移动互联网络系统正在飞速的发展,新型应用程序对于实时性的要求越来越高,传统的信息技术（Information Technology,IT）架构面临着重大挑战。伴随着第五代蜂窝网络（5G）的建成落地,边缘计算框架的数据传输能力得到强化。在边缘计算中,用户可以将任务卸载至边缘计算节点进行处理,从而获得更多的资源,进而提高任务处理速度,使得用户获得更好的服务体验。相比较传统的云计算架构,边缘计算的架构拥有更小的网络延迟,更加节省用户终端设备的资源和能耗。边缘计算快速处理用户任务请求的前提是计算节点部署了用户任务相对应的服务。因此,在边缘计算中服务部署策略是影响延迟敏感应用程序性能的一个重要因素。针对延迟敏感应用程序的特点和不同的应用场景,本文对边缘计算框架中服务部署策略进行研究和探索。1.边缘计算中联合网络选择和资源调度的服务部署策略。服务部署策略必须按照程序内部任务的相关性进行部署,通过考虑程序内部任务之间的相关性制定服务部署策略。在该项研究中,提出了一种基于剩余服务时间预测的动态服务部署列表调度（Dynamic Service Placement List Scheduling,DSPLS）算法。该算法主要从数据传输和服务时间两方面对整个服务部署策略进行优化。从仿真实验的结果来看,DSPLS算法在数据传输时一直保持较低的时延,DSPLS算法完成整个任务所需的服务时间相比于其他算法用时最少。2.移动边缘计算（Mobile Edge Computing,MEC）中的延迟敏感应用程序的服务部署方法。用户在MEC场景中处于运动状态,先前的最佳服务部署策略可能会在几分钟内变成非最佳服务部署策略。针对该问题设计了一种新颖的改进遗传算法（Service Placement:Improved Genetic Algorithm,SPIGA）。SPIGA算法主要针对用户移动性、边缘服务器的资源以及能耗成本三个方面约束进行服务部署决策。SPIGA算法的目标是在这些约束条件下,获得最佳的服务质量（Quality of Service,Qo S）。该算法在遗传算法的基础上综合了模拟退火算法的优点,通过引入模拟退火算法的思想,弥补了遗传算法容易陷入局部最优值的不足。通过该项研究的仿真实验结果表明,SPIGA算法相比于其他对比算法可以获得更高的Qo S值。而且,SPIGA算法使得边缘计算服务器的资源利用率更高。