1.一种云和边缘环境中基于飞蛾扑火优化算法的移动服务选择方法，其特征在于，包括：构建移动用户、边缘服务器、云服务器、无线连接和互联网组成的云和边缘环境，一台所述云服务器与多台边缘服务器互联；

检索并输入网络中带有QoS属性的服务数据集到云和边缘环境；

将服务随机分布在云服务器和边缘服务器；

移动用户在当前位置通过物联网设备发出请求并上传至云服务器或边缘服务器；

根据上传的任务初始化飞蛾和火焰种群，并计算初始飞蛾和火焰种群中最优飞蛾的位置，其中，每一个飞蛾和火焰的位置代表每个任务所选择的候选服务对应的一种解决方案；

对最优飞蛾和火焰的位置进行迭代运算，直到达到最大迭代次数；

将迭代得到的最优飞蛾的位置所对应的一组候选服务输出；

所述迭代运算包括：

利用飞蛾扑火优化算法对每个飞蛾和火焰的位置进行更新；

计算当前迭代种群中最优飞蛾的位置Q1；

通过差异进化算法的思想在每只飞蛾周围更新其他位置Q2，将位置Q1和位置Q2中更优的位置作为当前迭代轮次输出的最优飞蛾位置；

所述最优飞蛾的位置计算包括：

分别计算主观权重和客观权重并按照比例将两者结合；

计算解决方案的整体QoS值，并将其作为权重适应度；

将当前迭代种群中具有最高权重适应度的飞蛾作为最优飞蛾；

所述分别计算主观权重和客观权重并按照比例将两者结合包括：采用序关系法计算主观权重，计算公式包括

其中， 表示序数关系中第i个QoS属性的主观权重，ri表示两个属性之间的重要性关系系数，k表示QoS属性的总数；

采用变异系数法计算客观权重，计算公式包括

其中，表示服务的第i个QoS属性的平均值，m是候选服务的数量，xij是候选服务中第j个服务的第i个QoS属性的值，si表示第i个QoS属性值的均方偏差，ci表示第i个QoS属性值的变化系数， 表示第i个QoS属性值的客观权重，k是服务的QoS属性的总数；

将主观权重和客观权重进行组合，组合公式包括

其中α是调整主客观权重的偏差因子， 表示第i个QoS属性的主观权重， 表示第i个QoS属性的客观权重， 表示第i个QoS属性的整体QoS值；

对各种属性的QoS值进行比较归一化：

max min

其中，q 表示当前计算属性中的最大值，q 表示当前计算属性中的最小值，q表示当前计算属性值；

服务选择解决方案的总成本由所选服务的标准化成本之和决定：其中一个请求有n个任务，每个任务都有一个完成它的服务si， 是服务si的成本；

服务选择解决方案花费的总时间Tsum是由标准化请求上传时间、组合服务的标准化执行时间和标准化解决方案下载时间之和决定：Tsum＝Norm(Tup)+Norm(Tcomp)+Norm(Tdown)其中，Tup表示请求的上传时间；Tdown表示解决方案的下载时间；Tcomp表示完成任务的所有选定服务的执行时间；

成本和响应时间是选择的要分析的QoS属性，代表选择服务质量的整体QoS值计算如下：其中，Csum表示解决方案的成本，Tsum表示解决方案的总响应时间， 表示成本在该实验中的主客观综合权重， 表示响应时间在该实验中的主客观综合权重，OverallQoS作为解决方案的权重适应度参与计算流程；

所述利用飞蛾扑火优化算法对每个飞蛾和火焰的位置进行更新包括：计算更新飞蛾或者火焰的位置Mi，包括

bt

Mi＝Di×e ×cos2πt+Fj；

计算飞蛾与火焰之间的距离，包括

Di＝|Fj‑Mi|；

当迭代次数增加时，自适应减少火焰的数量，包括：

其中，Mi表示第i个飞蛾的位置，Di表示第i个飞蛾和第j个火焰之间的距离，b是预定义的螺旋形状的路径系数，t是[‑1,1]范围内中的随机数，Fj代表第j个火焰的位置，f是迭代自适应减少的火焰的数量，l是当前迭代次数，T表示最大迭代次数，M为最大飞蛾数量，N为最大火焰数量，e是自然对数的底数。

2.根据权利要求1所述的云和边缘环境中基于飞蛾扑火优化算法的移动服务选择方法，其特征在于，所述移动用户在当前位置通过物联网设备发出请求并上传至云服务器或边缘服务器包括：如果解决用户请求的第一个服务位于边缘服务器，并且该边缘服务器于该时刻与用户的距离最近，那么直接上传到该边缘服务器；

如果解决用户请求的第一个服务位于某边缘服务器Edge1，并且该边缘服务器于该时刻与用户的距离大于边缘服务器Edge2于该时刻与用户的距离，那么将计算请求直接上传到边缘服务器Edge1所需的时间T1和从边缘服务器Edge2传输到边缘服务器Edge1所需的时间T2，如果T1

如果解决用户请求的第一个服务位于云服务器，那么将计算解决方案从云服务器传输到边缘服务器Edge1返回给用户所需的时间T1和从云服务器传输到边缘服务器Edge2然后上传所需的时间T2，如果T1

3.根据权利要求1所述的云和边缘环境中基于飞蛾扑火优化算法的移动服务选择方法，其特征在于，在飞蛾和火焰的初始种群和每次迭代更新得到新种群时，均结合当前种群对下载路径进行计算，并在得到最终候选服务后将解决方案下载返回给用户，具体包括：如果解决用户请求的最后一个服务位于边缘服务器，并且该边缘服务器与该时刻与用户的距离最近，那么直接从该边缘服务器下载返回解决方案；

如果解决用户请求的最后一个服务位于某边缘服务器Edge1，并且该边缘服务器于该时刻与用户的距离大于边缘服务器Edge2于该时刻与用户的距离，那么将计算解决方案从边缘服务器Edge1直接下载返回给用户所需的时间T1和从边缘服务器Edge2传输到边缘服务器Edge2然后下载所需的时间T2，如果T1

如果解决用户请求的最后一个服务位于云服务器，那么将计算解决方案从云服务器传输到边缘服务器Edge1返回给用户所需的时间T1和从云服务器传输到边缘服务器Edge2然后下载所需的时间T2，如果T1

4.根据权利要求1所述的云和边缘环境中基于飞蛾扑火优化算法的移动服务选择方法，其特征在于，还包括：根据公式 计算移动用户在某一时间点与边缘服务器之间的距离d；

其中，D为用户与边缘服务器之间的初始距离，v为用户移动的速度，t为上传/下载过程中用户移动的时间，θ为用户与服务器之间的角度。

5.根据权利要求1所述的云和边缘环境中基于飞蛾扑火优化算法的移动服务选择方法，其特征在于：在服务选择的过程中，同时考虑了云服务器和云服务器、云服务器和边缘服务器、边缘服务器和边缘服务器之间的数据传输延迟。

6.根据权利要求5所述的云和边缘环境中基于飞蛾扑火优化算法的移动服务选择方法，其特征在于，所述数据传输延迟的计算包括：∑Sizetask表示上传或下载数据的大小，tp是移动设备的无线发射功率，B是带宽，σ是接收器处的噪声，d表示移动设备和边缘服务器之间的距离，α是路径损耗因子。