La computación en el borde móvil ubicua (MEC) utilizando el internet de las cosas (IoT) es una tecnología prometedora para proporcionar servicios de baja latencia y alto rendimiento a los usuarios finales. La asignación de recursos y la optimización de la calidad del servicio (QoS) son desafíos críticos en los sistemas MEC debido al gran número de dispositivos y aplicaciones involucrados. Esto resulta en una mala latencia con un rendimiento mínimo y un consumo de energía, así como una alta tasa de retraso. Por lo tanto, este documento propone un enfoque novedoso para la asignación de recursos y la optimización de QoS en MEC utilizando IoT al combinar el algoritmo de bosque aleatorio de núcleo híbrido (HKRF) y el algoritmo de máquina de soporte en conjunto (ESVM) con la optimización de cazador-presa basada en cruce (CHPO). El algoritmo HKRF utiliza árboles de decisión y funciones de núcleo para capturar las relaciones complejas entre las características de entrada y las etiquetas de salida. El algoritmo ESVM combina múltiples clasificadores SVM para mejorar la precisión y robustez de la clasificación. El algoritmo CHPO es un algoritmo de optimización metaheurística que imita el comportamiento de caza de depredadores y presas en la naturaleza. El enfoque propuesto tiene como objetivo optimizar los parámetros de los algoritmos HKRF y ESVM y asignar recursos a diferentes aplicaciones que se ejecutan en la red MEC para mejorar las métricas de QoS, como la latencia, el rendimiento y la eficiencia energética. Los resultados experimentales muestran que el enfoque propuesto supera a otros algoritmos en términos de métricas de QoS y eficiencia en la asignación de recursos. El rendimiento y el consumo de energía alcanzados por nuestro enfoque propuesto son de 595 mbit/s y 9.4 mJ, respectivamente.