随着物联网和无线通信技术的持续快速发展,各种智能设备和新型应用不断涌现,使得网络中的数据量呈指数级增长。一方面,云计算模式难以适应庞大的数据量传输带来的网络带宽高负荷问题,另一方面,新型应用计算密集性强、时延敏感度高,而远距离无线传输能耗大、时延高,大大降低了用户服务体验。边缘计算是有效解决上述问题的方案之一。然而,单个边缘服务器难以连续提供资源,随着接入到网络中的用户设备越来越多,运营商提出部署多个边缘服务器为用户提供连续可靠的服务。在多边缘服务器场景中,可能出现某个用户设备在多个服务器覆盖的范围,多个用户设备共享某个服务器的资源,使得边缘计算环境和任务卸载变得更为复杂。效率低下的卸载策略不仅使得用户需求无法满足,还会导致边缘端资源利用率低、负载不均衡等问题。因此,本文针对部署多设备多服务器的场景,研究了任务高效的计算卸载与资源分配问题。首先,本文提出一种基于博弈的计算卸载与资源分配联合优化策略。定义任务的执行时延和能耗的加权和为任务卸载的计算开销,以满足任务的时延约束为前提,将优化问题建模为任务的计算开销最小化问题。用户设备将任务卸载请求广播发送到通信范围内的边缘服务器上,收到任务卸载请求的服务器视为竞争关系,它们根据自身资源情况分配资源以获取任务的执行,因此该优化问题转化为非合作博弈问题,称为多边缘服务器资源分配博弈。本文证明了该博弈存在唯一的纳什均衡,并设计了一种迭代算法找到纳什均衡,同时求得任务的最优卸载策略。仿真实验结果表明,所提算法有效降低系统开销和能耗,提高服务器资源利用率和实现服务器负载均衡。其次,本文提出一种基于多边缘协作的计算卸载与资源分配联合优化策略。考虑边缘服务器间能够相互协作处理任务,故任务有本地边缘服务器和协助边缘服务器两种执行方式,并建立各自的执行时延模型。考虑实际中运营商以有偿的方式提供计算资源,本文又建立了用户服务支付模型,然后定义任务执行时延和用户支付服务费用的乘积为用户开销,将优化问题建模为满足时延约束下的一组用户总开销最小化问题。该优化问题是混合整数非线性规划问题,因此将原问题解耦成两个子问题,即计算卸载和资源分配,利用凸优化方法求解资源分配问题,然后联合分配资源量提出一种基于改进粒子群的计算卸载与资源分配算法求得一组任务的最优卸载策略。仿真实验结果表明,提出的算法在实现服务器负载均衡,有效分配计算资源,降低用户开销和任务执行时延方面具有良好的性能。