1.一种基于多用户和分类任务的MEC任务卸载系统，其特征在于：其包括本地端、边缘端和云端；

本地端：包括多个用户即多台移动设备，每台移动设备上均配备有本地调度器、本地处理器、本地发送端口和本地接收端口，分别用来实现任务在本地端的决策、处理、发送和接收；

边缘端：包括MEC调度器、MEC服务器和MEC发送机，分别用于处理MEC系统中的所有移动设备的任务请求在边缘端的决策、处理和发送；所述MEC服务器由多台物理机构成，根据任务处理速率的不同，物理机被分为n个等级，等级越高对任务的处理速率越快；

云端：包括云服务器和云发送机，分别用来实现任务在云端的处理和发送；任务处理完毕后，将立刻由所述云发送机任务处理结果发送回本地端；

所述本地端、边缘端和云端之间借助基站通过无线网络相连，进行数据传输，实现任务在本地端与边缘端、边缘端与云端之间的转发。

2.根据权利要求1所述的基于多用户和分类任务的MEC任务卸载系统，其特征在于：所述本地调度器根据任务的卸载策略参数决策该任务是在本地端处理还是在边缘端处理；

当任务被传输至边缘端后，所述边缘端MEC调度器根据任务的卸载策略参数决策该任务是在边缘端处理还是在云端处理；

所述卸载策略参数是一个由单位时间内MEC系统中各类任务在本地端执行的概率和在边缘端执行的概率构成的集合。

3.根据权利要求2所述的基于多用户和分类任务的MEC任务卸载系统，其特征在于：所述本地调度器根据任务卸载策略参数中该类任务在本地端执行的概率决策该任务是在本地端处理还是在边缘端处理；

当任务被传输至边缘端后，所述边缘端MEC调度器根据任务卸载策略参数中该类任务在边缘端执行概率决策该任务是在边缘端处理还是在云端处理。

4.根据权利要求1‑3之一所述的基于多用户和分类任务的MEC任务卸载系统，其特征在于：所述本地处理器、本地发送端口和本地接收端口各自具有一个缓存空间，分别用来存储等待处理、发送或接收的任务；只有当本地处理器或本地发送端口或本地接收端口空闲时，等待在其缓存区的第一个任务才会进入并接受相应的操作。

5.根据权利要求1‑4之一所述的基于多用户和分类任务的MEC任务卸载系统，其特征在于：所述边缘端处在同一等级的物理机具备相同的任务处理速率，处在不同等级的物理机有着不同的任务处理速率；

所述物理机配备了缓存空间，处在同一等级的物理机共享一个缓存空间；当处在同一等级的物理机全部处于工作状态时，分配给该等级物理机的任务将被送至缓存空间，一直等待到处在该任务前面的所有任务处理完毕，该任务才会接受处理；

所述边缘端MEC发送机也配备有缓存空间，用来存储等待发送回本地端的边缘端已处理完的任务。

6.一种基于多用户和分类任务的MEC任务卸载优化方法，其特征在于：该方法为：S1：任务在本地端生成后，MEC系统根据任务处理需求的不同，将该任务分类；并根据当前系统中的任务量制定单位时间内的卸载策略参数x；

所述卸载策略参数x是由单位时间内MEC系统中各类任务在本地端执行的概率pi和在边缘端执行的概率qi构成的集合，x＝(p1,p2,...,pn,q1,q2,...,qn)；

S2：任务在本地端生成后，首先被送往该用户本地调度器，本地调度器根据卸载策略参数中该类任务在本地端执行概率pi决定该任务是否需要卸载处理？S3：如果该类任务在本地端执行概率pi＞0.5，则本地端执行，不进行卸载处理，该任务被送到本地处理器进行处理，结束；

如果该类任务在本地端执行概率pi≤0.5，则该任务进行卸载处理，该任务被送往本地发送端口进行卸载，发送至边缘端；

S4：任务抵达边缘端后，边缘端MEC调度器根据该类任务在边缘端执行概率qi决定该任务是否需要进一步卸载处理；

S5：如果该类任务在边缘端执行概率qi＞0.5，则不进行卸载处理由边缘端执行，该任务被送到MEC服务器进行处理，处理后，由MEC发送机发送回本地端；

如果该类任务在边缘端执行概率qi≤0.5，则该任务进行卸载处理，该任务被传输至云端，由云端服务器处理，处理后由云发送机发送回本地端；

S6：发送回本地端的任务由本地接收端口接收，结束。

7.根据权利要求5所述的基于多用户和分类任务的MEC任务卸载优化方法，其特征在于：所述任务卸载策略参数x的制定方法为：S1.1：根据系统中当前用户数目M以及任务到达率λ，求解第i(i＝1,2,...,n)类任务的平均处理时延 所对应的移动设备的能耗水平 和所对应的运营商的平均收益 等性能指标；

其中，pi为第i类任务在本地端执行的概率，tlp为任务的本地处理时延， 为第i类任务的上行时延， 为第i类任务的下行时延；

其中，pi为第i类任务在本地端执行的概率，ψlp为本地处理器功耗，ψop为本地发送端口功耗，ψrp为本地接收端口功耗；

其中，pi为第i类任务在本地端执行的概率，qi为第i类任务在边缘端执行的概率，1‑qi为第i类任务在云端执行的概率， 为运营商为第i类任务提供边缘卸载服务的单位收益，为运营商为第i类任务提供云卸载服务的单位收益；

S1.2：运用加权平均法，结合第i(i＝1,2,...,n)类任务所占比重αi，求解系统中随机一个任务的平均处理时延Tmec、移动设备的能耗水平ψmec和运营商的平均收益Cmec；

S1.3：综合S1.2中的各性能指标，构建基于单个任务的系统成本函数F(x)；对系统进行稳态分析，得出任务卸载策略参数x所需满足的约束条件gk(x)；

F(x)＝f1Tmec+f2ψmec+f3Cmecs.t.gk(x)≤0,k＝1,2,...,l.

其中，x＝(p1,p2,...,pn,q1,q2,...,qn)是一个由任务分配概率构成的组合，f1(0≤f1≤

1)、f2(0≤f2≤1)和f3(0≤f3≤1)分别为任务的平均处理时延、移动设备的能耗水平以及运营商的平均收益所对应的权重系数，并且f1+f2+f3＝1；

S1.4：结合系统成本函数和约束条件，构造拉格朗日函数W(x,δk)其中，δk为拉格朗日乘子；

S1.5：根据KKT条件，建立卸载策略参数x所满足的方程组；

S1.6：求解S1.5中所得方程组，得出最优的卸载策略参数x。