Las redes de cloudlet son un paradigma emergente de procesamiento de datos distribuidos, que contienen múltiples cloudlets desplegados junto a estaciones base para servir a dispositivos de usuario locales (UDs). Cada cloudlet es un pequeño centro de datos con memoria limitada, en el cual se pueden instanciar múltiples máquinas virtuales (VMs). Cada VM ejecuta los componentes de la aplicación de un UD y proporciona servicios dedicados para ese UD. El número de VMs que sirven a UDs con baja latencia está limitado por la falta de suficiente memoria de los cloudlets. La tecnología de deduplicación de memoria se espera que resuelva este problema mediante el intercambio de páginas de memoria entre VMs. Sin embargo, maximizar el intercambio de páginas significa que más VMs que pueden compartir las mismas páginas de memoria deberían instanciarse en el mismo cloudlet, lo que evita que la distancia de comunicación entre UDs y sus VMs se minimice, ya que cada VM no puede instanciarse en el cloudlet con la distancia de comunicación más corta desde su UD. En este documento, estudiamos el problema de la instanciación de VM con la optimización conjunta de compartir memoria y distancia de comunicación en las redes de cloudlet. Primero, formulamos este problema como un modelo de optimización biobjetivo. Luego, proponemos un algoritmo heurístico iterativo basado en el método de restricción, que descompone los problemas originales en varios subproblemas de optimización de un solo objetivo y obtiene de forma iterativa las soluciones óptimas de los subproblemas. Finalmente, el algoritmo propuesto se evalúa a través de un gran número de experimentos en el conjunto de datos de seguimiento de carga de trabajo del cluster de Google y el conjunto de datos de estaciones base de Shanghai Telecom. Los resultados experimentales muestran que el algoritmo propuesto supera a otros algoritmos de referencia. En general, el intercambio de memoria entre VMs aumentó un 3.6%, la distancia de comunicación promedio entre VMs y UDs se redujo un 22.7%, y el tiempo de ejecución disminuyó aproximadamente un 29.7% en comparación con el método de suma ponderada.