近年来,物联网的普及与增强现实、智慧城市等计算密集型新兴移动应用的发展,使得大量数据来自终端设备。如果将这些数据直接发送到云数据中心,会给当前的主干网络带来沉重的流量负担。此外,终端与数据中心之间的距离会造成较长的传输延迟,导致用户体验质量较差。移动边缘计算通过在网络边缘部署计算和存储资源,可以满足用户的低时延需求,同时也减轻了核心网络带宽的压力。目前,移动边缘计算在内容缓存方面取得了很多进展,但在计算卸载决策和资源管理方面仍面临着一些挑战。如卸载决策忽略了边缘服务器的计算和存储资源的有限性对系统性能的影响,大量的任务累积会造成较长的排队延迟。此外,在多边缘节点相互协作的策略中,缺少分布式优化方案,节点之间的协作范围较小,没有充分挖掘协作计算潜力。基于以上挑战,本文在相关研究的基础上,从单个边缘服务器任务卸载和多边缘节点相互协作两方面入手进行研究,主要工作如下:（1）针对单边缘服务器的计算和存储资源有限,大量的任务累积造成长时间排队延迟、影响用户体验质量的问题,构建了一个三层计算框架。该框架中终端设备将产生的感知数据上传至边缘服务器,边缘服务器选择合适的部分任务进行卸载,其余上传至云数据中心。首先,以延迟最小化为目标建立数学模型,在能耗约束下,利用序列二次规划算法求解边缘服务器最佳的任务卸载比例。其次,通过MATLAB仿真实验,分析了不同任务负载到达率对最优卸载比例和访问延迟的影响,并将所提解决方案与基准方案进行了对比。实验结果表明,在任务负载到达率远远大于边缘服务器处理速率时,所提方案具有最佳的延迟性能。（2）针对大规模的多边缘节点相互协作,节点间的频繁交互会导致高功耗、大传输延迟和严重信号干扰的问题,提出了一种基于任务卸载成功率最大化的边缘节点相互协作方案。首先,分析了三层网络架构下的两个性能指标之间的关系:任务卸载成功率和协作成本。以任务卸载成功率为目标建立数学模型,在协作成本阈值约束下利用拉格朗日乘子法求出该问题的最优解,并分析了协作和非协作时的传输时延。其次,为了在每个边缘节点不知道其他节点私有信息的情况下进行协作卸载,在经典ADMM的基础上,提出了一个分布式算法来求解最优的卸载协作组规模。在得到最优协作组规模之后,构造了一个转发树来组织协作的边缘节点,每个边缘节点以最小的交互代价,将匹配的任务卸载请求沿着树的分支转发给它的伙伴,并讨论了接收到任务卸载请求后每个边缘节点的处理步骤。最后,通过实验模拟,分析了各参数对任务卸载成功率的影响,并与非协作模式进行了对比。实验结果表明,协作模式下的卸载成功率相比非协作模式提高了20%左右。