计算卸载和资源分配是移动云计算中至关重要的环节，通过合理使用计算卸载和资源分配技术，可以实现移动云计算系统的高效运行和优化资源利用。 本书分为7章。第1章是绪论，介绍了移动云计算的研究背景和意义以及研究现状。第2章是移动自组织云中计算卸载策略的研究，从主设备对各个从设备的定价和从设备提供的执行单元的数量两方面进行研究。第3章研究单用户在有、无雾服务器接人两种情形下的静态计算卸载策略，目的是使能量消耗和执行时延达到最优。第4章是多用户存异构网络中静态计算卸载策略的研究，提出了最小化能量消耗、执行时延、价钱花费的多目标优化问题。第5章是基于广义纳什均衡的多用户动态计算卸载策略的研究，将能量收集和社交关系引入移动云计算。第6章研究静态和动态子信道的5G多接入边缘计算异构网络中的多用户动态计算卸载和资源分配问题，讨论了在静态和动态子信道情况下的系统平均执行时延最小化问题。第7章是具有多信道的车联网动态计算卸载策略的研究，将时段分为高峰和非高峰时期，同时考虑边缘服务器缓存。 本书全面、系统地阐述了移动云计算中计算卸载和资源分配的研究内容和最新成果，可作为我国边缘计算领域的科研工作和工程应用的参考用书。

第1章 绪论
1.1 研究背景和意义
1.2 计算卸载
1.2.1 计算卸载的分类和过程
1.2.2 计算卸载的国内外研究现状
第2章 移动自组织云中计算卸载策略的研究
2.1 引言
2.2 移动自组织云的计算卸载模型
2.3 主设备和从设备最优策略的求解
2.3.1 Stackelberg博弈的构造及均衡点的证明
2.3.2 基于Lagrangian函数求解最优策略
2.4 仿真实验
2.5 本章小结
第3章 单用户在异构网络中静态计算卸载策略的研究
3.1 引言
3.2 有雾服务器接人时多目标优化问题的构建
3.2.1 有雾服务器接入的单用户计算卸载模型
3.2.2 移动设备本地执行过程
3.2.3 云服务器执行过程
3.2.4 多目标优化问题的详述
3.3 无雾服务器接入时多目标优化问题的构建
3.4 基于内点算法求解最优策略
3.4.1 多目标优化问题的转化
3.4.2 对优化问题的分情形分析
3.4.3 利用IPM求解卸载概率
3.5 仿真实验
3.6 本章小结
第4章 多用户在异构网络中静态计算卸载策略的研究
4.1 有雾服务器接入的多用户计算卸载模型
4.2 多目标优化问题的形成
4.2.1 移动设备本地执行和上行传输过程
4.2.2 云服务器的执行过程
4.2.3 多目标优化问题的描述
4.3 基于内点算法求解最优策略
4.3.1 转化为单目标优化问题
4.3.2 对优化问题的具体分析
4.3.3 利用IPM求卸载概率和发送功率
4.4 仿真实验
4.4.1 仿真参数说明
4.4.2 仿真实验结果
4.5 本章小结
第5章 基于GNEP的多用户动态计算卸载策略的研究
5.1 引言
5.2 具有社交关系和能量收集的多用户动态计算卸载模型
5.3 移动设备群平均执行花费问题的构建
5.3.1 移动设备本地执行和上行传输过程
5.3.2 云服务器执行过程
5.3.3 移动设备能量收集过程
5.3.4 移动设备群平均执行花费问题的详述
5.4 基于半光滑牛顿算法求解构造的GNEP
5.4.1 对GNEP的验证和转化
5.4.2 利用半光滑牛顿算法求最优执行策略
5.5 仿真实验
5.5.1 仿真参数说明
5.5.2 仿真实验结果
5.6 本章小结
第6章 静态和动态信道下的多用户计算卸载和资源分配策略的研究
6.1 引言
6.2 系统模型
6.2.1 本地执行模型
6.2.2 上行传输
6.2.3 云执行
6.2.4 能量收集模型
6.3 时隙下静态信道的问题表述与算法设计
6.3.1 问题制定
6.3.2 静态信道的算法设计
6.4 动态信道的问题表述与算法设计
6.4.1 动态信道的问题表述
6.4.2 动态信道的算法设计
6.4.3 Lvapunov优化和SACA的计算复杂度分析
6.5 仿真分析
6.6 本章小结
第7章 具有多信道的车联网动态计算卸载策略的研究
7.1 引言
7.2 系统模型
7.3 任务执行过程
7.3.1 本地执行下行传输过程
7.3.2 本地执行的延迟与能耗
7.3.3 服务请求卸载流程
7.4 问题描述
7.4.1 非高峰时段的问题公式化
7.4.2 高峰时段的问题表述
7.5 算法设计
7.5.1 非高峰时段的算法设计
7.5.2 高峰时段的算法设计
7.5.3 两种算法的算法复杂度
7.6 仿真分析
7.6.1 非高峰时段情况
7.6.2 高峰时段情况
7.7 本章小结
参考文献