1.一种协作式边缘服务器部署和资源调度方法，其特征在于，包括以下步骤：根据访问延迟和边缘服务器的容量，建立协作式边缘服务器部署的成本和能耗优化模型；

获取成本和能耗优化模型的初始解，基站映射多个边缘服务器；根据容量和延迟约束调整已有映射，获取边缘服务器的第一次优化部署方案，部署方案所用参数包括；基站的任务到达率 边缘服务器处理任务的速率p,缓存队列长度len,边缘服务器连接的最大基max

站数量Rln，满载功耗P ，覆盖范围Rcover，基站与边缘服务器的距离d(Bm,Sn)；

采用基于改进失败者淘汰的烟花算法，调整部署的边缘服务器数量和映射关系，获得边缘服务器的第二次优化部署方案；部署方案所用参数包括：基站的任务到达率 边缘服务器处理任务的速率p,缓存队列长度len,边缘服务器连接的最大基站数量Rln，满载功耗max

P ，覆盖范围Rcover，基站与边缘服务器的距离d(Bm,Sn)；本文对烟花爆炸范围的计算方法进行了改进，爆炸范围的大小表示迭代优化中修改的边缘服务器数目，每次迭代优化会修改一部分已部署的边缘服务器，先删除这些服务器，然后根据时延和容量等要求继续部署来获取新解，原来的算法中的爆炸范围与前一次迭代中的爆炸范围有关，但由于算法多次迭代后，适应度值常常保持不变，导致爆炸范围不断缩小，最终变为0，陷入局部最优解，因此，本文将烟花的爆炸范围计算方法改进为只与该烟花所部署的边缘服务器数量有关，当本代中，烟花产生了适应度值优于自身的火花，爆炸范围将会缩小，计算方法为该烟花所部署的边缘服务器数目的一半乘以缩小系数；否则爆炸范围将会扩大，即该烟花所部署的边缘服务器数目的一半乘以放大系数；

根据边缘服务器部署结果，建立动态资源调度的预期响应时间最小化模型；

利用结合裸骨烟花算法和遗传算法的混合算法，动态调整边缘服务器与基站之间的映射。

2.根据权利要求1所述的一种协作式边缘服务器部署和资源调度方法，其特征在于，所述根据访问延迟和边缘服务器的容量，建立协作式边缘服务器部署的成本和能耗优化模型，具体包括；

基于基站数据集获取基站的位置，构建基站集合B＝{B1,B2,...,BM}和边缘服务器集合S＝{S1,S2,...,SN}(M≥N)，基站和边缘服务器的拓扑结构表示为无向图G＝(V，E)，V＝BUS表示基站和边缘服务器的集合，假设边缘服务器与基站位于同一位置，因此它总共有M个可能的部署位置；获取基站和边缘服务器的参数，包括基站的任务到达率 边缘服务器处max

理任务的速率p,缓存队列长度len,同时服务的最大基站数量Rln，满载功耗P ，覆盖范围Rcover，基站与边缘服务器的距离d(Bm,Sn)，基于这些参数构建成本和能耗最小化模型。

3.根据权利要求2所述的一种协作式边缘服务器部署和资源调度方法，其特征在于，所述部署成本和能耗模型具体包括；

边缘服务器的能耗由运行时能耗和空闲时能耗两部分组成，公式为：max max

P(u(t))＝KP +(1‑K)P *u(t)                 (2)其中Energy表示系统的整体能耗，P(u(t))表示t1时刻到t2时刻的系统功率，t1表示开max

始进行任务卸载的时刻，t2表示所有任务执行完成的时刻，n表示第n个边缘服务器，P 表示边缘服务器在满载状态下的功率，u(t)表示t1时刻到t2时刻的CPU利用率， 表示边缘服务器Sn的总任务到达率，p表示边缘服务器处理任务的速率，K表示边缘服务器的空闲状态占满载状态的百分比。边缘服务器的部署成本与部署的服务器数量呈正相关，因此边缘服务器的部署成本可以表示为：

