1.一种基于博弈论的移动边缘计算资源优化方法，其特征在于，包括：

根据服务器的计算能力、用户的本地计算能力、将任务卸载至服务器的传输速率、用户的总任务量、能耗单价、用户的卸载任务比例，构建用户效用模型；

根据服务器计算能力、将任务卸载至服务器的传输速率、用户的总任务量、能耗单价、服务器对用户的计算资源定价，构建服务器效用模型；

根据用户效用模型、服务器效用模型，构建用户与服务器的斯塔克尔伯格竞争模型，其中，服务器期望获得最大限度的利润，用户期望获得计算资源，以最大化服务器和用户的收益；

对构建的用户与服务器的斯塔克尔伯格竞争模型进行求解，得到最优的用户任务卸载策略和服务器定价策略，作为资源优化结果，根据资源优化结果进行资源分配，其中，最优的用户任务卸载策略为用户自身利益最大化时，用户根据服务器对用户的计算资源定价，决定将本地任务卸载至服务器进行计算的比例；服务器定价策略为服务器自身利益最大化时对用户的计算资源定价；

其中，根据服务器的计算能力、用户的本地计算能力、将任务卸载至服务器的传输速率、用户的总任务量、能耗单价、用户的卸载任务比例，构建用户效用模型，包括：根据用户的发射功率、卸载任务所需的时间以及能耗单价，构建用户参与任务卸载的传输能耗成本模型；

根据用户的总任务量、用户的本地计算能力、用户的卸载任务比例以及能耗单价构建用户剩余本地任务计算所需的能耗成本模型；

根据用户通过任务卸载所节省的时间、用户通过任务卸载所节省的能耗，构建用户的满意度模型，其中，用户通过任务卸载所节省的时间根据服务器的计算能力、用户的本地计算能力、将任务卸载至服务器的传输速率、用户的卸载任务比例和用户的总任务量计算得到，用户通过任务卸载所节省的能耗根据用户的卸载任务比例、用户的总任务量、用户的本地计算能力和用户参与任务卸载的传输能耗计算得到；

根据用户的满意度模型、用户的卸载任务比例、服务器对用户的计算资源定价、用户的总任务量、用户剩余本地任务计算所需的能耗成本，构建用户效用模型；

根据用户通过任务卸载所节省的时间、用户通过任务卸载所节省的能耗，构建用户的满意度模型，通过下述公式实现：其中，是第 个用户的满意度， 、 是用户满意度的转换因子， 、

是第 个用户通过任务卸载所节省的时间和能耗，计算方式如下：

其中， 为第 个用户的任务卸载比例，为第 个用户的总任务量， 为第 个用户的本地计算能力， 为服务器计算能力，为第 个用户将任务卸载至服务器的传输速率，为第 个用户的有效电容系数， 为第 个用户的任务卸载能耗。

2.如权利要求1所述的基于博弈论的移动边缘计算资源优化方法，其特征在于，根据用户的发射功率、卸载任务所需的时间以及能耗单价，构建用户参与任务卸载的传输能耗成本模型，通过下述公式实现：其中， 为第 个用户的任务卸载能耗， 为第 个用户的发射功率，为能耗单价，为第 个用户的卸载任务所花费的时间。

3.如权利要求1所述的基于博弈论的移动边缘计算资源优化方法，其特征在于，根据用户的总任务量、用户的本地计算能力、用户的卸载任务比例以及能耗单价构建用户剩余本地任务计算所需的能耗成本模型，通过下述公式实现：其中， 为第 个用户剩余任务本地计算所需的能耗， 为第 个用户的任务卸载比例，为第 个用户的总任务量，为能耗单价， 为第 个用户的有效电容系数， 为本地计算能力。

4.如权利要求1所述的基于博弈论的移动边缘计算资源优化方法，其特征在于，根据用户的满意度模型、用户的卸载任务比例、服务器对用户的计算资源定价、用户的总任务量、用户剩余本地任务计算所需的能耗成本模型，构建用户效用模型，通过下述公式实现：其中，是第 个用户的满意度， 是服务器对第 个用户的计算资源价格， 是第 个用户的任务卸载比例，是第 个用户的总任务量， 是第 个用户剩余任务本地计算所需的能耗。

