1.一种面向车辆用户移动边缘计算的任务卸载方法，其特征在于该方法主要包括如下步骤：

第1、基本原理：

第1.1、场景模型；

第1.2、用户计算任务；

第1.3、本地执行任务；

第1.4、任务卸载到边缘服务器；

第2、用户任务卸载效用：

第3、算法描述：

第3.1、模拟退火机制相关内容；

第3.2、初始卸载策略；

第3.3、状态转换机制；

第3.4、基于模拟退火机制的边缘计算任务卸载算法。

2.如权利要求1所述的面向车辆用户移动边缘计算的任务卸载方法，其特征在于，步骤第1.1中场景设置在车辆密集的十字路口，在十字路口有多个路边设备RSU，并且都配置有MEC服务器，将其看作一个服务器群，周围的车辆(Vehicle)就是移动的用户，用户与服务器群中的任意一个进行通信并将任务资源卸载到服务器上，将用户以及服务器群进行如下表示：V＝(1，2，3，...，v)，M＝(1，2，3，...，m)，由于将RSU与MEC进行了一一对应，所以均可以用m∈M进行代替。

3.如权利要求1所述的面向车辆用户移动边缘计算的任务卸载方法，其特征在于，步骤第1.2中用户计算任务如下：将任务(Task)用T进行表示，假设任意一个用户v，在任一时刻，用户有一个需要进行执行的计算任务，为Tv，并且这个任务不能再分解为更小的子任务，每个任务对应有两个必要的参数，即需要进行处理任务的大小(Size)和工作负载，即执行该任务所需的计算大小(Cycles)，因此表示为Tv＝

4.如权利要求1所述的面向车辆用户移动边缘计算的任务卸载方法，其特征在于，步骤第1.3中本地执行任务如下：每个计算任务既在本地(Local)进行执行或卸载到边缘服务器上，虽然将任务卸载到边缘服务器会减轻本地计算的消耗，但是相应的，在上传相应任务的时候，会增加耗时以及部分上传的能量消耗，将所有车辆用户的类型进行统一化，用户在本地执行计算的能力是相同的，为lv[cycles/s]，dcv为工作负载，结合每个任务所需要的计算资源，得到，用户v如果在本地执行计算任务Tv，需要的时间如公式(1)所示：当用户在本地执行计算任务时，用户v执行计算的能耗功率为 所需时间为 得到计算任务在本地执行时的能耗为：

5.如权利要求1所述的面向车辆用户移动边缘计算的任务卸载方法，其特征在于，步骤第1.4中任务卸载到边缘服务器如下：如果将任务上传到服务器，会增加任务时间消耗，主要将时间分作传输时间以及在服务器上执行的时间，同时计算任务的执行也会产生能量的消耗；

用户v在通信范围内的任一服务器m的任一子频带进行数据的传输，表示为由于用户选择在本地或者服务器上执行计算任务，假设 时，表示用户在计算任务卸载到了边缘服务器上，因此得出约束条件：此外，在正交频分复用技术的使用中，存在有一定的噪声以及干扰，会对信号的接收产生影响，导致通信质量的降低，用信号与干扰加噪声比来表示，用H来表示范围内用户到服务器的信号增益矩阵，用 来表示用户的输出功率矩阵，用 表示选择将计算任务卸载到边缘服务器上的所有用户，因此计算出：将带宽B划分成N个相同的子频带，则每个大小为，W＝B/N[Hz]，结合香农公式，得到信息的传输速率为：

Cv，m＝Wlog2(1+sv，m)    (5)其中，sv，m为边缘服务器s上的所有子频带，即：通过公式(5)得知，信息的传输不仅止于信道的带宽有关，同时也受到了信噪比的影响，此外，结合之前得到的计算任务的大小，得到用户v传输任务的时间为：当一个服务接接收到用户通过子频带上传的任务后，会在边缘服务器端进行任务的执行工作，令单个服务器的计算执行能力为rm[cycles/s]，由于同一个服务器会同时处理多个任务，得出约束条件：

其中v是将计算任务卸载到边缘服务器上的用户，即分配给服务器m上的每个任务的计算执行能力之和不能超过服务器的总体计算能力，结合计算任务模型，得到任务在服务器端的执行时间为：

综上所述，当用户v选择将计算任务卸载到边缘服务器执行时，将消耗的总时间为：用户将任务卸载到边缘服务器上进行执行，用户的能耗主要是在任务传输期间产生的，得到用户v在传输时产生的能耗为：

