1.一种基于综合信任评价的边缘计算协同盟员发现方法，其特征在于，假设某时刻边缘计算系统中有n个节点m条边，形成的网络拓扑形式化描述为G(V,E)，E为网络的邻接矩阵，若节点i与节点j相连，则eij＝1，否则eij＝0，V＝{1,2,3,...,n}表示所有服务器节点集合，假设节点加入网络后自主广播其算力、存储资源信息，主节点在信息生存周期内通过自动冲洗缓存资源相关信息，保存在本地数据库并不断进行更新；具体包括如下步骤：

1)通过节点连接度建模节点间服务概率，根据节点平均服务时长分析网络拓扑结构稳定度，构建节点间可协同连通概率模型；以节点间交互次数、交互成功率特征评价节点直接信任度，利用邻居推荐信任，采用改进均方差过滤作弊节点，融合直接、间接信任度构建时效节点综合信任度量化模型；

2)利用节点算力、存储、带宽、综合信任度评价节点综合性能，依据协同盟员发现策略选择满足需求的协同服务节点，构建可信协同服务盟员集；

3)利用节点自私、理性的行为特性，以节点信任、可用服务资源构建节点收益效用模型，通过演化重复博弈，验证所发现的协同服务集具有纳什均衡稳态，构建可信协同服务簇；

4)设计改进的贪心算法优化聚合分簇，构建虚拟协同服务池，协同执行计算任务，以负载均衡能力、丢包率、延迟、任务完成率为指标衡量构建的协同盟员簇的性能，验证发现协同服务盟员策略效率；

步骤4)，具体包括如下步骤：

4‑1)构建盟员节点j的优先级函数gj表达式为：

其中， 为节点j的综合能力，Rtt(i,j)为盟主节点i到盟员节点j的网络延迟；

4‑2)根据盟主节点的负载和平均连通概率构建盟主节点的负载均衡函数f(i)表达式为：其中，Qi为盟主节点的负载阈值，ξ接受节点i任务请求并发控制系数，ΔQi为负载自适应动态调节增量；

4‑3)根据盟主节点负载均衡性与盟员节点优先级构建评价盟主节点i所构成的簇的适应性函数η(i)表达式为：通过改进的贪心算法求解，优化聚合分簇；

所述的改进的贪心算法，具体步骤描述如下：

4‑3‑1)设预期簇数量为k，以综合性能评价最优的前k个节点为初始聚合中心；

4‑3‑2)对于每个聚类中心，按公式(15)、公式(16)计算邻接节点的优先级和负载增量，按公式(16)计算f(i)，若f(i)＞0条件下，贪心获取归入同一协同服务簇；若没有更多的节点加入，则在协同服务簇中选择优先级最高的节点成为新的聚合中心重复4‑3‑2)，否则停止加入；

4‑3‑3)若系统仍存在未加入协同服务簇的节点，则根据贪心原则，选择 最优的节点成为新的聚合中心，重复4‑3‑2)，直至所有节点都加入协同服务簇；

4‑3‑4)记当前解X＝{S1,S2,...,Sk}，按公式(18)统适应值η(X)；

4‑3‑5)令t＝0，t＜tmax，执行：

随机选择系统中的一个节点，将该节点所有邻接节点退出当前协同服务簇，重复4‑3‑

2)形成新的协同服务簇；重新计算当前解X′＝{S1′,S2′,...,Sk′}，计算系统适应值η(X′)；

若η(X′)＞η(X)，则记录X′＝{S1′,S2′,...,Sk′}为最优解；否则t++；

4‑3‑6)根据最优解构建边缘计算协同服务簇，映射协同服务资源，初始化协同服务池；

4‑4)构簇完成形成的资源池X＝{S1,S2,…,Sk|j∈Si,j＝1,2,...,n}，为保障协同服务质量，根据资源池的性能动态聚合最优资源，构建资源池性能的评价函数η(X)表达式为：其中，Si为盟主节点i构成的服务簇，k为构建的簇的数量；

