果包括:(1)基于用户关联的拥塞感知调度与配置协同优化。边缘云资源受限是利用移动边缘计算网络进行计算卸载面临的一项重要挑战。为此,设计协同任务调度框架,充分利用边缘云的密集部署,以用户关联的方式实现边缘云之间的协同计算和资源共享。考虑到高度动态变化的边缘资源和负载,研究位置感知下稳定最优的计算、通信资源联合配置问题,在不依赖未来信息的情况下,设计拥塞感知调度与配置协同机制,保证了长期网络稳定性(时间域)和全局负载均衡性(空间域)。通过挖掘用户卸载质量敏感度异质性,提出基于契约理论的差别化定价策略以引导用户选择合适且满足拥塞约束的关联策略,实现用户局部偏爱和网络全局最优间的折中。实验结果表明所提出的机制提升了系统收益,保证了用户激励和网络稳定性。(2)基于对等卸载的多服务调度与配置协同优化。边缘云通过对等卸载形成共享的虚拟资源池,实现资源灵活配置和任务协同处理。现有的任务调度机制大多假设边缘云可以处理任何类型的用户请求,忽略了服务可用性。但对于存储资源受限的边缘云而言,通常仅能同时配置部分服务。考虑到边缘资源的多质异构性特征,设计在线调度与配置协同优化框架(JCPS),利用边缘云负载和资源成本之间的时空差异降低系统成本。首先,建模、求解不考虑用户截止期容忍度的空间策略优化问题,证明了该问题是NP-hard。其次,挖掘用户截止期容忍度异质性,研究基于优先级的服务配置和调度协同策略的时空最优性,并提出两个截止期感知联合协同机制,即D-JCPS机制和AD-JCPS机制,分别适用于边缘云充分合作场景和考虑其策略性行为场景,实验结果表明所提出的机制保证了系统性能近优性,揭示了配置和调度协同优化的重要性。(3)基于多跳卸载的可信调度与配置协同优化。多跳卸载打破了物理距离限制和对远程云的依赖,更能充分挖掘边缘协同计算能力。考虑到协作中因边缘云利己性导致的信任风险,建立社交信任传播模型,通过计算、通信和信任资源联合配置,实现延迟-信任风险间的均衡。最优可信卸载决策离不开完备的延迟信息。现有的任务调度机制大多聚焦确定性完成延迟情形,但在实际分布式计算系统中,由于负载水平的差异和资源争用的结果,任务完成延迟通常表现出高可变性特征。为此,提出在线学习辅助的协同计算卸载机制,利用延迟在线学习技术预测任务完成延迟,并作为卸载策略制定的基础。理论分析和实验结果表明所提出的机制保证了系统性能近优性和预测误差鲁棒性,揭示了强信任传播可以显著降低系统成本。(4)基于终端协作的社交D2D调度与配置协同优化。现有的任务调度机制大多关注边缘云和远程云之间的资源共享,而没有考虑终端设备日益增强的计算能力。为此,研究社交D2D协同任务框架,设备之间通过建立D2D直连通信链路进行任务卸载和资源共享,而终端用户之间的社交关系为其提供了较为有效的协作激励。考虑到协同的社会性和策略性,设计基于信誉市场的多资源分配机制,首先,提出社交等价资源概念,利用DRF公平性理论设计多资源分配策略,实现了激励共享、无嫉妒性、防止策略操纵性和帕累托最优;其次,提出基于VCG拍卖的任务卸载策略,保证了用户真实性、个体理性和鲁棒性。实验结果表明所提出的机制有利于鼓励强社交、高声誉、多资源的终端用户共享资源,保证了社交公平-效率间的均衡性和卸载服务的高质量性。