近年来,移动通信网络中数据流量急剧增加,虚拟现实、远程医疗等应用迅速普及,这为资源受限的网络以及用户侧带来诸多挑战,如网络流量承载过大、应用无法流畅运行以及用户体验较低等等。针对以上问题,小小区网络和移动边缘计算技术被提出。小小区网络技术能够缩短用户与边缘网络基站的距离,从而为用户提供更高的数据传输速率,为网络带来更优的能量效率;移动边缘计算技术将移动边缘服务器部署在网络边缘,一方面降低了数据传输与处理时延,为用户提供了较强的资源共享能力,另一方面节约了回程链路,减小了核心网络的承载压力。小小区网络和移动边缘计算技术是第五代移动通信技术(5th Generation,5G)研究的热点。将两种技术相结合,能够发挥二者优势,使得网络具有更强的覆盖,为用户提供更强的计算能力。然而,二者联合考虑也存在一些问题和挑战,比如,如何设计合理的资源分配策略、如何将任务分割并卸载到网络边缘进行计算等等。针对上述问题,本文主要工作内容如下:第一,基于多小小区基站场景,提出了基于移动边缘计算的任务分配方案。首先引入通用模型对计算任务进行建模,在该模型中,每个计算任务包含多个子任务,多子任务之间具备依赖性。其次,建立了基于时延优化的子任务卸载问题,在该问题中考虑了子任务的卸载时延以及传输时延。第三,将所提问题转换成调度问题。由于该问题是一个非确定性多项式(non-deterministic polynomial,NP)难问题,考虑采用启发式算法设计了基于列表调度的任务分配对所提问题进行求解。最后对所提算法进行了仿真,验证了所提算法的有效性。第二,考虑多用户场景,提出了基于移动边缘计算的基站聚类和资源分配算法。首先,建立了系统模型,在模型中考虑了不同用户需求。其次,建立了基于混合整数非线性规划的时延优化问题,在该问题中联合考虑了功率、任务的分配。第三,基于启发式算法和遗传算法设计了联合小小区聚类和资源分配的策略,并对所建立的问题进行求解。最后,通过仿真验证了所提算法能够最小化网络时延。