1.一种任务延迟和可靠性约束下的工作负载分配方法，其特征在于，在多小区多MEC服务器场景情况下，包括如下步骤：

1)构建系统模型：每个小区都有一个MEC服务器与该小区的基站相连，其中高负载主小区内的MEC服务器称为主MEC服务器，其余低负载从小区的MEC服务器称为从MEC服务器，MEC服务器集合表示为 其中M＝0表示主MEC服务器，只对主小区内移动设备的任务进行分配，从小区的MEC服务器只作为一个辅助计算和保证任务可靠性的服务器，主小区与从小区之间通过有线链路连接，主小区下共有I个移动设备，移动设备集合表示为 移动设备i会产生多种IoT类型的任务，系统中共有K类IoT服务类型，服务类型集合表示为 表示移动设备i请求的服务类型集合 每一个MEC服务器均能提供所有的IoT服务类型，将同一个移动设备产生的同一类任务定义为一个任务流，将任务流集合表示为 其中 表示移动设备i产生的类型k任务，移动设备和MEC服务器都能通过基站与SDN控制器进行信令传递，在每一个时隙，SDN控制器负责收集MEC服务器计算负载，并任务分配至哪一个MEC服务器，完成系统模型构建；

2)构建可靠性模型：可靠性模型包括信道的传输可靠性，MEC服务器的计算可靠性，以及信道传输可靠性与MEC服务器计算可靠性构成的系统整体可靠性，每一类任务k都有其可靠性要求Rk；

2.1)构建信道传输可靠性模型：无线信道集合定义为 其中信道j的可靠

性为ηj，ηj＜Rk, 为了使信道的传输可靠性满足任意一个任务流 的可靠性，需将任务流 复制成多份，每一份由不同的信道进行传输，此时任务流 达到的可靠性需满足约束：其中，

完成信道传输可靠性模型构建；

2.2)构建MEC服务器计算可靠性模型：MEC服务器m的可靠性为θm，其中θm＜Rk,其可靠性大小由MEC服务器平均维修故障的时间和故障平均间隔时间所决定，为了使MEC服务器的计算可靠性满足任务流 的可靠性要求，需将任务流 复制成多份，并将每一份分配到不同的MEC服务器执行，任务流 达到的可靠性 需满足约束：其中，

完成MEC服务器计算可靠性模型构建；

2.3)构建系统整体可靠性模型：系统整体可靠性由信道传输可靠性与MEC服务器计算可靠性两部分组成，系统整体的可靠性需满足任务的可靠性要求，系统整体可靠性Ri,k需满足约束：完成系统整体可靠性模型构建；

3)构建传输模型：任务流 从移动设备传输至目标MEC服务器m的时延包括两部分，分别为移动设备i到主MEC服务器的无线传输时延，以及主MEC服务器到目标MEC服务器m的网络传输时延；

3.1)构建无线传输模型：对于类型k的任务，其每一个任务的数据量大小遵循平均值为bk的指数分布，任务流 到达信道j服从泊松分布，其平均到达率为 任务流 通过信道j传输至主MEC服务器的传输速率 是预先定义好的，在无线信道j中，每一个任务的传输时间 服从指数分布，因此无线信道j形成了一个M/M/1排队模型，任务流 通过信道j传输至主MEC服务器的无线传输时延为：由步骤2.1)可知，为了使信道传输可靠性满足任务流 的可靠性要求，需要将任务流复制成多份，每一份由不同的信道传输，任务流 传输至主MEC服务器的无线传输时延用公式表示为：为了保证无线传输队列的稳定性，信道队列的服务速率需大于任务的到达率，即：

完成无线传输模型构建；

3.2)构建网络传输模型：任务流 从主MEC服务器传输到目标MEC服务器m的网络传输时延表示为 完成网络传输模型构建；

4)构建计算模型：对于提供类型k服务的虚拟机，任务流 到达该虚拟机服从泊松分布，其平均到达率为 在虚拟机处理队列中，每一个类型k任务的计算量大小为wk，其计算时间 服从指数分布， 表示MEC服务器m分配给提供k服务类型的虚拟机的计算资源大小，故每一个虚拟机形成一个M/M/1排队模型来处理相对应的任务， 在虚拟机上的平均完成时延表示为：其中，