其中，xm表示是否在Bm处部署边缘服务器，若xm被设置为1表示在部署Bm处部署边缘服务器，反之Bm被设置为0，采用z‑score标准化方法分别对能耗、成本进行规范化。

4.根据权利要求3所述的一种协作式边缘服务器部署和资源调度方法，其特征在于，所述获取成本和能耗优化模型的初始解，具体包括：首先建立映射关系，考虑若基站与边缘服务器处于同一位置，则只映射该边缘服务器，否则需映射两个边缘服务器；然后根据容量和延迟约束调整已有映射，并分配基站任务到达率到边缘服务器，获取第一次优化的初始部署方案。

5.根据权利要求4所述的一种协作式边缘服务器部署和资源调度方法，其特征在于，所述部署成本和能耗模型的约束条件具体包括；

映射约束：当某个基站与边缘服务器位于同一位置时，它只能映射到该边缘服务器，且该边缘服务器为基站的近端边缘服务器；否则，该基站需要连接一个近端边缘服务器和一个远端边缘服务器，公式为：

其中二进制变量 表示基站Bm是否连接近端边缘服务器Sn，值为1表示连接，为0表示不连接； 表示基站Bm是否连接远端边缘服务器Sn，值为1表示连接，为0表示不连接。

Bm表示第m个基站，B表示包含所有基站的集合，S表示包含所有边缘服务器的集合。

部署位置约束：无论基站如何映射，每个边缘服务器都与一个基站位于同一位置，让基站集合 映射到边缘服务器Sn∈Sε，则公式为：其中 表示一个基站集合，且这些基站都与边缘服务器位于同一位置，Sε表示一个边缘服务器集合，且这些边缘服务器都带有所部署的基站位置，Sn表示第n个边缘服务器。

延迟约束：每个边缘服务器有一个固定覆盖范围，当基站与边缘服务器的欧氏距离超过这个阈值时，基站的任务无法卸载到该边缘服务器上执行，设Rcover表示边缘服务器的覆盖范围，则公式为：

服务器连接基站的数量约束：每个边缘服务器连接的基站数量不能超过阈值，当映射到同一边缘服务器的基站数目过多时，会增大同一时刻到达边缘服务器的任务数，增大任务响应时间，则公式为：

其中Rln表示边缘服务器连接基站数量的上限值，当超过这个上限时将会大大降低边缘服务器的服务质量。

容量约束：每个边缘服务器上的任务到达率不能超过边缘服务器处理任务的速率，设表示边缘服务器Sj的总任务到达率，常量p表示边缘服务器的执行能力，则公式为：

6.根据权利要求5所述的一种协作式边缘服务器部署和资源调度方法，其特征在于，所述采用基于失败者淘汰的烟花算法，调整部署的边缘服务器数量和映射关系，获得边缘服务器的第二次优化部署方案，具体包括：(1)初始化各参数 其中， 为烟花的数量，为火花的总数，β为控制火花分布的参数，Ca为放大系数，Cr为缩小系数，γ为每次迭代中失败者的数量，τ为最大迭代次数；

(2)获取每个烟花的初始部署方案，烟花中包含边缘服务器数量、整体能耗、边缘服务器位置及映射方案四个数据，根据部署方案计算成本和能耗z‑score标准化后的值作为适应度值；

(3)根据公式 计算出每个烟花产生的火花数量。其中SNrank表示适应度值排名为rank的烟花产生的火花数， 表示所有烟花产生的火花总数， 表示烟花的数目，rank为该烟花的适应度值排名。同时计算出每个烟花的爆炸范围，即每个烟花产生火花时需要修改的边缘服务器数量，公式为：g

其中，Am 为第g代烟花中边缘服务器数目的一半， 表示第g代烟花的爆炸范围，fg

(X)为第g代烟花的适应度值；

(4)根据爆炸幅度随机删除部分已部署的边缘服务器，然后按照映射、延迟和容量要求再重新部署一些服务器，以满足基站需求；

(5)更新烟花并重新初始化被淘汰的烟花，达到最大迭代次数则算法结束，否则迭代次数加1，执行(3)。

7.根据权利要求6所述的一种协作式边缘服务器部署和资源调度方法，其特征在于，所述根据边缘服务器部署结果，建立动态资源调度的预期响应时间最小化模型，具体包括：获取基站和边缘服务器的参数，包括基站的前一次参与计算的任务到达率 当前的任务到达率 边缘服务器的计算能力p,缓存队列长度len,同时服务的最大基站数量max

