随着移动网络的不断升级和移动互联网用户数量的爆炸式增长,第五代移动通信(5G)正面临着爆炸式数据流量增长与海量设备连接并存的新挑战。然而,受限于移动设备自身有限的资源,移动设备将无法完全满足用户对于某些业务的需求。而移动边缘计算(MEC)丰富的计算资源以及靠近用户的特性,将会有效地提升用户的服务质量。同时,超密集网络(UDN)因其具有增强覆盖、减少端到端的时延等优点,在未来的5G网络中,UDN和MEC共存的网络架构将可以满足用户对于高速率、大连接、低时延、低功耗等的服务需求。然而MEC有限的计算资源以及超密集网络中复杂的网络环境,使得资源分配、干扰管理以及负载不均衡等诸多问题成为制约MEC可扩展性和网络性能提升的关键因素。因此,本论文主要考虑资源的有限性以及网络负载的不均衡,对基于移动边缘计算的超密集网络任务卸载策略做了相关研究,主要贡献如下:考虑不同的时延需求以及资源分配对超密集网络下的任务卸载的性能影响,制定卸载决定和资源分配的联合优化问题,优化用户的总能耗,并针对该问题提出一种集中式的优化方案。首先采用坐标下降法优化用户的卸载决定,同时在特定的卸载决定下,考虑用户的时延约束,采用改进的匈牙利算法和贪婪算法进行用户级的子信道分配。然后,将能耗的最小化问题转化为功率的最优化问题,并通过凸优化的方法得到用户最优的发送功率。仿真结果表明,所提出的卸载方案相比于其他方案能够节省更多的能量,有效地提升了系统的性能。考虑用户以及MEC服务器分布的不均匀而导致MEC负载不平衡带来拥塞时延的问题,提出基于业务负载均衡的任务卸载策略来优化系统的时延消耗。根据业务负载情况,采用部分任务卸载的模式,用户以最优的卸载率将部分任务卸载到合适的MEC,使系统的时延最小。首先,通过一个迭代算法优化任务的卸载决定,然后根据用户的卸载决定通过内点法找到用户的最优卸载率,最终通过算法的迭代找到最优的任务卸载率以及卸载决定。仿真结果表明,所提的卸载策略有效地实现了负载均衡,并使系统的性能达到最优。