为了保持队列的稳定性，虚拟机的服务率应大于任务的到达率，即：

为了使MEC服务器计算可靠性满足任务流 的可靠性要求，需要将任务流 复制成多份，每一份由不同的MEC服务器计算，将任务的总平均计算时延表示为：任务流 总平均完成时延表示为：

完成计算模型构建；

5)问题公式化：最小化所有任务的平均完成时延， 表示满足类型k任务可靠性的信道与MEC服务器组合的候选集合，所有任务流选择的信道与MEC服务器组合用向量表示为其中 表示任务流 由 中第t个元素执行，否则最小化所有任务的平均完成时延公式化为：

C1表示任意一台移动设备的任一类型任务只能由一个信道与MEC服务器组合来对其进行服务，C2表示类型k任务需要在容忍时延约束下完成；

6)问题求解：将问题分解为两个子问题，分别为信道与MEC服务器组合选择的子问题，以及工作负载分配子问题，第一个子问题是解决如何为任务选择出满足该任务可靠性要求的信道与MEC服务器组合，第二个子问题是解决在任务可靠性要求和时延容忍的条件下，如何进行工作负载的分配，从而最小化所有任务的平均完成时延；

6.1)信道与MEC服务器组合选择：考虑到不同的信道具有不同的可靠性，将满足类型k任务可靠性要求的信道组合加入C'k集合中，并将C'k作为类型k任务的初始信道候选集合，表示服务类型k的初始信道候选集合，该集合中有三种信道组合能满足类型k任务的可靠性，分别为j1,j2,j3的信道组合，j2,j3的信道组合，以及j4,j5+ +信道组合，为了避免信道组合的数量过多，每一个信道组合中信道的数量在2和J之间，J的取值大小基于以下场景，即所有的信道具有最低的可靠性ηmin，MEC服务器的计算可靠性刚好满足可靠性要求最高的任务，为了使系统可靠性满足可靠性要求最高的任务，其所需要+的最少信道数量为J ，考虑到不同的MEC服务器具有不同的可靠性，将满足类型k任务可靠性要求的MEC服务器组合加入G'k集合中，并将G'k作为类型k任务的初始MEC服务器候选集+合，为了避免MEC服务器组合的数量过多，每一个MEC组合中MEC服务器的数量在2和M之间，+M的取值大小基于以下场景，即所有的MEC服务器具有最低的可靠性θmin，信道可靠性满足可靠性要求最高的任务，为了使系统可靠性满足可靠性要求最高的任务，其所需要的最少+MEC服务器数量为M ，采用 表示类型k任务的信道与MEC服务器组合的潜在候选集合，其中“×”表示笛卡尔积， 表示 中第t个元素，每一个元素均为信道与MEC服务器组合， 表示类型k的任务由信道j2,j3共同卸载，m1,m2服务器共同计算类型k任务，为所有信道与MEC服务器组合的初始候选集合 中的元素赋予权值权值函数中等式右边第一项表示该元素对应的信道与MEC服务器组合构成的工作负载的总体可靠性与该类型任务可靠性的差值，权值函数表示使用较少的资源来刚好满足类型k任务的可靠性，若某一元素权值的第一项为负值，则表示该元素对应的信道与MEC服务器组合构成的系统可靠性不满足任务的可靠性，并将该元素从 中删除，将 中剩余的元素按照权值从小到大排序，选取 中的前x个元素作为类型k任务的最终信道与MEC服务器组合的候选集合，该集合记为

