随着移动互联网与物联网的深度融合,自动驾驶,工业控制,智能家居等新型实时类应用场景大量涌现。在此类场景中,终端设备通过感知周围环境数据,生成计算任务进行处理,进而得到决策控制。由于终端设备获取的信息仅在一段时间内对决策控制具有指导意义,因此信息的时效性对实现精准的行为决策控制具有决定性意义。近年来,信息年龄（age of information,AoI）被提出作为衡量信息时效性的指标,其中信息年龄的大小定义为最新接收的数据包从在生成到被接收经过的时间。然而,系统有限的通信资源及终端设备有限的计算能力限制了系统对计算任务的实时处理能力。移动边缘计算通过将计算密集型任务从终端设备卸载到边缘服务器上进行处理,充分利用了边缘网络泛在的计算资源,减少了任务数据的传输与处理时间,进而提高了决策的时效性。因此,如何针对网络边缘侧通信与计算资源的随机特性,充分利用泛在系统资源,研究通信及计算资源的联合调度策略,实现高时效的任务生成及处理,是值得研究的问题。本文针对新型实时类应用对信息时效性的需求,研究了移动边缘计算系统中通信及计算资源的联合调度策略,以保障任务计算结果的时效性。首先,针对终端设备中多应用程序的计算需求,以及通信资源的时空动态变化的特性,研究了基于时效性的任务调度及卸载策略。进一步,考虑到通信资源及边缘基站侧计算资源的双重随机性研究了时效性最优的任务生成策略。本文主要贡献如下:（1）针对实时类应用对信息时效性的需求,以及通信资源动态变化的特征,在终端能耗限制下,以信息时效性最优化为目标,设计了多任务调度及卸载策略。仿真结果表明,本文所提出的基于时效性的任务处理策略相较于基于延迟的任务处理策略可更好的保障计算结果的时效性。同时,本文所提出的策略在最小化任务完成时延方面也具有很强竞争力。（2）进而,考虑到基站侧计算资源的动态性,针对通信及计算资源的双重随机性,以及不同类型业务对时效性敏感的差异性,基于信息年龄的概念,提出基于任务类型的差异化信息时效性评估函数。以该函数为优化目标,通过将通信及计算过程抽象为M/M/1:M/M/1串行队列,基于排队论及概率论,将多样化业务场景下的时效性最优任务生成频率推导为基于业务时间敏感函数,通信及计算服务速率的闭式解。