移动边缘计算(MEC, Mobile Edge Computing)作为一种新兴的计算范式,具有增强设备终端计算能力,大幅减少时延和能耗,在保证用户服务体验的同时延长电池使用寿命等特性。超密集组网(UDN, Ultra-Dense Networks)被视为5G无线通信的关键技术,可在提供低延迟计算的通信服务前提下,减少系统计算成本,提高网络吞吐量。针对超密集网络中的移动边缘计算场景,考虑网络基础设施的超密集部署导致的信道干扰,联合优化资源分配和任务卸载问题,最小化包含时延和能耗的任务计算成本。由于决策变量的复杂耦合,将原始问题拆分为资源分配和任务卸载子问题,提出一种结合凸函数和自适应粒子群(CF-APSO, Convex Function Adaptive Particle Swarm Optimization)的优化算法求解问题,并通过实验仿真验证所提算法的有效性。仿真结果表明,与其他已有方法相比,在微基站密集部署环境中CF-APSO算法可以大幅降低时延和能耗,有效提升系统性能。