随着5G的发展,配备多核处理器的移动设备需要处理越来越复杂的应用程序。这些应用程序为人们提供便利的同时,移动设备也必须承担更多的能耗和更高的延迟。然而,移动设备的计算和能量资源有限,特别是电池容量受到移动设备物理尺寸的限制,这些限制降低了用户体验。因此,如何利用移动设备有限的资源高效地完成计算任务是一个迫切需要解决的问题。基于此,移动计算(Mobile Computing,MC)应运而生,为移动用户提供远程计算服务。由于云服务器计算能力强,移动设备可以将密集型任务发送到云服务器进行处理,避免了本地计算的大量延迟和能耗问题。此外,由于多线程计算(multi-threaded computing,MTC)与MC相似,都具有扩展移动设备电池容量和提升计算能力的技术特点,而当前多核移动设备又十分普及。因此,考虑将MTC与MC结合,研究如何高效地调度移动设备的多核资源与边缘计算资源。本文为多线程依赖型任务设计联合调度多核资源与云资源的卸载算法。多线程依赖型任务是能进行并行计算且子任务之间具有依赖关系的任务。根据依赖关系的复杂程度,分别设计了两种计算卸载策略,基于多线程的移动云计算卸载策略与多线程应用程序的细粒度卸载策略。这二者都联合调度本地多核计算频率,上行传输功率以及卸载决策。基于多线程的移动云计算卸载策略解决复杂依赖型任务的计算卸载问题,由于依赖关系复杂,只能根据所提出的策略找到次优解。准确地说,首先,制定多线程计算原则以降低计算能耗或时延。接着,根据该原则即将复杂依赖型任务化简为串行任务。最后,利用凸优化方法与回溯算法结合的方式求解串行化复杂依赖型任务的优化调度解。仿真结果表明,与本地MTC策略和单线程卸载策略相比,将MTC与MC结合可以显著降低多线程应用的计算能耗,提高计算能力。多线程应用程序的细粒度卸载策略解决简单依赖型任务的计算卸载问题,由于依赖关系简单,可以通过所提出的策略找到联合调度最优解。精确地说,首先制定单线程卸载的最小能耗问题。在此基础上,证明了问题的凸性,并利用标准凸优化技术求解。接着,将优化目标从单线程应用扩展到多线程应用,设计多线程应用的计算规则,以降低计算成本。最后,根据这些计算规则和最优解,提出多线程卸载策略来解决多线程应用的计算卸载问题。仿真结果表明,该策略有效地降低了移动计算的最小延迟要求。