6.如权利要求1所述的面向车辆用户移动边缘计算的任务卸载方法，其特征在于，步骤第2.1中在给定的环境当中，用户对于计算任务的体验主要来自于任务的执行完成时间以及执行期间产生的能耗，综合二者将目标优化函数，单个用户任务卸载效用为：Qv的值越高则表示卸载效用越好，其中，λ1以及λ2代表了用户对于在计算任务时间消耗和能量的偏向权值，且满足{λ1+λ2＝1|λ1∈[0，1]，λ2∈[0，1]}，在对于时耗的要求更好的情况下，可以加大λ1的取值，反之则加大λ2的取值；

另一方面，如果将过多的计算任务卸载到服务器上执行，会增大MEC服务器的压力，造成服务器上任务的阻塞，也会加大能耗，这种情况下，相比于在本地执行计算任务，用户任务卸载效用较低，当Qv≤0时，表示此时将任务卸载到MEC服务器上远不及在本地执行的效用高，所以不应该将计算任务卸载到MEC服务器去执行；

因此，基于移动边缘计算技术的任务卸载新方法就是通过优化每个用户选择的计算任务的执行决策，改善任务执行时间以及任务执行的能耗，得到满足条件的最大的用户卸载效用，即：

Qmax＝max(∑v∈VQv)    (13)结合之前的规定，得到如下的约束：(1)车辆用户在任务执行方式的选择上，考虑在本地执行或者是传输到边缘服务器上；

(2)同一个边缘服务器处理多个用户的计算任务；

(3)在范围内选择某个边缘服务器的任一子频带进行数据的传输；

(4)如果用户选择将计算任务卸载到某服务器，但是当前服务器因为负载过多导致用户卸载效用过低时，则不执行任务卸载；

对公式(13)进行扩展后，做出如下的公式：在均衡考虑卸载时耗和能耗的前提下，认为λ1＝λ2＝c＝0.5，因此公式(14)转化为：其中 为固定值，结合模拟退火算法，对用户卸载效用函数的最优解进行优化。

7.如权利要求1所述的面向车辆用户移动边缘计算的任务卸载方法，其特征在于，步骤第3.1中模拟退火算法是一种启发式的算法，同时也是一种贪心算法，不同的是，在搜索的过程中，由于引入了随机因素，因此在迭代更新可行解时，会在一定的概率去接受一个比当前值要差的元素，因此模拟退火算法跳出局部最优解，从而求得全局最优解；

初始温度T0，模拟退火算法开始的温度，将用户车辆的数量看作初始温度，即T0＝V。

降温系数α，根据文献，采用指数式的下降方式，因此有T(n+1)＝αT(n)，α为降温系数，取值为0.8‑0.99之间；

终止温度，如果在若干次迭代的情况下没有更新的状态，或者达到了设定的终止温度，则认为退火完成；

降温概率，假设当前状态为f(n)，在下一时刻状态变为f(n+1)，则系统由f(n)变为f(n+

1)的概率p为：

其中Δf＝f(n)‑f(n+1)；

在温度越高，即才开始优化的情况下，降温的概率会越大。

8.如权利要求1所述的面向车辆用户移动边缘计算的任务卸载方法，其特征在于，步骤第3.2所述采用初始卸载策略得到初始温度的方法如下：在满足卸载约束条件的情况下，根据公式(12)选择满足自身卸载效用最大的方式执行任务，以此来得到初始卸载策略，即初始温度。

9.如权利要求1所述的面向车辆用户移动边缘计算的任务卸载方法，其特征在于，步骤第3.3所述状态转换方法如下：状态转换就是在满足设定的约束的条件下，用户选择计算任务执行方式的集合，通过随机概率，改变用户的计算任务执行方式，即是否执行卸载以及选择卸载的子频带，来建立新的卸载策略。

10.如权利要求1所述的面向车辆用户移动边缘计算的任务卸载方法，其特征在于，步骤第3.4所述基于模拟退火机制的边缘计算任务卸载算法的执行步骤如下：步骤1：根据边缘服务器的通信范围，得到处于通信范围内的车辆用户数量，得到初始温度；

步骤2：根据公式(12)，结合用户卸载约束，通过算法1构建用户卸载的初始策略，并根据公式(15)计算出初始的系统卸载效用；

步骤3：若没有达到设定的终止温度，在规定的迭代次数范围内，通过算法2，获得新的卸载策略，再根据公式(15)计算出新的系统卸载效用；

步骤4：通过对比本次及上次系统卸载效用的值，如果大于上次系统卸载效用，则接受此次卸载策略，并更新函数的当前解，否则根据公式(16)得到降温概率p，并产生一个均匀分布的随机数，如果p大于随机数，则接受卸载策略，否则放弃此次卸载策略；

步骤5：根据降温系数，调整当前温度，重复执行步骤(2)‑(4)；

步骤6：当达到终止温度或者规定的迭代次数，终止退火，此时得到的用户卸载效用即是函数的最优解。