5.如权利要求1所述的基于博弈论的移动边缘计算资源优化方法，其特征在于，根据服务器计算能力、将任务卸载至服务器的传输速率、用户的总任务量、能耗单价、服务器对用户的计算资源定价，构建服务器效用模型，通过下述公式实现：其中， 是服务器对第 个用户的计算资源价格， 是服务器的有效电容系数， 是用户的总数， 是服务器计算能力，是能耗单价， 和 是第 个用户的任务卸载比例和总任务量。

6.如权利要求1所述的基于博弈论的移动边缘计算资源优化方法，其特征在于，对构建的用户与服务器的斯塔克尔伯格竞争模型进行求解，得到最优的用户任务卸载策略和服务器定价策略，包括：对第 个用户效用 进行求导，由二阶求导结果证明存在最大值，并由一阶导数得到第 个用户的最佳卸载策略 ，将 带入服务器效用模型中；

通过对服务器效用模型 进行求导，由二阶求导结果证明存在最大值，并由一阶导数得到服务器的最佳定价策略 ，最终的资源优化结果为： 。

7.一种基于博弈论的移动边缘计算资源优化装置，其特征在于，包括：

用户效用模型构建模块，用于根据服务器的计算能力、用户的本地计算能力、将任务卸载至服务器的传输速率、用户的总任务量、能耗单价、用户的卸载任务比例，构建用户效用模型；

服务器效用模型构建模块，用于根据服务器计算能力、将任务卸载至服务器的传输速率、用户的总任务量、能耗单价、服务器对用户的计算资源定价，构建服务器效用模型；

斯塔克尔伯格竞争模型建立模块，用于根据用户效用模型、服务器效用模型，构建用户与服务器的斯塔克尔伯格竞争模型，其中，服务器期望获得最大限度的利润，用户期望获得计算资源，以最大化服务器和用户的收益；

资源分配模块，用于对构建的用户与服务器的斯塔克尔伯格竞争模型进行求解，得到最优的用户任务卸载策略和服务器定价策略，作为资源优化结果，根据资源优化结果进行资源分配，其中，最优的用户任务卸载策略为用户自身利益最大化时，用户根据服务器对用户的计算资源定价，决定将本地任务卸载至服务器进行计算的比例；服务器定价策略为服务器自身利益最大化时对用户的计算资源定价；

其中，用户效用模型构建模块具体用于：

根据用户的发射功率、卸载任务所需的时间以及能耗单价，构建用户参与任务卸载的传输能耗成本模型；

根据用户的总任务量、用户的本地计算能力、用户的卸载任务比例以及能耗单价构建用户剩余本地任务计算所需的能耗成本模型；

根据用户通过任务卸载所节省的时间、用户通过任务卸载所节省的能耗，构建用户的满意度模型，其中，用户通过任务卸载所节省的时间根据服务器的计算能力、用户的本地计算能力、将任务卸载至服务器的传输速率、用户的卸载任务比例和用户的总任务量计算得到，用户通过任务卸载所节省的能耗根据用户的卸载任务比例、用户的总任务量、用户的本地计算能力和用户参与任务卸载的传输能耗计算得到；

根据用户的满意度模型、用户的卸载任务比例、服务器对用户的计算资源定价、用户的总任务量、用户剩余本地任务计算所需的能耗成本，构建用户效用模型；

根据用户通过任务卸载所节省的时间、用户通过任务卸载所节省的能耗，构建用户的满意度模型，通过下述公式实现：其中，是第 个用户的满意度， 、 是用户满意度的转换因子， 、

是第 个用户通过任务卸载所节省的时间和能耗，计算方式如下：

其中， 为第 个用户的任务卸载比例，为第 个用户的总任务量， 为第 个用户的本地计算能力， 为服务器计算能力，为第 个用户将任务卸载至服务器的传输速率，为第 个用户的有效电容系数， 为第 个用户的任务卸载能耗。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6中任一项权利要求所述的方法。