随着人工智能和物联网移动应用的快速发展,人脸识别、增强现实等新型应用被广泛地应用在各种移动设备中。然而移动设备受到体积、电池容量等因素的限制,难以满足新型应用对时延和能耗的需求。移动边缘计算技术的出现为解决该问题提供了新的方式,该技术将计算密集型的应用卸载到计算资源丰富的边缘服务器上执行,有效地降低计算任务的执行时延和能耗,提升运营商对用户的服务质量。但移动边缘计算技术在带来诸多优势的同时,也存在着如何根据有限的计算和通信资源来制定合理的计算任务卸载策略的问题。因此,本文针对多用户场景下的计算任务卸载策略与资源分配联合优化问题展开研究,具体内容如下:（1）假设边缘服务器计算资源不受限,将卸载策略与资源分配优化问题分解成信道分配和传输功率分配问题。首先根据有效卸载理论得出信道分配结果并制定卸载策略,然后,利用拟凸优化理论得到传输功率的最优解。仿真结果表明,所提出方案能够有效地降低计算任务执行的时延和能耗,在用户数量较多时,该方案仍然能够保持较好的系统性能以及制定合理的卸载策略。（2）在边缘服务器计算资源受限的情况下,为了提高用户移动设备的续航能力和移动边缘计算系统的整体服务质量,引入基于移动设备电量剩余率的时延和能耗自适应加权方案构建系统效用函数,以求解卸载策略与资源分配联合优化问题。该方法首先利用坐标上升法对计算任务卸载策略进行更新,然后针对特定卸载策略,采用基于用户卸载优先级的信道匹配算法对用户进行信道分配,并根据拟凸优化和黑塞矩阵（Hessian Matrix）理论,使用一维搜索法以及拉格朗日乘子法和库恩塔克（Karush-Kuhn-Tucker,KKT）条件分别对移动设备传输功率和边缘服务器的计算资源进行分配。仿真结果表明,该方案不仅提高了低电量用户的续航能力,还通过减少高电量用户与低电量用户竞争卸载资源的方式,有效地提升了移动边缘计算系统的整体服务质量。