Rln，满载功耗P ，覆盖范围Rcover，基站与边缘服务器的距离d(Bm,Sn)，基于这些参数构建预期响应时间最小化模型。

8.根据权利要求7所述的一种协作式边缘服务器部署和资源调度方法，其特征在于，所述结合裸骨烟花算法和遗传算法的混合算法具体包括：(1)初始化各参数 其中， 为火花的总数，Rmut为发生变异的概率，τ′为最大迭代次数；

(2)定时监测是否有基站的任务到达率波动，若没有则保持原有映射不变，否则需要利用结合裸骨烟花算法和遗传算法的混合算法调整映射；

avg avg

(3)计算每个边缘服务器预期任务到达率λ ，当边缘服务器分配的资源超过λ 时，它将不会在分配资源给任何基站，其中， 为运行时基站的总任务到达率；

(4)获取初始映射方案，随机选择未分配基站映射到边缘服务器，映射时优先考虑剩余avg

容量较多的边缘服务器，分配完成后考虑是否有边缘服务器的总任务到达率超过λ ；直到分配完所有的基站；初始映射方案执行 次，其中最优方案作为烟花，其余的为火花；

(5)对每个火花执行交叉变异过程；对于火花中每个基站的映射方案，若发生变异操作，则删除该映射方案；否则发生交叉操作，该基站有一半概率选择烟花中对应基站的映射方案，另一半概率保持映射方案不变；

(6)查找并重映射违反映射和容量约束的基站；

(7)更新烟花，达到最大迭代次数则算法结束，否则迭代次数加1，执行5。

9.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求1‑8任一项所述的协作式边缘服务器部署和资源调度方法。

10.一种基于权利要求1‑8任一项所述方法的调度系统，其特征在于，包括：成本和能耗优化模型建立模块：用于根据访问延迟和边缘服务器的容量，建立协作式边缘服务器部署的成本和能耗优化模型；

第一次优化模块：用于获取成本和能耗优化模型的初始解，基站映射多个边缘服务器；

根据容量和延迟约束调整已有映射，获取边缘服务器的第一次优化部署方案；部署方案所用参数包括；基站的任务到达率 边缘服务器处理任务的速率p,缓存队列长度len,边缘max

服务器连接的最大基站数量Rln，满载功耗P ，覆盖范围Rcover，基站与边缘服务器的距离d(Bm,Sn)。

第二次优化模块：采用基于改进失败者淘汰的烟花算法，调整部署的边缘服务器数量和映射关系，获得边缘服务器的第二次优化部署方案。部署方案所用参数包括；基站的任务到达率 边缘服务器处理任务的速率p,缓存队列长度len,边缘服务器连接的最大基站max

数量Rln，满载功耗P ，覆盖范围Rcover，基站与边缘服务器的距离d(Bm,Sn)。本文对烟花爆炸范围的计算方法进行了改进，爆炸范围的大小表示迭代优化中修改的边缘服务器数目，原来的算法中的爆炸范围与前一次迭代中的爆炸范围有关，但由于算法多次迭代后，适应度值常常保持不变，导致爆炸范围不断缩小，最终变为0，陷入局部最优解，因此，本文将烟花的爆炸范围计算方法改进为只与该烟花所部署的边缘服务器数量有关，当本代中，烟花产生了适应度值优于自身的火花，爆炸范围将会缩小，计算方法为该烟花所部署的边缘服务器数目的一半乘以缩小系数；否则爆炸范围将会扩大，即该烟花所部署的边缘服务器数目的一半乘以放大系数。

动态调整模块：根据边缘服务器的部署结果，建立动态资源调度的预期响应时间最小化模型；利用结合裸骨烟花算法和遗传算法的混合算法，动态调整边缘服务器与基站之间的映射。