随着移动互联网和5G通信技术的高速发展,移动边缘计算中计算密集且时延敏感型任务的计算卸载问题受到了学术界的广泛关注。本文将分别针对移动边缘计算中的多边缘服务器覆盖场景以及移动边缘计算-设备对设备（MEC-D2D）协助计算场景,结合人工蜂群算法、二分法、凸优化理论以及贪心算法,对场景中的任务卸载时延优化策略进行研究。主要工作包括:1、在多边缘服务器覆盖场景下,提出一种考虑公平性的任务卸载与资源分配算法。现有的移动边缘计算卸载研究工作大多注重用户的整体效益,关注到用户个体效益的研究较少,这导致了个别用户的效益低于大多数用户。因此,需要合理的任务卸载方案与资源分配方案来保证每个用户个体的效益。本文针对多边缘服务器覆盖场景下的计算卸载问题,构建了任务卸载与资源分配的联合模型,以边缘服务器计算资源、通信资源、以及任务最大容忍时延为约束,在考虑公平性的前提下对所有任务的服务体验进行优化,并提出了一种基于二分法的资源分配算法,以及基于改进的人工蜂群算法的任务卸载算法来求解该模型。最后根据仿真实验结果表明,本文提出的算法在不同任务密度与不同资源配置的场景下都具有较好的表现,表明本文提出的算法具有良好的性能。2、在MEC-D2D协助计算的场景下,提出一种最大化整体用户效用的任务卸载、任务分割与资源分配的低复杂度算法。本文针对MEC-D2D协助计算场景下的计算卸载问题构建了任务卸载、任务分割与资源分配的联合优化模型,该模型以D2D设备与边缘服务器的通信能力与计算能力为约束,以最大化系统效用值为目标,提出了一种基于凸优化理论和贪心思想的低复杂度的任务卸载、任务分割与资源分配的联合优化算法来求解该模型。最后,将本文算法与对比算法进行仿真实验,实验结果表明本文提出的算法在不同任务密度、不同D2D设备密度以及不同资源配置的场景下,都具有更优的表现,表明本文提出的算法具有良好的性能。