1.一种多业务并存系统中云业务能耗优化调度方法，在普通业务和云业务共存的系统中，实现云业务耗能优化调度，其特征在于，包括如下步骤：步骤A.分别针对各个普通业务和各个云业务，采用香农公式获得传输速率与传输功率之间的关系，其中，信道增益服从独立同分布，进而分别获得各个业务传输速率与传输功率之间的关系，然后进入步骤B；

步骤B.分别针对各个云业务，根据业务传输速率与传输功率之间的关系，获得基于业务传输速率、带宽、信道增益的云业务能耗模型，进而分别获得各个云业务的云业务能耗模型，然后进入步骤C；

步骤C.分别针对各个云业务，针对云业务所对应的各个工作时隙，首先，根据云业务的云业务能耗模型，采用动态规划方法，获得云业务按时序所对应其最后一个工作时隙的云业务时隙能耗价值函数，然后，采用逆序递推方法，依据当前工作时隙内的信道增益，依次获得云业务按时序所对应其之前各个工作时隙的云业务时隙能耗价值函数；进而获得各个云业务分别所对应其各个工作时隙的云业务时隙能耗价值函数，然后进入步骤D；

步骤D.分别针对各个云业务，针对云业务所对应各个工作时隙的云业务时隙能耗价值函数，获得云业务分别所对应各个工作时隙的最优速率，进而获得云业务所对应的最小全局能耗模型，由此，获得各个云业务所对应的最小全局能耗模型，然后进入步骤E1；

步骤E1.根据当前时隙待分配的信道数量，获得针对当前时隙待接入各个云业务、各个普通业务所有信道分配方案，然后进入步骤E2；

步骤E2.分别针对当前时隙的各个信道分配方案，根据各个云业务所对应的最小全局能耗模型，获得信道分配方案下、当前时隙所接入各个云业务的最小全局能耗，同时获得信道分配方案下、当前时隙所接入各个普通业务传输速率之和，即系统当前时隙吞吐量；进而获得各个信道分配方案下，当前时隙所接入各个云业务的最小全局能耗，以及系统当前时隙吞吐量，然后进入步骤E3；

步骤E3.针对当前时隙的所有信道分配方案，排除存在云业务所对应最小全局能耗高于预设云业务能耗上限值的信道分配方案，并在剩余信道分配方案中，选取系统当前时隙吞吐量最大值所对应的信道分配方案，作为当前时隙最优信道分配方案，然后进入步骤E4；

步骤E4.采用当前时隙最优信道分配方案，以及各个云业务所对应的最小全局能耗模型实现当前时隙云业务能耗优化调度。

2.一种多业务并存系统中云业务能耗优化调度方法，在普通业务和云业务共存的系统中，实现云业务耗能优化调度，其特征在于，预设云业务能耗上限值，所述云业务能耗优化调度方法包括如下步骤：步骤A.分别针对各个普通业务和各个云业务，采用香农公式获得传输速率与传输功率之间的关系，其中，信道增益服从独立同分布，进而分别获得各个业务传输速率与传输功率之间的关系，然后进入步骤B；

步骤B.分别针对各个云业务，根据业务传输速率与传输功率之间的关系，获得基于业务传输速率、带宽、信道增益的云业务能耗模型，进而分别获得各个云业务的云业务能耗模型，然后进入步骤C；

步骤C.分别针对各个云业务，针对云业务所对应的各个工作时隙，首先，根据云业务的云业务能耗模型，采用动态规划方法，获得云业务按时序所对应其最后一个工作时隙的云业务时隙能耗价值函数，然后，采用逆序递推方法，依据当前工作时隙内的信道增益，依次获得云业务按时序所对应其之前各个工作时隙的云业务时隙能耗价值函数；进而获得各个云业务分别所对应其各个工作时隙的云业务时隙能耗价值函数，然后进入步骤D；

步骤D.分别针对各个云业务，针对云业务所对应各个工作时隙的云业务时隙能耗价值函数，获得云业务分别所对应各个工作时隙的最优速率，进而获得云业务所对应的最小全局能耗模型，由此，获得各个云业务所对应的最小全局能耗模型，然后进入步骤F1；

步骤F1.将基于预设云业务能耗上限值，系统最大时隙吞吐量优化问题改写为相应的拉格朗日对偶函数，并进入步骤F2；

步骤F2.通过拉格朗日对偶算法表示出原优化问题的对偶问题，原优化问题与对偶问题有相同解，通过求解对偶问题得到最终解，然后进入步骤F3；

步骤F3.利用贪婪算法进行当前时隙的信道分配，分配原则为：一个信道应分配给能够使得拉格朗日函数增量最大的业务，然后进入步骤F4；

步骤F4.利用二分法求解最优的对偶系数，进而获得当前时隙最优信道分配方案，然后进入步骤F5；

步骤F5.采用当前时隙最优信道分配方案，以及各个云业务所对应的最小全局能耗模型实现当前时隙云业务能耗优化调度。

3.根据权利要求1或2所述一种多业务并存系统中云业务能耗优化调度方法，其特征在于，所述步骤A至步骤B，具体包括建立如下模型：

s.t.

