随着用户服务需求的不断提升,出现了大量计算密集和时延敏感应用,为了满足用户的需求,无线网络中通信设备不断增加,传输数据量呈现爆炸式增长。为了缓解终端设备的能力与大规模任务需求之间的矛盾,满足终端用户更加多样、更高标准的任务需求,分布式边缘计算应运而生。分布式边缘计算通过将通信、计算和存储等功能迁移到靠近用户设备的边缘服务器中,将终端无法完成的任务卸载到靠近终端的边缘服务器计算,节省终端设备的资源,提高任务的执行效率。但是,与集中式云计算数据中心相比,边缘服务器的地理位置分布分散且设备资源有限。因此,设计合理的任务卸载决策,合理利用边缘计算网络中有限的资源,对优化任务处理的用户服务需求具有重要意义。由于复杂的网络环境和多样性任务处理性能需求,不合理的任务卸载决策容易引发网络负载失衡,降低资源利用效率。任务卸载涉及计算卸载和资源分配。其中,计算卸载决定任务执行的位置、时间、方式。资源分配决定向任务分配的资源的类型、时间和数量等。由此可见,任务卸载是多方面耦合的结果,因此,如何设计高效的任务卸载策略,实现边缘服务器间任务卸载的调度与分配,是分布式移动边缘计算中一个急需解决的重要问题。针对上述问题,本文聚焦分布式边缘计算网络,开展了关于分布式边缘计算中任务卸载的相关研究。本文的主要研究内容如下:（1）解决时延敏感任务在分布式边缘计算系统中的计算卸载的问题。在一个多边缘服务器的边缘系统中,边缘服务器可以被划分为多个协作空间,协作空间中的边缘服务器可以协同合作。若干个细粒度的任务在这个边缘系统中等待执行,根据任务执行的时延,本文构建了一个最小化平均时延的问题。本文改进了传统的蚁群算法,使用层次分析法在信息素矩阵的初始化阶段进行优化,并对信息素的更新方式及适应度函数的设计加以修改,以得到任务的计算卸载决策。卸载决策包括卸载方式的选择,接入点的选择和执行位置的选择。仿真结果表明,所提算法可以充分发挥各边缘服务器的优势,在保障任务处理质量的基础上,降低任务平均时延。（2）解决时延敏感任务在分布式边缘计算中的联合优化问题。在一个多边缘服务器的环境中,本文联合考虑了边缘系统的带宽资源分配和计算卸载问题。首先,本文利用联盟博弈将带宽资源分配问题归纳为一个寻找数组的帕累托最优解的问题,并使用多目标粒子群优化算法对该问题进行求解。其次,针对在时延敏感任务在分布式边缘系统中的卸载决策,本文将系统中的任务的处理总时延作为目标,求解任务的计算卸载决策。利用分支限界法构建传播树,以寻找任务卸载决策的最优情况。为了评估树中的边缘服务器,本章构建了一个评估矩阵,并将该矩阵转化为一组评估指标,用于任务卸载决策。评估矩阵的设计从传播树中边缘服务器的层数、边缘服务器的计算能力和边缘服务器上任务的队列长度三个方面考虑。仿真结果表明所提算法有效降低了任务处理时延。