随着各种终端移动设备广泛的普及应用以及视频分析、虚拟现实、语音识别等计算密集型应用的不断涌现,使得移动端产生了大量的数据,这些数据在存储和计算方面都有着很高的要求,这导致了移动端存储与计算能力不足的问题的逐渐凸显。为此,移动边缘计算（Mobile Edge Computing,MEC）技术被提出以解决这些问题,MEC技术通过在无线接入节点等网络边缘环境中部署具有较强存储和计算能力的MEC服务器,使得用户可以将计算任务卸载至临近的网络边缘进行执行,这样可以有效避免移动设备执行任务产生的能耗快速消耗电量,并相比云计算而言,显著地降低了服务时延。而在MEC系统中,MEC服务器的计算资源是有限的,因此对于卸载其上的任务进行合理的任务调度与资源分配,来提高系统资源利用率,并降低系统时延,有着十分重要的意义。本文研究了针对典型的多用户MEC网络场景中资源分配以及任务调度问题,具体内容概括如下:（1）针对多用户MEC系统中任务数少于MEC服务器同时分配执行的最大任务数场景下资源分配问题,分别考虑了资源充足与资源不足的情况。对于前一种情况,我们结合实际分别设定了最小化最大时延以及最小化总时延两种优化目标,并基于这两种时延优化目标构建最大容忍延迟约束下的资源分配问题模型,并在确定传输信道带宽分配后将问题简化为计算资源分配问题,之后分别基于预分配和KKT条件,提出针对这两种时延优化目标的资源分配算法。对于后一种情况,构建基于最小化超过限制时延的资源分配问题模型,之后通过分析最优解条件,将问题转换为较易解的问题,利用上一种情况提出算法的变种来解决,得出该问题资源分配算法。仿真结果证实了所提出资源分配算法的有效性。（2）针对多用户MEC系统中任务数多于MEC服务器同时分配执行的最大任务数场景下资源分配以及任务调度问题,结合实际确定了最小化最大时延与超过限制时延之和、最小化总时延与超过限制时延之和两种优化目标,并分别基于这两种优化目标建模资源分配与任务调度模型,之后提出了一种基于轮的资源重新分配的策略对任务进行调度和资源分配。仿真结果证实了所提出的算法能够有效降低系统时延,同时使得任务在时延限制内完成的比例得到提高。