1.一种面向位置隐私保护的任务卸载方法，其特征在于，包括以下步骤：S1，生成虚拟位置，以当前设备位置l(x,y)为圆心，以r1,r2为半径形成一个圆环虚拟位置空间S，以虚拟位置选择概率p选择一个虚拟位置l1'(x1',y2')，并在以圆心为对称的另一边选取另一个虚拟位置l2'(x1',y2')，p为0到1的实数，r1、r2均为大于0的实数且r1＜r2；

S2，构建服务器选择矩阵，设备获得M个附近的服务器位置，根据设备真实位置计算出设备与M个服务器之间的真实距离，根据距离对每一个服务器评定隐私级别，根据距离和带宽计算传输代价，形成服务器选择矩阵Tc，其中元素Tc(i)表示第i个服务器与设备的隐私级别和传输代价，M为正整数，且i为不大于M的正整数；

S3，选择发送卸载请求的服务器，根据步骤S2得到的服务器选择矩阵，计算出在有效保护位置信息的同时能够付出较低的传输代价的服务器，根据服务器选择概率pch选择最优的服务器发送任务卸载请求；

S4，计算任务矩阵，首先对当前队列中等候任务卸载设备根据距离分配带宽，然后计算传输延迟、发送延迟、本地计算时间、本地计算能耗、边缘计算时间、边缘计算能耗，将这些参数构成N行的任务矩阵Tt，其中元素Tt(i)代表第i个任务的相关属性，N为正整数，且i为不大于N的正整数；

S5，使用强化学习建模，将任务的决策参数作为输入，得到任务卸载结果。

2.根据权利要求1所述一种面向位置隐私保护的任务卸载方法，其特征在于：步骤S1所述虚拟位置选择概率p根据虚拟空间的位置点与真实位置之间的距离初始化，且由近到远在距离上符合正态分布；

2

μ为位置参数，σ为尺度参数；表示p服从期望为μ，方差为σ的概率分布。

3.根据权利要求1所述一种面向位置隐私保护的任务卸载方法，其特征在于：步骤S2所述构建服务器选择矩阵的具体步骤包括：(1)根据经纬度距离公式计算出设备与服务器之间的真实距离；

(2)根据隐私判定公式对每个服务器判定隐私保护级别；

(3)根据距离和带宽估计传输代价。

4.根据权利要求1所述一种面向位置隐私保护的任务卸载方法，其特征在于：步骤S3所述选择发送卸载请求的服务器，具体包括：(1)使用线性规划选择出隐私泄露风险低且传输代价小的一组服务器；

(2)利用用户当前速度和位移方向计算服务器选择概率；

(3)将步骤(1)选出来的服务器根据服务器选择概率选出在约定时间内最适合提交任务卸载请求的服务器。

5.根据权利要求4所述一种面向位置隐私保护的任务卸载方法，其特征在于：所述步骤(1)具体包括，首先对整数线性规划问题的整数约束条件进行松弛操作，然后对求解结果进行过滤操作，最后比较各个候选解，保留性能较优的服务器，舍去其余部分。

6.根据权利要求1所述一种面向位置隐私保护的任务卸载方法，其特征在于：步骤S4所述任务矩阵具体计算包括：

(1)根据设备与服务器之间的距离来分配带宽；

(2)根据带宽和距离计算计算任务传输延迟；

(3)根据设备发送功率和任务大小计算发送延迟；

(4)根据设备的计算能力和任务所需的计算力计算任务本地计算时间；

(5)根据设备功率和本地计算时间计算本地计算能耗；

(6)根据边缘计算资源和任务所需计算力计算边缘计算时间；

(7)根据边缘计算功耗和计算时间计算边缘计算能耗。

7.根据权利要求1所述一种面向位置隐私保护的任务卸载方法，其特征在于：所述步骤S5中卸载任务的选择，具体过程如下：(1)先将等待卸载决策的任务进行预先修剪处理；

(2)以服务器的计算力和资源量作为服务器状态；

(3)将每个任务的容忍时间和所需计算力作为输入，由神经网络输出卸载策略；

(4)更新服务器状态。

8.根据权利要求7所述一种面向位置隐私保护的任务卸载方法，其特征在于：步骤(1)所述修剪处理包括，将已经超出容忍时间的任务选择本地执行，然后计算出当前已有的资源和计算力状态下，在容忍时间之内不能够成功返回结果的任务选择本地执行。

9.根据权利要求7所述一种面向位置隐私保护的任务卸载方法，其特征在于：步骤(3)所述神经网络输出卸载策略是，根据任务容忍时间进行优先级排序，将节省能耗和时间较多且受益较大的任务卸载到边缘节点上处理。