5)协同服务完成，对此次协同服务质量做出评价，在局部网络中更新推送协同服务节点信任信息；周期更新协同服务节点特征数据库。

2.根据权利要求1所述的一种基于综合信任评价的边缘计算协同盟员发现方法，其特征在于，所述步骤1)，具体包括如下步骤：

1‑1)任意节点k到达节点i的概率p(i)的公式为：其中，ζ(i)为节点i的连接度，N(i)为节点i的邻居节点构成的集合，j为节点i的邻居节点；

online

在任意时段t内节点i的稳定度概率pi 的公式为：

其中，T表示一个观察周期，tk,out、tk,in分别表示在观测期T内节点下、上线时刻；

1‑2)由公式(1)、(2)构建边缘网络任意节点k到达盟主节点i可协同的连通概率P(i)：

1‑3)节点j对节点i的直接信任度Ti：

(t)

其中，Ti,j 表示t时段节点j对节点i的直接信任度，sij表示t时段节点j为节点i服务成功的次数，fij表示节点j为节点服务i失败的次数，f(εi)为惩罚函数，k1表示与节点i有直接信任的节点个数；

1‑4)根据不同的推荐情形及推荐者行为可信度，构建节点i的推荐信任度ri：其中，ri,j表示节点j对节点i的推荐度，Ti,m表示节点i与推荐节点m的直接信任度，Tm,j表示节点m与推荐节点j的直接信任度，k2为推荐者的个数；

1‑5)通过计算推荐信任度的均方根判别是否是协同作弊的恶意节点，若均方根 小于其下界θ，则认为该节点是恶意节点，以小概率p接收该次推荐，否则以概率1‑p接收，并对推荐信任度公式(5)的ri进行修正，修正后的推荐信任度Ri为：放弃本次推荐

其中， 表示均方根，P(i)任意节点k到达盟主节点i可协同的连通概率；

1‑6)节点i的动态信任值表示如下：

ωl为个观察周期Tl对应的权重：

其中，μ为时间衰减系数，t0为初始时刻。

3.根据权利要求1所述的一种基于综合信任评价的边缘计算协同盟员发现方法，其特征在于，所述步骤2)，具体包括如下步骤：

2‑1)假设各个属性之间相互独立，每个节点特征向量表示为Xi＝(ci,si,Trustnew(i))，节点的综合性能 表达式为：* *

其中，ci、si、Trust(i)分别表示归一化处理后的计算能力、共享存储、λ为权重因子；

2‑2)当节点综合评价 大于或者等于阈值ψ，节点加入可信协同服务集合；当节点综合评价 低于阈值ψ，不参与可信协同服务集构建，但仍保留其在网络中，保持网络的动态稳定性。

4.根据权利要求1所述的一种基于综合信任评价的边缘计算协同盟员发现方法，其特征在于，所述步骤3)，具体包括如下步骤：

3‑1)假设任一博弈中，i表示节点自身，‑i指不包含节点i的其他相邻的博弈节点，在一个阶段末尾时获得的收益为Bs，在这一阶段消耗的资源为Cs，因此，节点在每一时间槽tn的效用函数 表达式为：则在观察期T内节点的效用函数Ui表达式为：

其中，μ1为节点收益在每个时段的折扣比率；

3‑2)假设节点以协作策略开始博弈，在以后的博弈阶段，节点i都模仿其对手‑i上一阶段的行为；设第1阶段，所有节点协作都维持概率为1，这样协作一直维持下去；第2阶段，节点i因其属性特征和稳定度改变自身策略，即协作概率改变为 则其对手‑i在第3阶段的协作概率改为 节点i在第3阶段模仿对手在第2阶段的协作概率，即 经过重复博弈，最终产生节点的协作概率序列为：

其中，节点在时间槽tn改变自身策略的协作概率ρ与节点自身的属性和稳定度有关，综合评价越高，改变后的协作概率就越大，表达式如下；

3‑3)将(12)式代入(11)式得到节点i最终的收益表达式为：只有Ui≥0节点才会采取该策略，所以，当 节点取该策略达到纳什均衡稳态，构建可信协同服务簇。