1.一种可靠性感知的边缘计算方法，其特征在于，该方法具体包括以下步骤：S1：根据包含多个设备和一个物联网中继器以及一个边缘服务器的边缘计算网络场景，建立可靠性边缘计算系统框架；

S2：在步骤S1中的系统架构下，根据任务卸载时的传输时延和传输能耗，建立通信模型；根据计算时延和计算能耗，建立计算模型；

S3：根据温度和信噪比，将计算模型和通信模型建立为计算可靠性模型和通信可靠性模型；

S4：根据计算可靠性模型和通信可靠性模型，建立以时延和可靠性为约束条件，以所有设备能耗最小化为优化目标的优化问题；

S5：将所述优化问题分解为卸载比率子问题、功率控制子问题和计算资源子问题，采用步骤S6～步骤S7进行交替迭代求解；

S6：通过凸优化理论以及拉格朗日方法求解所述卸载比率子问题，得出最优的卸载决策；

S7：通过改进混合鲸鱼优化算法求解功率控制子问题和计算资源子问题，得出最优的发射功率、本地计算资源分配决策和边缘计算资源分配决策。

2.根据权利要求1所述的一种可靠性感知的边缘计算方法，其特征在于，所述步骤S1中可靠性边缘计算系统框架具体包括构建具有多个时延敏感、计算密集型任务的工业物联网设备以及物联网中继器N ，单个边缘服务器M ；计算任务表述为设备的总时延和总能耗分别表示为：

其中，Ti

C4:

C5:

C6:Pr[Tsur(t)

其中，P表示传输功率；λ表示任务卸载比率；f表示CPU周期频率；U表示设备集合；表示设备i在本地进行处理产生的能耗；表示设备i在任务卸载时的传输能耗；C1表示用户发射功率约束，Pi表示设备i的发射功率；Pi

7.根据权利要求6所述的一种可靠性感知的边缘计算方法，其特征在于，所述步骤S5中，卸载比率子问题：

P2:

s.t.C2.1:0≤λu≤1

C2.2:

C2.3:

功率控制子问题：

P3:

s.t.

C3.2:

C3.3:

计算资源子问题：

P4:

s.t.C4.1:

C4.2:

C4.3:

C4.4:

C4.5:

C4.6:

其中，k表示有效电容系数；λu表示设备u卸载到边缘服务器的任务比率大小；表示设备u的最优卸载比率；σ2表示噪声功率；B表示信道带宽；d表示设备与边缘服务器距离；α表示路径损耗指数；h1表示瑞利衰落信道系数。

8.根据权利要求1所述的一种可靠性感知的边缘计算方法，其特征在于，所述采用步骤S6～步骤S7进行交替迭代求解具体包括：初始化发射功率、计算资源以及通信资源初始解，然后分别采用凸优化以及改进混合鲸鱼优化算法求解三个子问题；

对于卸载比率分配过程，首先固定发射功率以及计算资源分配，然后通过拉格朗日理论以及凸优化求解出卸载比率；

对于通信资源分配过程，首先固定卸载比率以及计算资源分配，然后通过改进混合鲸鱼优化算法进行求解得出发射功率；

对于计算资源分配过程，首先固定卸载比率以及发射功率，然后通过改进混合鲸鱼优化算法进行求解得出计算资源分配，最后通过判断能耗来确定是否达到最优解。

9.根据权利要求1或8所述的一种可靠性感知的边缘计算方法，其特征在于，所述改进混合鲸鱼优化算法具体包括利用混合鲸鱼优化算法对可行解鲸鱼种群进行初始化，初始化可行解鲸鱼群体的位置；判断是否满足终止条件，若不满足，则计算可行解鲸鱼群体的适应度值，并根据所述适应度值计算得到收敛系数A、随机系数C、区间随机系数l和随机数p；若所述随机数p小于第一预设阈值，则继续判断所述收敛系数A是否大于等于第二预设阈值，则大于等于第二预设阈值，则选择随机搜索代理后通过蝙蝠算法更新机制更新所述可行解鲸鱼个体的位置；若不大于等于第二预设阈值，则选择最优搜索代理后通过蝙蝠算法更新机制更新所述可行解鲸鱼个体的位置；若第一系数rand大于第二系数r，则更新本地的可行解鲸鱼个体的位置；若声波响度η大于第一系数rand，且当前可行解鲸鱼群体的位置的适应度值大于前一可行解鲸鱼群体的位置的适应度值，则更新脉冲发生率以及声波响度；若所述随机数不小于第一预设阈值或者在更新脉冲发生率以及声波响度后，通过螺旋环绕机制更新位置，判断当前适应度值是否小于之前的适应度值，若小于，则选择更新当前可行解鲸鱼群体的位置，否则选择之前的可行解鲸鱼群体的位置；直至确定出最终的最优的发射功率、本地计算资源分配决策和边缘计算资源分配决策可行解。