随着物联网产业的逐渐成熟和5G技术的问世,海量数据从日常生活的各个领域涌现,作为当前主要计算范式的云计算已经逐渐无法负担急剧增长的数据流量。边缘计算技术的出现为解决日益增长的海量数据带来了希望。作为一种分布式计算架构,边缘计算通过将服务器部署在用户端来提供计算能力,从而可以减少骨干网络拥塞,降低计算响应延迟。然而,城市人口密度分布不均,不同区域人口数量差别较大,导致城市基站工作负载极度不平衡,用户实时性要求难以满足。本文聚焦于边缘计算场景下的服务器放置和任务卸载策略研究,致力于在资源有限的情况实现满足城市计算需求的服务器部署,并在此基础上进行合理的任务卸载,以平衡不同区域之间流量差异,缓解服务器资源压力,同时提升用户服务质量。本文的具体工作如下:（1）针对服务器放置问题提出了一种基于改进亲和传播聚类（Affinity Propagation,AP）的自适应服务器放置算法。该算法通过自适应方式确定服务器部署个数,并在此基础上确定最佳的放置策略。首先对服务器放置问题进行定义并构建了系统模型;然后对AP聚类算法优化,通过衡量基站密度和负载确定基站初始偏向值,进行自适应聚类确定服务器的放置个数;最后使用NSGA-II算法进行多目标优化求解并通过效用值评估选取最优的边缘服务器放置策略。使用真实数据集进行了实验验证,仿真结果表明本算法可以保证基站平均访问时延在40ms以内,同时服务器负载均衡相比常见的放置算法平均降低了8%。（2）针对任务卸载问题提出了一种基于优先级的两阶段任务卸载算法。该算法旨在考虑任务优先级的前提下实现最优的全局卸载策略,并且考虑了运营商收益。首先基于5G构建网络模型,并对任务完成时间、负载均衡和服务器收益进行建模,提出了任务卸载的多目标优化问题。在第一阶段,使用KNN分类算法衡量用户任务的多方面属性初始化优先级,然后使用MOEA/D算法获取候选决策集合;在第二阶段,通过生成综合支配矩阵筛选候选决策集的最优解。对比实验证明了本算法可以有效降低任务完成时间和负载均衡,当服务器计算资源不足时,本算法相比于常见的卸载算法可以多获得8%的服务收益,同时任务失败率降低了7%。