边缘计算作为一种新兴计算模式,鼓励设备进行资源共享和邻间协助,通过共享富余资源的方式提升设备的性能表现。内容缓存、计算迁移和边缘智能是边缘网络中的典型服务范式,现有工作充分研究了如何利用以上范式和技术提升设备用户的使用体验。但是,海量设备是否愿意构建边缘网络,是否愿意在边缘服务中主动贡献资源成为决定边缘服务是否有良好体验的关键因素。因此,如何针对边缘网络多元服务设计合理可行的激励机制是根本问题。与传统环境不同,边缘网络中的海量设备、无线连接、动态接入和设备的经济学行为决定了在边缘网络中设计激励机制时需要考虑异构性、动态性和信息不对称性等关键因素。针对不同服务高效可行的激励机制可以使设备有动机参与边缘网络构成并且在服务中付诸全力,不仅可以构建边缘资源分享与互助的良性循环,也可以推进边缘模式的商用与进一步发展。因此,在边缘网络多元服务中开展激励机制设计研究有很好的理论意义,也有很强的应用价值。本文结合该方向的最新研究成果,研究了边缘网络中内容服务、计算服务和训练服务的激励机制设计问题。本文主要工作的贡献包括以下三个方面:第一,本文研究了异构时变边缘内容市场中的激励机制设计问题,使内容提供商的利益最大化。首先,通过内容流行度、内容质量、内容新鲜度等多个维度刻画边缘内容时敏性,通过引入信息经济学理论,利用接受内容服务概率刻画内容受众异构性,并以此构建边缘内容和用户模型;其次,以内容是否独家供应将内容市场分为了垄断环境和开放环境,以此刻画市场不确定性,分别在两种环境中讨论激励机制设计问题。在垄断环境中,通过构建双阶段Stackelberg博弈模型得出使内容供应商利益最大化的定价方案和内容更新策略。为了应对开放环境的不确定性,提出了基于强化学习的激励机制以获得内容供应商的最优定价策略。最后,实验证明在不同边缘内容市场中本文所设计的激励机制都高效地帮助内容提供商获取了最大收益。第二,本文研究了异构边缘计算服务中针对计算资源提供者的激励机制,在保证用户性能表现的同时最大化资源提供者的利益。首先,不考虑计算服务的竞争性,引入微观经济学理论,利用市场定价模型和供需关系模型刻画交易双方利益模型,在保证用户利益的同时将激励问题刻画为利润最大化的优化问题。其次,考虑计算服务的竞争性,设计了一种有效的利润最大化多轮拍卖机制进行买卖双方匹配和最终价格确定。通过引入“性价比”“性标比”和二价拍卖模式,从理论上证明了所设计机制满足个人理性、激励相容和计算效率约束。最后,以非竞争性环境为基准,实验证明本文所提出的拍卖机制在最大化计算资源提供者利润的同时,保障了用户的计算需求,也保证了机制的计算有效性。第三,本文研究了异构边缘智能协同训练场景中的激励机制设计问题,以促进边缘用户参与边缘训练并付诸全力。首先,通过引入训练贡献度刻画代理人异构性,通过时间边际收益刻画委托人异构性,进而全面讨论角色异构性对训练收益的影响。其次,通过对静态环境、完全信息环境中激励机制设计的全面讨论,揭示了考虑动态性和信息不对称性对激励机制设计的重要性及带来的挑战。最后,在动态不完全信息场景中,基于合约理论提出了一个易扩展、易部署的边缘智能激励机制,结合个人理性和激励相容约束,从理论层面提供了合约可行的充要条件。实验证明所设计机制为协同训练双方都带来了正收益,同时在激励作用下,训练效果一定程度上优于传统训练方法。