伴随着5G时代的到来,在线游戏、人脸识别等要求低时延的计算密集型任务相继出现,传统云计算无法为用户提供毫秒级任务卸载服务,因此移动边缘计算(Mobile Edge Computing,MEC)应运而生。MEC将云计算功能下沉到到网络边缘,有效降低了用户任务计算卸载延迟。虽然目前关于计算卸载研究工作众多,但也存在许多局限性。首先,现有的关于计算卸载的研究工作侧重于独立任务,而非依赖性任务,独立任务卸载策略无法解决真实场景下任务依赖性带来的挑战。其次,现有研究工作侧重于单用户任务卸载,忽视了多用户场景下任务竞争资源的问题。最后,现有工作多关注静态卸载场景,忽略了任务动态到达、计算资源可变等动态场景下的挑战。基于以上问题及挑战,本文在多用户场景下研究了依赖性任务在专用以及共享服务器上在线卸载策略,其目标是减小任务响应时间以及延迟时间。在专用边缘服务器上,计算资源是静态稳定的。本文针对任务动态到达问题提出了基于链表的依赖性任务在线滑动卸载及调度算法。该算法通过为任务节点分配非固定执行时间,解决了任务依赖关系约束导致的难调度的问题。此外,为了进一步优化算法调度解,本文提出了两个优化算法:自适应回溯算法以及延迟任务邻域搜索算法。其通过对延迟任务重调度、邻域搜索提升任务调度性能。在共享边缘服务器上,计算资源由于任务竞争导致处理速度动态变化。本文针对计算资源变化导致任务延迟问题提出了依赖性任务自适应卸载及调度算法。其通过对处理速度变慢的关键任务调整,解决了依赖性任务级联延迟问题。为了提升算法在任务激增情况下的鲁棒性,本文提出了自适应延迟优化准入控制算法。该算法根据延迟任务队列变化自适应均衡部分任务至云计算中心,有效降低边缘服务器负载。实验结果证明,相比传统任务卸载及调度算法,本文算法在专用以及共享服务器上对依赖性任务调度可有效降低任务延迟时间以及任务响应时间。