Con el rápido desarrollo del internet de las cosas, hay cada vez más dispositivos finales, como dispositivos portátiles, vehículos no tripulados y automóviles inteligentes, conectados a internet. Estos dispositivos tienden a requerir grandes cantidades de recursos de computación con estrictos requisitos de latencia, lo que inevitablemente aumenta la carga en los nodos de servidores de borde. Por lo tanto, para aliviar el problema de que la capacidad de computación de los nodos de servidores de borde es limitada y no puede satisfacer los requisitos de servicio de computación de un gran número de dispositivos finales en el escenario del internet de las cosas, combinamos las características de los ricos recursos de computación de los servidores en la nube y la baja latencia de los servidores de borde para construir una arquitectura híbrida de descarga de tareas de computación en colaboración entre la nube, el borde y el final. Luego, estudiamos la descarga basada en esta arquitectura para tareas complejas dependientes generadas en dispositivos finales. Introducimos un factor de decisión de descarga bidimensional para modelar la latencia y el consumo de energía, y formalizamos el modelo como un problema de optimización multiobjetivo con el objetivo de optimización de minimizar la latencia promedio y el consumo de energía promedio de la descarga de computación de la tarea. Con base en esto, proponemos un algoritmo de descarga multiobjetivo (SPMOO) basado en un algoritmo evolutivo de Pareto de fuerza mejorada (SPEA2) para resolver el problema. Una gran cantidad de resultados experimentales muestran que el algoritmo propuesto en este documento tiene un buen rendimiento.