1.一种移动边缘计算中协同卸载的激励机制与资源分配方法，其特征在于，包括以下步骤：S1、构建一个具有空闲移动设备辅助MEC服务器卸载忙碌用户计算任务的系统模型，所述系统模型包括一个基站BS和多个移动用户；

S2、在满足基站BS计划征集的计算资源量的约束条件下，建立激励问题的数学模型，并设计计算资源共享拍卖CRSA机制以促使更多的空闲设备参与协同卸载；

S3、建立边缘计算模型，在满足时延的约束条件下，建立以系统总能耗最小化为目标的优化问题数学模型；

S4、引入简化变量，改变系统总能耗的数学表达式，以获得简化后的以系统总能耗最小化为目标的优化问题数学模型，并提出资源分配方法使得系统能耗达到最小；

所述步骤S1的具体方法为：在基站BS处集成有一个MEC服务器，所述移动用户包括有计算需求的忙碌用户和能提供计算服务的空闲用户，所述空闲用户为协作者；用集合K＝{1,

2,…,K}和E＝{1,2，…，E}分别表示K个忙碌用户和E个协作者，假设每个忙碌用户k都有一个计算密集且时延敏感型的应用程序任务k，面向数据分区的应用程序，对数据任意分区以进行并行处理；用Ak表示任务k的输入数据大小，单位为比特，忙碌用户的计算任务通过蜂窝链路卸载给MEC服务器和利用D2D技术卸载给愿意提供计算服务的协作者去执行；通过预测得到基站BS计划征集的计算资源量U，假设信息可用；

对带宽资源分配做简化假设，假设将不同带宽分别分配给基站BS和协作者以避免蜂窝链路和D2D链路之间的传输干扰，并进一步假设基站BS占用正交子信道，每个子信道的带宽为Wb，为避免D2D链路之间的传输干扰，假设每个D2D链路对分配一个正交子信道，子信道的带宽用Wd表示，进一步假设Wd＝Wb＝W；所述步骤S2的具体步骤为：S201、将基站BS和协作者之间的互动建模为一个拍卖游戏，其中，基站BS是拍卖师，它向协作者征集投标，然后选出获胜标并将拍卖结果通知给协作者；每个协作者e可以向基站BS投递一个或者多个标，用集合Le表示，标中元素fe,n和le,n分别表示愿意提供的计算资源量和提供相对应计算资源量的价格；

S202、提供计算服务会消耗协作者的计算资源，则协作者e的成本为提供相对应计算资源量的价格减去得到的奖励，即Φe(xe)＝∑n∈Nle,nxe,n‑re(∑n∈Nxe,n)，其中，xe,n表示投标是否为获胜投标的指示变量，re表示中标的协作者e可获得的奖励，基站BS的成本为给所有提供计算服务的协作者的奖励，即Ψ(x)＝∑e∈Ere(∑n∈Exe,n)，将激励协作者提供计算服务的激励问题的目标设为最小化基站BS成本和所有协作者成本之和，即∑e∈E∑n∈Nle,nxe,n，称为总成本；

S203、在满足基站BS计划征集的计算资源量的约束条件下，建立的激励问题的数学模型为：P1:

s.t.C1:xe,n∈{0,1},e∈E,n∈N

其中，约束C1表明xe,n是二元变量，约束C2表明每个协作者e最多只有一个投标获胜，约束C3表明征集到的总计算资源量应超过基站BS计划征集的计算资源量；

S204、对于获胜投标的确定问题，采用价格密度进行选择，即如果协作者e的价格密度le,n/fe,n是最小的，则选择协作者e的第n个投标为获胜投标，并且始终选择的是提供计算资源量多且价格低的投标作为获胜投标，基站BS计划征集的计算资源量是有下限的，拍卖结束后，获胜投标所能提供的计算资源总量至少等于该下限，对于基站BS给获胜协作者e的奖励，获胜协作者e可获得的奖励为获胜协作者e不参与拍卖时将胜出的协作者的价格密度与获胜协作者e所提供的计算资源量的乘积；

S205、在基站BS通知哪些协作者的投标是获胜投标并向获胜协作者支付奖励后，忙碌用户的计算任务就上传给MEC服务器和获胜协作者进行计算，用集合 表示一个MEC服务器和G个获胜协作者，统称为任务执行者，其中，0是代表MEC服务器，获胜协作者所分配给忙碌用户的计算资源量与获胜投标中所申报的数量相同；

所述步骤S3中边缘计算过程包括三个阶段，具体为：

上传阶段：忙碌用户k上传任务输入数据给任务执行者；

执行阶段：任务执行者执行任务k；

下载阶段：忙碌用户k从任务执行者处下载任务计算结果；所述上传阶段中，忙碌用户k上传任务输入数据给任务执行者m的传输速率计算为 其中，zk,m为计算资源分配指标，W为子信道带宽， 为忙碌用户k的发射功率，hk,m为忙碌用户k和2

任务执行者m之间链路的信道功率增益，σ表示白噪声功率，则忙碌用户k上传任务输入数据给任务执行者的能耗为：

其中， 表示分配给任务执行者m的任务k的输入数据比特数，表示上传阶段

2 x/W

的持续时间，zk＝(zk,m)m∈M,ak＝(ak,m)m∈M, f(x)＝σ(2 ‑1)；

任务执行者向忙碌用户k传输任务计算结果的能耗为：

其中，λ为任务计算结果量比例，tm表示下载阶段的持续时间，t＝(tm)m∈M；

任务执行者执行任务k的能耗为： 其中，κ为CPU周期系数，ρm是能耗系数，表示与任务执行者m的硬件结构相关的常数，fm为任务执行者m可提供的计算资源量；

系统的总能耗为：

其中，z＝(zk)k∈K,a＝(ak)k∈K；所述步骤S3中在满足时延的约束条件下，建立以系统总能耗最小化为目标的优化问题数学模型，具体为：P2:

s.t.C4:zk,m∈{0,1},k∈K,m∈M

其中，约束C4表明zk,m是二元变量，约束C5表示每个任务执行者m最多可执行qm个任务，约束C6表示任务的时延约束，约束C7表示分配的输入数据比特数的约束条件8；

所述步骤S4具体为：引入新变量 得到该变量与无线资源分配变量和计算资源分配变量的关系：

yk,m＝zk,mtm,qk,m＝zk,mak,m,k∈K,m∈M通过使用适当的转化技术进行转化，得到简化后的以系统总能耗最小化为目标的优化问题数学模型：P3:

s.t.C4‑C7,

其中，

y＝(yk,m)k∈K,m∈M,q＝(qk,m)k∈K,m∈M；

针对简化后的优化问题数学模型，提出资源分配方法使得系统能耗达到最小；

将二元整数变量zk,m进行连续化处理，则约束条件C4写为：C11:zk,m∈[0,1],k∈K,m∈M

则经连续化处理后的以系统总能耗最小化为目标的优化问题数学模型为：P4:

s.t.C5‑C11

使用内点法求得最优资源分配方案，用 表示，对于每一个任务执行者m∈M，如果满足不等式qm≥K，则将z'中第m列的所有元素均设置1，否则，就将z'中第m列的最大的qm个元素设置为1，其余元素均设置为0，然后基于调整的z'，再次使用内点法求解问题P4以获得新的资源分配方案。