过去的10年,随着5G、物联网技术的发展,智能设备的数量爆炸式增长,一大批新兴的交互式应用涌现出来,如虚拟现实、增强现实、自动驾驶、图像识别等。这些应用的典型特点是需要密集的计算资源的同时要求极低的延迟,因而不适宜在算力较差、电池容量有限的智能设备上执行。传统的云计算技术由于设备需要与骨干网络通信,也无法保证延迟参数。为解决这一两难困境,移动边缘计算技术应运而生。移动边缘计算即智能设备将计算任务卸载到边缘服务器执行,后者部署在网络边缘(通常是与基站等边缘网关相连接),利用边缘网关的剩余算力进行服务,且与设备间的通信最少只需经过单跳的链路,因而有机会保证任务的执行延迟。目前边缘计算技术已经得到了学术界和工业界的广泛关注,但现有研究普遍存在忽视子任务间依赖关系、忽视设备间通信资源竞争、忽视边缘服务器计算资源调度的问题,难以适应下一代通信基础框架下异构密集无线网络的需求。有鉴于此,本文将卸载任务建模为有向无环图(Directed Acyclic Graph,DAG)的形式,以充分考虑子任务间的数据依赖关系,挖掘子任务间潜在的并行性。同时研究多异构设备被密集部署的异构边缘服务器覆盖的卸载场景,联合考虑设备间的无线通信资源冲突竞争和边缘服务器的卸载任务调度。通过理论分析,将卸载问题建模成数学优化的形式,并证明了优化问题的NP-hard性质。为有效解决这一问题,本文提出了一个基于优先级的启发式DAG任务卸载调度算法,并以此为基础提出了中心式的卸载策略,继而阐明了此策略的指数级计算复杂度。为提高决策效率,权衡决策时间和卸载收益,本文又以博弈论为工具,提出了一个自组织的分布式卸载算法,此算法有限次的迭代之后能达到纳什均衡(Nash Equilibrium)的状态,从而导出一个高效的卸载策略。而后本文又研究了更为复杂的边缘网络协作的卸载场景,提出了相应的卸载策略。最后,本文通过一系列的仿真对比,验证了本文提出的卸载策略的有效性。