随着大数据时代的到来和物联网技术的发展,用户对数据和服务的需求出现爆炸式的增长。用户的移动设备无法持续供能,有限的电池容量使许多计算密集的智能应用无法本地执行。云计算技术提供的集中式的服务,但是数据和服务中心远离用户,长距离通信造成的高时延降低了用户的体验质量。边缘计算提供了新的解决方法,在网络的“边缘”即用户设备附近大量部署服务器,为用户提供低延时的计算与服务,降低核心网络压力。本文主要研究了边缘计算的计算卸载决策和计算资源分配问题。计算卸载是指用户设备将计算任务转移到边缘服务器的过程,具体如何进行卸载称为卸载决策问题。单个边缘服务器具有有限的资源,如何利用和分配计算资源就是资源分配问题。本文研究边缘计算架构,提出了一种用户-边缘协作的计算卸载流程,该流程中用户设备协助边缘服务器收集全局信息,边缘服务器做出精准的卸载决策。研究单边缘服务器多用户设备的边缘计算场景,并进行数学建模和问题公式化。对于制定的混合整数非线性规划问题,本文将其分割为两个子问题,分别采用函数单调性和遗传算法求解。本文阐述了遗传算法流程,并制定了选择、交叉和变异三个核心算子。对于变量间的相互影响造成的计算资源未充分利用,本文提出了基于遗传算法的迭代方法进行解决。本文对于提出的方法设计了仿真实验,对比了多种计算卸载策略和资源分配方法。实验结果表明,本文的方法能够获得更低的任务执行成本,表现出较好的性能。