1.一种能源有效和资源受限的移动边缘计算任务分配方法，根据不同的任务分配方案在规定执行延迟的情况下对边缘云的能源和处理器资源的影响，建立基于能耗和处理器资源浪费的联合优化模型，进而在保证规定执行延迟的情况下最小化任务分配的总能耗和处理器资源浪费，然后，将该联合优化模型映射为生物地理学算法的生态系统模型，并根据相应的优化目标和优化条件，获得最优任务分配方案，其具体步骤是：步骤一、根据边缘服务器的能耗与其上的CPU利用率呈线性的关系，把边缘服务器的能耗模型定义为CPU利用率的函数；

步骤二、在现有模型的基础上进行扩展来量化边缘服务器所有维度的资源浪费情况，并在不同维度上均衡第j个边缘服务器的剩余资源，获得处理器资源浪费模型；

步骤三、在满足资源需求和规定执行延迟的前提下同时最小化总体能耗和总体处理器资源浪费，获得优化阶段的联合优化目标函数；

步骤四、通过映射模型把联合优化问题映射为生物地理学算法的生态系统模型，并根据联合优化目标和资源与延迟约束，对BBO算法的参数和算子进行定义；

步骤五、对种群大小，迭代数，最大物种数，最大迁入率，最大变异率，精英数量进行初始化；其次，对一组随机的栖息地集合进行初始化和排序，每个栖息地对应一个给定问题的潜在解决方案；

步骤六、根据迁移算子、变异算子、移除算子和精英算子对精英栖息地进行迁移排序，获得最优任务分配方案；

BBO算法指代生物地理学算法(biogeography‑based optimization，BBO)；

现有模型指代“保持每个维度中平衡剩余资源模型”。

2.根据权利要求1所述的能源有效和资源受限的移动边缘计算任务分配方法，其特征是：所述步骤一中，CPU利用率的函数，如公式(1)所示：其中，M为边缘云中的运行有待分配任务的虚拟机或容器总数；第j个边缘服务器是HP ProLiant G4或HP ProLiant G5； 和 分别表示第j个边缘服务器被充分利用和空闲时所消耗的功率； 表示第j个边缘服务器中所有运行在边缘服务器上的虚拟机或容器的总CPU利用率；二进制变量yj表示第j个边缘服务器是否被启动，启动时值为1，反之则为0。

3.根据权利要求1所述的能源有效和资源受限的移动边缘计算任务分配方法，其特征是：所述步骤二中，第j个边缘服务器拥有的CPU、内存或带宽的利用率可以被估算为放置在该边缘服务器上的所有虚拟机或容器消耗的总资源数量；并对每个边缘服务器的CPU、内存和带宽利用率设置一个90％的上限；则，处理器资源浪费模型为其中，Wj表示第j个边缘服务器的资源浪费或闲置资源；α或β表示CPU、内存和带宽三种资源类型； 和 分别表示第i个虚拟机或容器上资源α和β的需求； 和 分别表示在第j个边缘服务器中资源α和β的使用率阈值；V是资源维度的数量，其被设置为3；二进制变量bij表示第i个虚拟机或容器是否被分配到第j个边缘服务器上。

4.根据权利要求1所述的能源有效和资源受限的移动边缘计算任务分配方法，其特征是：所述步骤三中，M个加载有任务的虚拟机或容器被分配到N个边缘服务器上，每个虚拟机或容器的资源需求都不会超过所在边缘服务器的剩余资源；同时，虚拟机或容器的资源需求和边缘服务器的资源容量都由多维向量表示，而且每个维度都表示虚拟机或容器所请求的特定资源类型的数量。

5.根据权利要求1所述的能源有效和资源受限的移动边缘计算任务分配方法，其特征是：所述步骤三中，联合优化目标函数为:Minimize:

其中，θ是可调权重因子0＜θ＜1； 和 分别表示第i个虚拟机或容器的最大CPU、带宽和内存需求； 和 分别表示第j个边缘服务器的闲置CPU、带宽和内存容量；公式(4)到(6)表示边缘服务器所具有的闲置资源必须多于虚拟机或容器需求资源之和；公式(7)表示一个虚拟机或容器只能放置到一个边缘服务器上；公式(8)表示虚拟机或容器处理完第t个物联网应用所需要的执行延迟；C表示处理第t个物联网应用所需要的虚拟机或容器的个数；bwq和dataq分别表示处理第t个物联网应用的第q个虚拟机或容器的带宽和发送数据量；xt,q表示第t个物联网应用的第q个任务所在的虚拟机或容器是否为发送端，如果是则xt,q＝1，否则xt,q＝0；公式(9)表示虚拟机或容器处理完L个物联网应用所需要的总执行延迟时间需要小于预定的执行延迟门槛T，Latencyt表示处理第t个物联网应用所需要的执行延迟；E0和W0分别表示所有任务分配方案的最小能耗和资源浪费；Emax和Wmax分别表示所有任务分配方案的最大能耗和资源浪费；

ffitness表示联合优化目标函数；N表示移动边缘计算环境中M个加载有任务的虚拟机或容器所在边缘服务器的数量；xij表示是否将第i个虚拟机或容器分配到第j个边缘服务器之上，如果是则xij＝1，否则xij＝0。

6.根据权利要求1所述的能源有效和资源受限的移动边缘计算任务分配方法，其特征是：所述步骤四中，算子包括迁移算子、变异算子、移除算子和精英算子，对BBO算法的参数和算子定义如下:

迁移算子用 符号表示，它是一个概率算子，根据表示物种数量s(即物种数量)的迁移率λs和迁出率μs来调整栖息地，如公式(10)所示；式(11)表示种群从栖息地Xk向栖息地Xj的迁移操作：

*

式中，S表示一个栖息地中的最大物种数；I和E分别表示最大迁入率和最大迁出率；Xj和Xk分别表示种群中的第j个和第k个栖息地；λj和μk分别表示第j个栖息地和第k个栖息地的迁入率和迁出率；Xj,τ表示栖息地Xj的第τ个SIV；Xk,ρ表示栖息地Xk的第ρSIV；R1和R2表示(0,1)中的一次性随机数；SIV表示适宜性指数变量，这些诸如温度、降雨等适宜性指数变量(Suitability  Index Variables,SIVs)决定了栖息的地适宜性指数(Habitat Suitability Index，HSI)；

变异算子用U(·)符号表示，它是基于栖息地存在的变异概率ms来随机修改栖息地的SIV的概率算子；公式(14)表示了在栖息地中的第τ个SIV的变异操作；

式中，Ps为栖息地X中确切包含s个物种的概率，如式(12)所示；ms表示栖息地X的变异概* *

率，其与物种数s成反比，如公式(13)所示；P 和m分别表示概率Ps和变异概率ms的最大值；

表示新的SIV；R3表示(0,1)中的一次性随机数；

移除算子用 符号表示，其识别每个栖息地的超载边缘服务器，并在满足有限的资源容量和一定的执行延迟(即 )的情况下用其它边缘服务器替换它们；式(15)表示移除算子通过调整上述约束条件下的栖息地X生成新的栖息地精英算子用 符号表示，其确保最佳的e个栖息地能够代代相传；公式(16)表示将每一代开始时刻的e个最佳栖息地的保存到一个集合{XP‑e+1,...,XP}中，然后在满足有限的资源容量和一定的执行延迟(即 )的情况下用这个集合替换掉下一代结束时的新集合 的最坏e个栖息地