1.一种基于移动边缘计算的计算卸载方法，其特征在于，包括步骤：S1.建立系统模型，得到用户任务的本地计算时延和计算卸载时延；

S2.根据得到的本地计算时延和计算卸载时延计算任务的平均时延，并根据计算得到的平均时延建立计算卸载、带宽及计算资源分配的联合优化模型；

S3.建立基于所述联合优化模型的原优化问题模型；

S4.采用联合计算卸载、带宽及计算资源分配的优化算法来求解原优化问题模型中的原优化问题；

步骤S3中的原优化问题包括计算卸载决策问题、无线带宽和计算资源的联合分配问题；

计算卸载决策问题为：

根据计算卸载决策优化问题，得到用户的最终卸载决策为：loc*

D ＝{M1,M2，L，MK}                   (7)其中，

loc*

其中，D 表示计算卸载策略；

无线带宽和计算资源的联合分配问题为：根据无线带宽和计算资源的联合分配优化问题，得到最终无线带宽和计算资源的联合分配策略分别为：其中

*

其中，αk表示无线带宽的联合分配策略； 表示计算资源的联合分配策略；

步骤S4具体包括：

S41.预先选择一组无线带宽α和移动边缘计算MEC服务器的计算资源F，根据公式(8)得loc到任务的计算卸载D ；并设置最大迭代次数为tmax；

S42.判断迭代索引值t是否小于最大迭代次数tmax；若否，则执行步骤S46；若是，则执行步骤S43；

loc

S43.根据得到的任务计算卸载策略D ，并根据公式(12)、公式(13)，求得无线带宽策* *略α和移动边缘计算MEC服务器的计算资源策略F；

* * loc*

S44.将求得的α和F带入公式(8)中，得到计算卸载策略D ；

S45.更新迭代索引值t，并执行步骤S42；

loc* *

S46.输出计算卸载策略D 、无线带宽策略α、移动边缘计算MEC服务器的计算资源策*略F。

2.根据权利要求1所述的一种基于移动边缘计算的计算卸载方法，其特征在于，步骤S1中用户任务的本地计算时延为：其中， 表示用户uk用于计算的任务大小，单位为bit，所有用户的卸载决策表示为集合 Ck表示完成每一个bit所需的CPU周期数； 表示用户uk的本地计算能力。

3.根据权利要求2所述的一种基于移动边缘计算的计算卸载方法，其特征在于，步骤S1中用户的计算卸载时延为：其中，Dk表示用户uk用于本地计算的任务大小，单位为bit；

表示用户uk的任务上传速率；Pk表示用户uk的发射功率；hk表示用户uk与基站之间的信道增益；n0表示加性高斯白噪声的功率；集合α＝{α1,α2,L,αK}表示系统带宽分配策略，αk∈[0,1]表示系统带宽的归一化比例系数； 表示任务完成后的下载速率；PM表示基站的发射功率；βk表示计算任务的输出与输入比率；移动边缘计算MEC服务器计算资源的分配策略表示为集合表示移动边缘计算MEC服务器分配给用户uk的计算速率。

4.根据权利要求3所述的一种基于移动边缘计算的计算卸载方法，其特征在于，步骤S2具体为同时执行本地计算任务和计算卸载任务，用户uk完成任务所需的时间为：其中，tk表示完成任务所需的时间。

5.根据权利要求4所述的一种基于移动边缘计算的计算卸载方法，其特征在于，步骤S2中建立计算卸载、带宽及计算资源分配的联合优化模型为：其中， 表示系统资源分配的非负性；

表示系统总带宽的容量约束； 表示移动边缘计算MEC服务器计算资源的容量约束，其中，FMEC表示边缘服务器每秒钟提供的最大CPU周期数；

表示任务的本地计算部分不得大于原任务大小。