1.一种基于MEC的任务卸载和资源分配方案，其特征在于，包括以下步骤：步骤101：制定卸载决定和资源分配的联合优化问题；

步骤102：采用坐标下降法来优化卸载决定；

步骤103：采用改进的匈牙利算法和贪婪算法来对用户进行子信道分配；

步骤104：将能耗最小化问题转化为功率最小化问题，并将其转化为一个凸优化问题得到用户最优的发送功率。

2.根据权利要求1所述的方法，其特征还在于，所述步骤101制定卸载决定和资源分配的联合优化问题包括：定义an∈{0,1}为用户的卸载决策，0代表用户选择本地执行，1代表用户选择卸载到MEC执行；因此，我们用A＝{a1,...,aN}表示所有用户的卸载决定，在任务卸载的过程中每个用户设备将会对本地计算的花费进行评估，然后上报给MEC；同时，MEC也会评估每个用户设备卸载时的花费，然后，MEC通过比较本地和卸载的花费，做出相应的卸载决定，卸载决定表示为：这里用Nc表示卸载的用户数目，用Nc表示卸载的用户集合，则本地计算的用户的数目为N-Nc， 表示用户n选择本地计算的能耗， 表示用户n选择卸载计算，考虑到用户的时延需求和有限的电池电量，本发明将通过优化卸载决定A和子信道分配矩阵C以及功率分配矩阵P来最小化用户的总能耗，给出了本发明需要优化的目标函数：其中， 和 分别表示本地和卸载计算时用户n的时延， 表示用户n所能接受的最大时延， 表示信道分配情况， 表示第k个子信道被分配给了第n个用户， 则表示没有分配第k个子信道， 表示第n个用户在第k个子信道上的发送功率，Pmax表示用户的最大发送功率，C1表示计算任务时用户所能容忍的最大时延要求，C2表示的是用户的发送功率不能大于它的最大发送功率，C3表示每个子信道上的发送功率是非负的，C4表示的是信道的分配状态，C5表示卸载决定是一个二进制变量。

3.根据权利要求1所述的方法，其特征还在于，所述步骤102采用坐标下降法来优化卸载决定包括：用A＝[a1,a2,...,aN]表示所有用户的卸载决定，给定初始卸载决定A0为全1矩阵，Al-1表示在第l-1(l＝1,2,...)次迭代时的卸载决定，相应的用V(al-1)表示在给定卸载决定为Al-1时目标函数的最优值，定义 为第l次迭代时改变当前的卸载决定后所获得的收益，则其中，Al-1(n)表示用户n改变当前决定后的卸载决定，更新规则如下：其中，表示模二加方法，坐标下降法每一次沿一个变量an的方向连续优化，从而找到目标函数的局部最小值，所以通过有限次迭代，算法可以达到收敛，从而得到一个最优的卸载决定。

4.根据权利要求1所述的方法，其特征还在于，所述步骤103采用改进的匈牙利算法和贪婪算法来对用户进行子信道分配包括：对于子信道分配问题，可以等效为Nc个用户与K个子信道的匹配问题，首先采用改进的匈牙利算法进行一次信道匹配，然后采用贪婪算法在满足最低速率需求下继续为用户分配足够的子信道，算法步骤如下：

1)构建第一次迭代所需的效益矩阵

2)若用户数大于子信道数，即Nc＞K，则添加Nc-K个虚拟子信道，将效益矩阵变为Nc×Nc方阵，若用户数小于子信道数目，即Nc＜K，则添加K-Nc个用户，将效益矩阵变为K×K的方阵；

3)采用匈牙利算法进行最大权重匹配得到一次信道分配；

4)根据分配的子信道结果更新子信道分配矩阵 和干扰矩阵

5)查看每个用户是否满足最低速率需求，若满足则算法终止；若不满足，更新需要继续分配子信道的用户为Nc'；

6)检查信道分配矩阵 对Nc'中的每一个用户采用贪婪算法从剩余子信道中选择产生干扰最小的子信道分配给该用户；

7)重复步骤4)-6)，直到所有的用户都满足最低速率需求或 则算法终止。

5.根据权利要求1所述的方法，其特征还在于，所述步骤104将能耗最小化问题转化为功率最小化问题，并将其转化为一个凸优化问题得到用户最优的发送功率包括：在得到卸载决定和信道分配的情况下，原始的优化目标仍然是一个非凸的优化问题，考虑到目标函数的约束条件C1是最大时延约束，因此，能耗的最小化问题可以转化为时延约束下的最小功率消耗问题，因此我们将原始问题转化为：由于上述优化问题仍然是一个非凸的优化问题，下面我们通过变量替换，令 则得到：因此紧接着我们将上述优化问题转化为：

对于上述转化后的凸优化问题，最优的功率分配结果可以使用内点法进行求解。