1.一种基于群智能强化学习的区块链计算任务卸载方法，其特征在于，包括以下步骤：S1，以一个时间维度T内的多个决策点的卸载决策下所获得的累计收益为最大为目标，构建优化目标函数：其中， 表示任意的终端n的收益；

表示IoT终端的集合；

其中， 表示t时刻终端n的期望奖励；

分别表示付费、延时和能耗的权重；

分别表示终端n在时间t的付费总计、延时总计和能耗总计；

所述优化目标函数需满足以下条件：其中Dmax来表示能接受的最高延时；

表示终端n在t时间的能源大小；

Cmax表示t时间终端n可支付的费用；

S2，采用基于强化学习的麻雀搜索算法求解优化目标函数；

S2‑1，随机生成初始的卸载方案；

S2‑2，将初始的卸载方案输入多智能体的SSA进行迭代优化，每次迭代都由中心控制器分发搜索策略，智能体根据搜索策略进行位置更新，并将其observation和reward反馈给中心控制器，中心控制器会根据这些反馈信息，更新Q–table中的Q–value，以便后面更好选择搜索策略，直到迭代结束，输出最优的卸载方案；

S3，将最优的卸载决策发送给IoT区块链系统，使其能够做出收益最大化的卸载决策。

2.根据权利要求1所述的一种基于群智能强化学习的区块链计算任务卸载方法，其特征在于，t时刻终端n的期望奖励 的计算公式如下：其中，Rt表示t时刻创建区块所获得的奖励；

表示t时刻终端n的计算能力大小；

表示t时刻所有终端的算力总和；

表示对于任意的终端n，先于其他终端创建区块而获得收益的概率；其计算公式如下：其中 表示t时刻终端n创造新区块的概率；

u表示一次哈希计算所需要的CPU转数。

3.根据权利要求1所述的一种基于群智能强化学习的区块链计算任务卸载方法一种，其特征在于，终端n在t时刻的付费总计 的计算公式为：其中， 表示终端n需要给所有边缘服务商支付的计算资源总费用；

表示支付给云的计算资源费用；

其中， 表示边缘服务器m对单位计算量的收费；

M表示边缘服务器的总数量；

表示t时刻选择边缘服务器m的终端数量；

β是折扣率；

表示第k个子任务的计算任务大小；

表示第k个任务处理密度；

表示t时刻终端n的第k个子任务是否卸载到边缘服务器m进行计算；

cloud

c 是一个常数，表示云服务提供商对单位计算量的收费；

K表示子任务数量；

表示t时刻终端n的第k个子任务是否卸载到云服务器进行计算。

4.根据权利要求1所述的一种基于群智能强化学习的区块链计算任务卸载方法一种，其特征在于，终端n在t时刻进行任务的时延总计 的计算公式为：其中， Dmax表示能接受的最高延时；

表示终端n本地计算的子任务总时延；

表示终端n卸载到边缘服务器m上的子任务总时延；

表示卸载到云服务器的子任务总时延；

终端n本地计算的子任务总时延 的计算公式如下：其中K表示子任务总数；

表示t时刻第k个子任务的计算任务大小；

表示t时刻第k个子任务的任务处理密度；

表示t时刻终端n的第k个子任务是否在本地计算；

表示t时刻终端n使用的本地计算能力，且 fn,l表示终端n的最大计算能力；

终端n卸载到边缘服务器的所有子任务最大时延 的计算公式为：终端n卸载到边缘服务器m上的子任务总时延，m＝1,2，…M；

其中， 表示终端n选择将任务卸载到云上的通信时延；

表示t时刻第k个子任务的计算任务大小；

表示t时刻终端n的第k个子任务是否卸载到云服务器进行计算；

终端n卸载到边缘服务器m上的子任务计算时延；

表示t时刻终端n租借云服务器的计算资源；

α是由于租借边缘服务器m的计算资源的终端过多而引起的延迟参数；

表示t时刻终端n租借边缘服务器m的计算资源；

终端n卸载到云服务器的所有子任务总时延 的计算公式为：表示终端n将任务卸载到云上的计算时延；

表示终端n将任务卸载到云上的通信时延；

其中 表示t时刻第k个子任务的计算任务大小；

表示t时刻终端n的第k个子任务是否卸载到云服务器进行计算；

表示t时刻终端n租借云服务器的计算资源。

5.根据权利要求1所述的一种基于群智能强化学习的区块链计算任务卸载方法一种，其特征在于，t时刻终端n进行计算任务的能耗总计 的计算公式为：其中，kn是与硬件结构相关的常数；

为fn,l的平方，fn,l表示终端n的最大计算能力。

6.根据权利要求1所述的一种基于群智能强化学习的区块链计算任务卸载方法一种，其特征在于，所述搜索策略包括策略1、策略2、策略3和/或策略4：经过策略1更新后的麻雀位置为：其中， 表示第ep+1次迭代第i只麻雀的位置；

i表示第i只麻雀；

ep代表当前迭代次数；

itermax表示最大迭代次数；

r1、r2都是取值为(0,1)的随机数；

ST为取值为(0.5,1)的随机数；

Q为服从标准正态分布的随机数；

L表示一个1×D的矩阵，其元素全为1；

经过策略2更新后的麻雀位置为：其中，Xb表示当前最优位置， 表示第ep+1次迭代的最优位置；

Xw表示当前最差位置， 表示第ep次迭代时的最差位置；

A表示一个D×1的矩阵，其中每一个元素随机赋值为1或‑1；

Ns表示麻雀种群数量；

经过策略3更新后的麻雀位置为：其中， 表示第ep+1次迭代的最优位置；

Q为服从标准正态分布的随机数；

UB和LB分别为位置空间X取值上限和下限；

经过策略4更新后的麻雀位置为：

7.根据权利要求1所述的一种基于群智能强化学习的区块链计算任务卸载方法一种，其特征在于，所述中心控制器分发搜索策略是采用轮盘赌选择法进行策略选择的，包括：每一个策略被选中的概率计算如下：其中pa表示策略a被选中的概率；

Q–value(a)表示策略a的Q值大小；

Q–value(j)表示策略j的Q值大小；

A表示动作取值空间；

随后，计算出每个策略的累积概率，计算公式如下：qa＝∑j∈Apj  (41)其中，pj表示策略j被选中的概率；

A表示动作取值空间；

最后，在[0,1]区间内产生一个服从均匀分布的随机数r，若r

8.根据权利要求1所述的一种基于群智能强化学习的区块链计算任务卸载方法一种，其特征在于，所述初始的卸载方案由行为克隆(BC)根据当前的环境变量获得，BC由单层全连接神经网络组成，其中输入层神经元个数为环境变量个数，输出层神经元个数为解的维度，隐藏层被设置为128个神经元；并且，BC采用Relu作为激活函数，以及采用Adam作为优化器。

9.根据权利要求1所述的一种基于群智能强化学习的区块链计算任务卸载方法一种，其特征在于，所述中心控制器会根据这些反馈信息，更新Q–table中的Q–value包括：计算observation，其公式为：计算reward，其公式为：中心控制器为智能体分配了策略a，则Q–table的更新公式如下所示：其中 表示第ep次迭代时，第i个智能体对于策略a的Q值大小；

a表示某个策略。