随着第五代移动通信技术的飞速发展,新型多媒体服务和自动驾驶等人工智能应用将成为移动用户的热门选择。不同用户在网络延迟、吞吐量、可靠性等方面的要求不同,基于服务质量和体验质量,其中有些应用程序对网络延迟和可靠性的要求是弹性的,而有些应用则有严格的要求。考虑到如此多样化的服务质量和体验质量要求,在密集用户场景,如何给用户提供较好的用户体验正面临着前所未有的挑战。一个根本的问题是如何解决计算密集型应用与资源受限的移动设备之间的冲突。值得注意的是许多计算密集型任务所要求的计算量都很大,而且需要很高的能耗。然而,由于受到物理尺寸的限制,这些轻量级移动设备的计算资源和电池寿命总是有限的。为了解决这个问题,移动边缘计算卸载提供了一个可行的解决方案。本文第一部分工作是考虑密集场景下（如临时性群众活动、体育场馆比赛、大型购物中心等）的任务卸载问题,为满足密集分布用户的服务质量和体验质量,建立了车辆和无人机协助下的多接入边缘计算卸载模型。车辆、无人机和路边单元作为边缘节点,将不同的计算任务按需卸载到不同类型的边缘节点进行处理。设计了基于分布式匹配-贪婪算法的终端用户任务卸载方案以最小化系统功耗,并研究了用户数量和延迟容忍对卸载方案的影响。仿真结果表明本文所设计的算法在满足延迟约束的条件下降低了系统功耗,提高了中心用户的体验质量。本文的第二部分工作是在第一部分的基础上对边缘节点的计算资源和频谱资源进行了联合优化。首先,设计凸优化算法为每个用户分配最优的计算资源。其次,基于时延敏感度、用户满意度和资源块质量,引入频谱资源算法。仿真结果表明所设计算法通过有效的分配传输资源和计算资源,实现了最小的系统开销。