边缘计算通过分散部署的大量边缘系统支持网络处理、存储和利用,使得云平台的处理能力能够下沉到更靠近移动设备的网络边缘,为移动设备提供了更加方便快捷的IT服务环境。但是,随着移动终端的任务变得越来越复杂,受限于单个边缘服务器的资源限制,任务处理的时间也会显著增加,有些复杂的任务甚至超过了单个边缘服务器的处理能力,无法卸载到单个边缘服务器完成。将任务拆分部署在多个边缘服务器上并行处理可以有效缩短任务执行的总延时。但任务间复杂的依赖关系,特别是大量数据依赖关系又会引入新的传输时延。因此,具有复杂关联关系的多个子任务在边缘服务端的高效部署成为决定服务质量可用性的关键因素。为此,本文从移动终端复杂任务的拆分方法,拆分后任务的卸载编排和边缘端卸载位置三个环节综合考虑,以最小化复杂任务的反馈时延为目标,寻找最优化的复杂任务卸载策略,最终达到提高用户服务满意度的目的。具体的研究内容和贡献包括:（1）针对复杂终端任务如何拆分卸载的问题,提出了一种基于层次聚类法的拆分策略。该策略首先将移动设备所提交的任务拆分成子任务,依据这些子任务之间的计算量和通信量,计算出不同任务之间的相似度,利用改进的层级聚类法将相似度较高的任务合并为任务片,达到减少执行时任务间的传输时延,提高多边缘服务器协同执行效率的目的。（2）针对拆分后任务片的卸载顺序问题,提出了一种基于最长重叠路径的任务片编排方法。该方法通过将静态排序,最早开始时间排序和动态排序三种策略相结合来综合确定各任务片的优先度,并根据优先度来决定不同子任务的卸载顺序,达到充分利用边缘服务器计算资源,减少任务片执行等待时延的目的。（3）针对拆分后任务片的卸载位置问题,提出了一种基于模拟退火算法的任务卸载算法。该算法将复杂任务的总体卸载时延作为模拟退火算法中的目标函数,将卸载位置看作粒子状态,通过优化目标函数值的方式寻找任务片最佳卸载位置,达到提高用户服务质量,缩短任务总执行时延的目的。最后通过比较不同拆分策略、不同卸载顺序、不同卸载位置在任务执行时延、边缘服务器利用率、边缘服务端任务吞吐量等方面的性能指标,验证了本文所提任务卸载方法对于缩短任务执行时延具有一定的效果。