在基础网络设施遭到破坏时,边缘计算需要借助于无人机等载体的协助,组成“边缘服务系统”提供服务,卸载决策是边缘计算中的一个重要研究内容,本文针对用户终端的不同状态和边缘服务系统的不同状态,对多移动边缘设备和多静止终端、静止边缘设备和移动终端、多移动边缘设备和多移动终端共三种场景进行了问题分析,优化了边缘服务系统编队之间的任务分配、用户终端的卸载决策。本文的主要工作如下:（1）研究了多边缘服务系统和多静止终端的任务分配和卸载决策。针对边缘计算中的多对多任务分配问题,提出基于改进遗传算法的任务分配方法,对任务的时延和边缘服务系统的能耗进行建模,进行能耗最优的单目标问题和能耗、时延最优的多目标问题求解,有效提高了系统的工作效率并降低了任务时延。（2）研究了静止边缘服务基站和移动终端的迁移决策。针对多属性（网络带宽、计算能力等）服务迁移决策无法考虑移动终端的移动性问题,本文对多属性迁移决策进行改进,基于历史位置引入终端位置概率评估作为新增评价因子,建立卸载的能耗和时延模型,通过优劣解距离法挑选出最优备选基站,验证了优化后的算法在平均时延、传输消耗方面的优越性。（3）研究了多边缘服务系统和多移动终端的任务分配。针对终端移动和任务产生的随机性,本文设置任务队列,引入移动终端和边缘服务系统的行动一致性作为代价评估因子,并提出将行动一致性评估小于阈值的任务进行捆绑,针对系统动态性强的问题,设计了任务重分配,在对资源花费和任务收益进行建模后设计了单任务招标和多任务并行招标流程,有效实现了终端移动目标的任务分配,提高了系统工作效率和收益。（4）研究了边缘服务系统的路径规划。针对人工势场算法易陷入死区等问题和扇区曲率法无法界定障碍物边界问题,本文对扇区选择和人工势场算法进行融合;针对边缘服务系统之间躲避的路径较差问题,本文基于边缘服务系统的位置和速度方向进行场景划分和分析,并设计了每种场景下的具体路径规划改变细节,本算法有效的解决了路径规划陷入死区的问题,优化了动态避障和协同躲避的移动路线。