최근 딥러닝 기술의 발전으로, 증강 현실 (AR), 자율주행 자동차와 같은 모바일 비전 어플리케이션이 많이 등장하였다. 이러한 어플리케이션의 사용자 경험 품질 (QoE)은 모바일 단말의 하드웨어 사양, 서비스의 요구 사항, 네트워크 상태, 사용하는 딥러닝 모델에 큰 영향을 받는다. 본 연구에서는 딥러닝 모델 파티셔닝과 프로세스 및 네트워크 자원을 공동 최적화하는 RT-DMP 알고리즘을 제안한다. 본 연구에서는 시간에 따라 변화하는 시스템에 대응하기 위하여 가상 큐 기반 Lyapunov optimization 수학적 기법을 활용하여 알고리즘을 도출한다. 제안 알고리즘 RT-DMP는 (i) 모바일 단말과 MEC 서버 사이 partition point, (ii) 모바일 GPU 주파수, (iii) 매 타임슬롯 무선 네트워크 상태에 따른 전송 속도를 제어한다. 본 연구의 알고리즘 RT-DMP는 기존 연구들과 달리 세가지의 사용자 경험 품질 지표 (모바일 단말의 에너지 소모, 초당 처리 작업량, 단대단 지연)를 최적화함을 이론적으로 증명하였다. 또한, 시뮬레이션을 통하여 RT-DMP가 높은 성능을 보임을 확인하였으며, 실제 모바일 환경 기반 실험을 통해 알고리즘의 실현 가능성을 확인하였다.