随着无线通信技术的快速升级,智能终端的普及、移动数据的急剧增长以及多样化业务的兴起,对终端设备电池容量、计算和存储资源提出更高的要求,传统的云计算模式无法满足计算密集型、时延敏感型应用的实时性要求。作为第五代通信网络（5G）的关键技术,移动边缘计算（MEC）通过将终端计算任务上传至邻近的边缘服务器,由边缘服务器进行计算,再将计算结果回传到终端。相对于云中心,大大减少时延,提高用户体验。虽然移动边缘计算在很大程度上可以减少时延能耗以及系统开销,但由于边缘服务器的计算和存储资源是有限的,因此如何高效地将任务卸载到合适的边缘节点上并为卸载任务分配最优的计算和无线资源具有重要的研究意义。考虑到边缘计算中任务卸载与资源分配的重要性,本文对多节点边缘计算网络中的任务分配和多种资源协同优化进行深入研究,以系统开销和系统处理能力为性能指标,在满足用户服务质量的同时提升系统性能。主要的研究内容如下:（1）针对边缘计算中密集型任务卸载时,系统开销较大和延时抖动明显的问题,提出一种细粒度任务划分多边缘节点协作的资源分配策略。该策略首先在系统时延约束下,分析了系统任务执行开销与终端设备的资源分配机制;其次建立了基于计算卸载和任务分配的联合凸优化目标;最后采用拉格朗日乘子法进行迭代更新得到最优解。仿真结果表明,所提任务卸载与资源分配方案在保证用户服务质量的同时降低了任务执行开销,并有效提升了MEC系统性能。（2）针对5G移动网络海量接入导致频谱效率和资源利用率较低的问题,将非正交多址技术引入到MEC系统中,通过研究多用户多任务和多服务器的计算卸载问题,联合优化任务卸载和资源分配以提高系统的处理能力。将所提问题描述为混合整数非线性规划问题,首先将目标优化问题分解为资源分配和任务分配两个子问题。其次,将资源分配问题进一步分解为计算资源优化和通信资源分配。对于通信资源的分配,首先进行固定的功率分配,然后将子信道分配问题视为子信道与用户之间的多对一匹配问题。此外,提出了一种用于子信道分配的低复杂度次优匹配算法,以最大化卸载效率。基于提出的子信道分配方案,将传输功率分配视为凸优化问题,可以通过拉格朗日乘数法来解决。最后,在资源分配的条件下,分配所有终端设备的任务。实验结果表明,该方案可以有效降低网络的时延和能耗,提高系统处理能力,并进一步提高MEC系统性能。