边缘计算作为一种新兴的计算模式,具有将计算任务迁移到边缘设备上的优势。可以有效减少了数据传输过程中所带来延迟,提供更低的延迟和更好的用户体验。任务调度作为边缘计算中的关键问题之一,一直是研究者们所要面临的重要挑战。目前,大部分的边缘计算任务调度工作倾向于将应用内的所有任务作为一个整体或是串行关系进行研究,忽略了内部各个任务间的相互依赖关系,导致应用无法更加细粒度地被同时调度到不同的设备上进行处理,这限制了边缘计算系统在任务调度时的灵活性和效率。为了更好地应对边缘计算中任务调度的挑战,满足边缘计算环境下用户对低延迟应用的需求。本研究考虑了任务之间的依赖性关系,使用有向无环图（DAG）来表示任务之间的关系,具体分析任务之间的数据约束和相互依赖关系。本文主要研究在不同场景下依赖性任务调度问题,研究内容如下:1)在单用户单边缘服务器场景下,对最小化任务完成时间为目标的依赖性任务调度问题进行研究,对该调度问题进行了建模与分析,并证明了这个问题的NP-hard特性。提出了基于任务间优先级关系的启发式依赖性任务调度算法。通过按照任务优先级的大小对任务进行排序,确保任务间的依赖约束关系得以满足,从而有效解决了依赖性任务调度问题。为了选择最优的调度目标,算法采用了贪婪策略和插入策略,以最大程度地减少任务执行时间,提高任务调度的效率和性能。通过仿真实验表明,相较于其他基线算法,该算法可以有效降低应用程序的计算延迟。2)考虑到实际应用环境中,用户设备可能被多个异构边缘服务器所组成的异构计算平台覆盖,用户设备可以选择不同类型的边缘服务器进行任务卸载。针对异构多边缘服务器的情况,本文继续研究边缘服务器异构计算资源的分配优化问题,进一步提出了基于改进遗传算法的任务调度决策算法。同时针对普通遗传算法交叉与变异搜索方法过于单一,容易过早陷入局部最优等缺点进行了改进。改进后的算法额外增加了多种在交叉与变异过程中对新解的搜索方法,显著提升了算法的全局搜索能力和收敛速度。最后,通过一系列的仿真实验将本文所提的任务调度策略与其他相关工作进行对比,验证了所提任务调度算法在降低用户设备任务执行延迟和提高任务调度效率方面均具有一定有效性。