随着物联网（Internet of Things,IoT）等新兴技术的发展,大量的设备接入到网络中,海量数据的安全有效处理成为亟需解决的问题。云计算往往部署在距离终端用户较远的网络中心,难以满足物联网应用对移动性支持、地理分布、位置感知和低时延的需求。为了弥补云计算的不足,提出了新型的边缘计算模式。边缘计算将云计算扩展到了网络的边缘,可以缩短数据传输的距离,有效降低任务处理时延。然而,边缘节点通常是异构的,且计算能力相对较弱。如何充分利用边缘节点的资源,合理的进行数据存储、任务分配、资源调度,即如何实现边缘计算中的负载均衡已成为国内外学者研究的热点问题之一。本文基于边缘计算框架研究了边缘计算中的负载均衡问题,具体研究内容如下。（1）边缘计算中的节能负载均衡任务分配算法设计。本文针对边缘计算中全局信息的掌握问题,提出了一种基于中介节点的边缘计算网络架构模型。面向任务完成时间以及能量消耗问题,设计了一种节能的负载均衡任务分配算法。该算法引入松弛变量将约束问题转化为无约束问题,采用广义拉格朗日乘子法进行求解。最后,通过实验验证了算法的有效性和正确性。实验结果表明,该算法可以通过对权值的合理调节,权衡用户对任务完成时间和系统能量消耗的需求,在减小任务完成时间的同时可以有效的降低边缘节点的能量消耗,延长边缘计算系统的寿命。（2）基于改进遗传算法的负载均衡任务调度算法设计。本文针对众多不可再分的任务,提出了一种基于改进自适应遗传算法的边缘计算负载均衡算法（Improve Adaptive Genetic Algorithm Load Balancing,IAGALB）。与传统的轮盘赌选择方式不同,本文算法通过对适应度函数值排序的方式,选取适应度值较低的染色体进入下一代。在交叉和变异操作中改进了自适应交叉概率和变异概率,可以有效的维护种群的稳定性,保留优良个体和基因。实验结果表明,本文算法具有更好的收敛性和稳定性,有效减少任务的完成时间,得到较好的任务调度方案。