6.2)CRPWA方法描述：采用CRPWA方法来解决任务的分配问题，CRPWA方法由化学优化方法和粒子群优化方法组成；

6.2.1)问题编码：一个粒子代表任务分配问题的一个可行解，假设每一台移动设备只有一种类型的任务，因此粒子的一种结构中xl,r表示第l个粒子的第r维的值，该值为移动设备中一个任务流的分配策略，xl,r∈[1,x]；R表示总任务流个数，

6.2.2)适应度函数：评价任务分配策略优劣的指标是最小化所有移动设备任务的时延之和，每一个粒子都有其适应度，适应度越小，表明该粒子的位置越好，即该任务分配策略越优，适应度函数表示为：

6.2.3)初始化种群：在初始化种群中，引入种群的多样性来决定是否接收新的粒子，以保证粒子在解空间中分布均匀，种群的多样性定义为：其中，L表示种群中粒子的个数，length表示解空间中最大的对角长度， 表示所有粒子第r维的平均值，θ表示种群多样性的阈值，随机产生一个新的粒子，若种群的多样性大于阈值，则该粒子加入种群中，否则将该粒子丢弃，并重新生成一个新的粒子，种群初始化的伪代码如方法1所示：

6.2.4)CRPWA方法整体流程：在CRPWA方法中，首先根据方法1得到初始化的种群，然后，通过CRO和PSO相互迭代来优化初始解，CRPWA方法直到收敛或达到最大迭代次数T，种群中的每一个粒子在CRO方法中经历T1次优化迭代后，将CRO方法优化后输出的粒子作为PSO方法的输入粒子，并初始化PSO中粒子的速度，PSO方法经历T2次优化迭代后，再将PSO输出的粒子作为CRO的输入粒子进行优化，CRPWA方法的伪代码如方法2所示：

6.2.5)化学反应优化方法：化学反应优化方法包含单分子分解，单分子碰撞容器壁，分子间碰撞，以及分子合成四个过程，一个分子对应着一个粒子，每一个分子代表着任务分配策略问题的一个解，其中每一个原子代表对应任务流的分配策略，一个分子的结构中hi,k表示任务流 从集合 中选择的信道与MEC服务器候选组合，hi,k∈{1,2,...,x}，hi,k＝1表示任务流 从集合 中选择第一个元素；

在单分子分解中，分子L1与容器壁发生碰撞后产生分解，其碰撞点为point，分子L1分解为两个新的分子L2与L3，新的分子既保留了原分子的一部分结构，也产生了新的结构，这使得搜索过程能跳出局部最优解；

在单分子碰撞容器壁过程中，其碰撞点为point，L1分子碰撞后产生一个新的分子，该分子只有一个位置的值发生改变；

在分子碰撞过程中，两分子L1和L2发生碰撞后，碰撞点的位置point交换原子的值；

在分子合成过程中，随机生成一个合成点point，合成的新分子继承了原分子L1第一个原子的值至合成点point的原子值，以及原分子L2中point+1的原子值至最后一个原子的值；

分子自身最佳适应值的位置 其对应的适应度值为 全局

历史最佳适应值的位置 其对应的适应度值为

6.2.6)粒子群优化方法：每一个粒子都代表问题的一个解，种群第l个粒子由会记录以下几个信息：当前位置 其中 粒子自身最佳适应值的位置

其对应的适应度值为 全局历史最佳适应值的位置

其对应的适应度值为

粒子的速度 速度更新公式表示为：

其中，w称为惯性因子，w>0，当w较大时，PSO方法的全局搜索能力强，这会使得PSO方法错过最优位置，当w较小时，PSO方法的局部搜索能力很强，因此，PSO方法在开始时应取较大的惯性因子，这使得粒子聚集起来，PSO方法的后期，惯性因子取较小值，能增强PSO方法的局部搜索能力，惯性因子更新公式为：w＝wmax‑(wmax‑wmin)*t/T2，  (16)

c1和c2称为加速常数，c1称为粒子的个体学子因子，c2表示粒子的社会学习因子，r1和r2表示随机数，r1,r2∈[0,1]，位置更新公式为：其中round()表示对数值进行四舍五入运算；

完成求解。