其中， 为时隙t的系统吞吐量， 为时隙t选中的普通业务集合， 为时隙t基站分配给普通业务m(m∈Mt)的信道集，gm,k,t为时隙t分配给普通业务m的信道k的信道增益； 为云业务i在整个上传数据时隙内消耗的手机能耗，Ri,t为云业务i在时隙t的速率，Δt为时隙间隔， 为时隙t基站分配给云业务i的信道集， 表示各信道增益的平表示均值，Ki为 中信道的个数，gi,k,t为时隙t分配给云业务i的信道k的信道增益；Pi,t为时隙t云业务i的传输功率；

表明信道不能重复分配；K表示系统内的信道个数，对应的信道集为K＝{1,…k,…K}；M表示系统内普通业务的个数，对应的业务集为M＝{1,…m,…M}；系统内云业务的个数I，对应的业务集为 云业务i需要上传的数据量为Li，上传数据的时间限制为Ti，开始上传数据的时刻为t＝ΔTi。

4.根据权利要求3所述一种多业务并存系统中云业务能耗优化调度方法，其特征在于，所述步骤C至步骤D，具体包括如下操作：云业务i的能耗优化模型如下，

s.t.

利用价值函数将优化模型改写为，

其中，St为决策量，指在每个阶段中具体的决策，即该阶段要发送的数据量；Lt为状态变量，指每一阶段内剩余的数据量(包括本阶段)； 为指标函数，是衡量一个决策过程的数量指标，这里指能耗最小指标；

利用数学归纳法，最终求得云业务i在时隙t的最优速率为，

云业务i的最小全局能耗模型为，

其中， x＝t,...,ΔTi+Ti，

5.根据权利要求1所述一种多业务并存系统中云业务能耗优化调度方法，其特征在于，所述步骤E1至步骤E4，具体包括利用0-1整数规划算法求解使得系统吞吐量最大的信道分配方案如下：优化问题转化为0-1整数规划问题，即，

s.t.

[A1,...,AN]Χ＝1K

其中，Χ＝[Χ1,...,ΧN]T是一个大小为NC的决策列向量，Χ＝[Χ1,...,ΧN]T，Χn＝[xn,1,...,xn,C]T，xn,j∈{0,1}，xn,j为“1”时表示业务n采用分配矩阵中第j列对应的分配方案，反之表示不采用； 表示一个业务可能的分配方案数；e是一个大小为N×C的权重矩阵，其元素en,j表示业务n采用分配矩阵中第j列对应的分配方案时对优化目标的贡献程度，即

An是一个大小为K×C的由元素0、1组成的信道分配矩阵，“1”表示对应的信道分配给该业务，“0”表示不分配，例如共有K＝3个信道时，则每个业务都有C＝7种可能的分配方案，业务n的信道分配矩阵为：

采用穷举法求得该优化问题的最优解，即当前时隙最优信道分配方案，其中，K表示系统内的信道个数为K，对应的信道集为K＝{1,…k,…K}；M表示系统内普通业务的个数，对应的业务集为M＝{1,…m,…M}；系统内云业务的个数I，对应的业务集为 云业务i需要上传的数据量为Li，上传数据的时间限制为Ti，开始上传数据的时刻为t＝ΔTi。

6.根据权利要求2所述一种多业务并存系统中云业务能耗优化调度方法，其特征在于，所述步骤F1至步骤F4，具体包括如下：将基于预设云业务能耗上限值，系统最大时隙吞吐量优化问题改写为相应的拉格朗日函数为：

其对偶函数为，

相应的对偶问题为

s.t.

αt,βt≥0

解决该对偶问题，首先利用贪婪算法进行信道的分配，然后利用二分法求解最优的对偶系数，具体步骤为：i.初始化

ii.令

iii.对于任一业务n，遍历其可分配到的任一信道k，对于所有业务进行如上操作，得到业务n分配到信道k时L(Mt,Km,t,αt,βt)的增量值，设为Δwn,k，满足

找到使得Δwn,k最大的(n*,k*)，将相应的k*分配给n*；

iv.重复步骤iii直至所有的信道分配完；

v.在上述得到的信道分配方案下，计算εi-Ei*(Ki)的值，若εi-Ei*(Ki)≥0，则对应否则 计算 的值，若 则对应的 否则重复步骤ii-v，直到对于 且对于

其中，δ为我们设置的常量用于控制算法的精度，δ越小，算法精确度越高，其中，K表示系统内的信道个数为K，对应的信道集为K＝{1,…k,…K}；M表示系统内普通业务的个数，对应的业务集为M＝{1,…m,…M}；系统内云业务的个数I，对应的业务集为 云业务i需要上传的数据量为Li，上传数据的时间限制为Ti，开始上传数据的时刻为t＝ΔTi。