随着5G和物联网的快速发展,增强/虚拟现实、远程医疗和无人驾驶等计算密集型应用得到广泛的使用,用户对传输速率和服务体验的要求呈指数级增长。而移动设备本身有一些不可忽视的特性,比如电池水平、内存和传输数据速率等,这些特性会导致一些任务在本地处理困难或根本无法完成。在云计算中,用户通过将应用程序卸载到云端执行,可以延长电池寿命,执行复杂应用程序。而由于远程云服务器距离用户较远,将任务卸载到远程云服务器,不可避免地会造成大量的通信时延。因此,无论是本地计算,还是云计算都无法满足新兴应用的需求。为应对这一挑战,研究人员提出了多接入边缘计算。用户通过将自身任务卸载到多接入边缘计算系统的边缘云服务器中,可以弥补自身资源受限的缺点,降低任务执行时延和终端设备能量消耗。在现实场景中,一个任务往往有多种执行方式可供选择,服务器的计算和存储等资源也往往被多个任务同时请求。因此,如何选择任务的卸载策略对整个系统的性能有着关键性影响。在本文中,首先研究了在多接入边缘计算中独立任务的卸载问题。在此基础上,研究了多接入边缘计算中依赖任务的卸载问题。本文的主要工作如下:（1）针对多接入边缘计算独立任务场景,本文提出了一种同时考虑任务执行时延和本地设备能量消耗的计算卸载方案。该场景下,任务不仅可以本地计算,还可以卸载到边缘云服务器执行。本文建模研究了任务在两种执行方式下的时延和能耗成本,综合考虑了通信、排队、切换、计算和传输时延。优化目标是最小化系统的总成本,其中每个任务的成本由任务的执行时延和本地设备的能耗加权求和组成,而且每个任务的时延和能耗权重各不相同。由于该问题是NP难问题,为解决该问题,本文基于粒子群优化算法设计了一种计算卸载算法。在提出的算法中,设计了一个用于选择网络选择点和服务放置点的转移概率,并使用Dijkstra算法计算从网络选择点到服务放置点的最佳路径。仿真结果表明,该算法显著降低了系统成本。（2）针对多接入边缘计算依赖任务场景,合理的安排任务执行顺序和执行位置对提高用户体验至关重要。本文针对多接入边缘计算依赖任务场景,提出了在多接入边缘计算中同时考虑任务的完成时间和执行成本两个指标,卸载多依赖任务的问题。在问题建模中,本文考虑了将该用户的多个相互依赖的子任务分别放到本地设备、边缘云服务器和远程云服务器执行,以实现降低多接入边缘计算任务卸载的总完成时间和执行成本的目标。由于研究的问题是NP难问题,为解决这个问题,本文设计了一个基于队列的改进多目标粒子群算法,并引入帕累托最优关系比较不同解在两个目标下的优劣。大量的仿真实验显示,本文的算法能够很好的均衡任务的完成时间和执行成本,从而使得用户的体验感更好。