1.一种降低物联网计算卸载能耗的方法，其特征在于，所述方法包括如下步骤：步骤1：网络中的任意一设备有任务需要执行时，就选择最近的基站BS发送一个任务请求，该请求包括计算任务的到达速率λi，每个计算任务的大小bi，所需的CPU周期数ci和最大容忍时延Ti，BS收集任务请求，定期发送给软件定义网络SDN控制器；

步骤2：建立联合网络排队模型，多个设备的部分计算任务经过无线网络卸载到边缘云进行计算，故网络可以看作一个由多个M/M/1排队模型并联的通信模块，然后再与一个M/M/k排队模型串联的边缘云模块组成的联合排队模型；

步骤3：计算设备通信模块的队长，计算通信模块的服务速率，即数据的传输速率，根据香浓公式求得： 其中B表示信道带宽， 表示设备i的发送功率，hi表示设备i和BS之间的信道增益，根据通信模块的服务速率μi，求得当piλi＜μi通信模块稳态时，设备i稳态时通信模块的队长为： pi表示设备i的卸载概率；

步骤4：计算求得边缘云的队长， 其中

k表示边缘运行服务器的数量；

步骤5：计算求得联合网络排队模型的队长L＝∑mLi+Le；

步骤6：根据Little公式计算得到计算任务在这个联合网络排队模型中停留的平均时间步骤7：本地计算模块也服从M/M/1排队模型，任务的到达速率(1-pi)λi，服务速率为计算设备本地计算模块的队长为步骤8：根据Little公式，求得到计算任务在设备i本地计算模块停留的平均时间步骤9：计算设备端产生的能耗，本地计算产生的能耗 通讯模块传输数据产生的能耗 其中设 表示本地处理每个CPU周期消耗的能量的功率系数，表示传输功率；

步骤10：计算边缘服务器产生的能耗，边缘云端的能耗Ee包含服务器的基础能耗以及执行计算任务产生的能耗 其中 表示边缘云处理每个CPU周期消耗的能量的功率系数， 表示每个服务器的基础能耗；

步骤11：结合步骤6、8、9、10，建立如下关于设备任务卸载概率pi和边缘服务器数量k的数学模型：P：

s.t.Wl≤Ti     ①

W≤Ti    ②

piλi≤μi  ③

1≤k≤s  ⑤

α，β表示权重因子，α+β＝1，反映设备能耗和边缘云能耗的相对重要性，约束①和约束②表示时延约束；

步骤12：设计遗传算法适应度函数，根据步骤11中的目标问题定义目标函数：定义适应度函数：

步骤13：对步骤11中问题的解进行编码，所述解为，设备任务卸载概率pi和边缘服务器数量k，k是一个整型变量，pi∈[0，1]是一个连续变量，分别用二进制编码和实数编码将k和pi编码在一条染色体上；

步骤14：染色体交叉变异，染色体交叉只发生在两个染色体对应的表示k和pi的染色体片段之间，染色体变异通过随机反转一个二进制位实现；

步骤15：循环迭代求得pi和k，根据初始种群，判断是否满足约束条件，对满足约束条件的个体计算相应的适应度函数值；根据个体的适应度值选择优良个体，通过步骤14进行交叉变异产生下一次迭代的子代，直到迭代次数达到要求，求得最佳pi和k；

步骤16：SDN控制器将求得的pi和k结果通过BS传递给设备，实现最佳资源调度。