1.一种面向物联网的雾计算任务卸载方法，其特征在于：该方法根据所提供网络场景的特性，联合优化IoT设备任务卸载决策、传输资源和计算资源分配、雾设备FN与IoT设备的双向匹配以最小化系统总开销，包括以下步骤：S1：基于层次分析法的QoS分析方案；

S2：任务卸载决策方案；

S3：传输资源和计算资源分配方案；

S4：FN与IoT设备双向匹配方案。

2.根据权利要求1所述的一种面向物联网的雾计算任务卸载方法，其特征在于：在步骤S1中，建立一个网络卸载模型；

考虑到5G小蜂窝网络由下一代核心网NGC和无线接入网RAN组成；

RAN侧由密集部署的FNR＝{1，2，3，...，r，...，R}和IoT设备U＝{1，2，3，...，u，...，U}构成；每个FN有一定的可用RB数量，用N＝{1，2，3，…，N}表示；卸载到FN r∈R的IoT设备集合表示为Ur＝{1，2，3，…，Ur}；IoT设备的QoS参数由M＝{1，2，...，M}表示；卸载决策应满足IoT设备的吞吐量和时延需求，并相应的考虑IoT设备的能耗敏感度和时延敏感度；将IoT设备的QoS需求作为决策因素，基于3GPP标准的典型数据流的QoS参数值，评估决策因素之间的相对重要性，得到局部权重 评估每个IoT设备的局部权重和最小QoS需求，得到FN r的全局权重 其中w1，w2，w3...分别表示FN r

对于IoT设备u1，u2，u3...的偏好权重值。

3.根据权利要求1所述的一种面向物联网的雾计算任务卸载方法，其特征在于：在所述步骤S2中，卸载决策xu是二元变量，若IoT设备本地计算开销大于卸载计算开销，则xu＝1，否则为0；即IoT设备卸载计算开销小于本地计算开销，IoT设备卸载到FN进行计算，否则，IoT设备选择本地计算。

4.根据权利要求3所述的一种面向物联网的雾计算任务卸载方法，其特征在于：在所述步骤S2中，IoT设备的本地计算开销包括时间开销和能量开销；

时间开销表示为完成任务所需的CPU周期数与IoT设备本地的计算能力的比值，本地能量开销表示为完成任务所需的CPU周期数与每周期能量消耗的乘积；

IoT设备的卸载计算开销包括时间开销和能量开销；将每个FN接收多个IoT设备的任务请求建模为M/M/1排队系统，时间开销为传输时延、排队时延和计算时延的累加和；卸载能量开销为任务从IoT设备到FN的传输能量，表示为发射功率与任务传输时间的乘积。

5.根据权利要求1所述的一种面向物联网的雾计算任务卸载方法，其特征在于：在所述步骤S3中，每个选择卸载到FN的IoT设备要占用一定的RB数量，假设连接到FN r的A个IoT设备有任务卸载需求，FN r将计算资源平均的分配给各个IoT设备，为保证任务卸载到FN的时间开销不超过本地计算时间开销，得到IoT设备ur所需的最小RB个数 为了使卸载到FN的IoT设备的计算时延最小化，优化目标是最小化所有选择卸载的IoT设备在FN的总计算时间。

6.根据权利要求1所述的一种面向物联网的雾计算任务卸载方法，其特征在于：在所述步骤S4中，考虑到IoT设备和FN的个人偏好，在两组U和R之间找到一个稳定的匹配；根据全局权重 集合中的元素，若IoT u的权值w大于IoT u′的权重值w′，则FN r更偏好于IoT设备u；若连接到FN r的IoT设备的系统开销 小于FN r′的系统开销 则IoT设备u更偏好于选择FN r进行卸载；

在匹配过程中，FN与IoT设备之间是一对多动态匹配，即FN r在RB受限的情况下，能够匹配多个IoT设备，直到不满足IoT设备的最小QoS需求。