1.一种基于改进的李雅普诺夫优化的云业务上行调度方法，其特征在于，包括以下步骤：步骤A、采用能量-速率公式表示传输速率与能量消耗之间的关系；

步骤B、根据传输速率与能量消耗之间的关系，结合云业务需在一定时间内上传完一定数据量的数据这一限制条件，建立云业务的能量消耗优化模型；

步骤C、建立虚拟队列，将云业务需在一定时间内上传完一定数据量的数据这一限制条件改写为队列稳定问题；

步骤D、引入李雅普诺夫函数，将队列稳定问题转化为最小化李雅普诺夫偏移问题，进而将云业务的能量消耗优化模型所表示的能量消耗优化问题转化为最小化李雅普诺夫偏移且最小化上传能量消耗的双目标优化问题；

步骤E、采用效用函数将双目标优化问题合并为单目标优化问题，根据贪婪算法将该单目标优化问题化为一个时隙内的优化问题，从而利用导数求得最优解，即得到最优调度策略的解析解；

其中，效用函数中的加权系数作为控制参数，所述控制参数是从最优控制参数选取表中选取的，最优控制参数选取表是根据电磁波的大尺度衰落值、上传数据量及上传截止时间采用离线算法建立的。

2.根据权利要求1所述的一种基于改进的李雅普诺夫优化的云业务上行调度方法，其特征在于，所述步骤B中云业务的能量消耗优化模型为：

s(t)≥0

其中，L为要传输的数据量，T为上传的截止时间，s(t)为时隙t传输的数据量，g(t)为时隙t的信道增益，λ为能量系数，n为多项式次数且取决于调制方式。

3.根据权利要求2所述的一种基于改进的李雅普诺夫优化的云业务上行调度方法，其特征在于，所述步骤C中建立虚拟队列，具体如下：

其中， Q(0)＝0，Q(t)为虚拟队列。

4.根据权利要求3所述的一种基于改进的李雅普诺夫优化的云业务上行调度方法，其特征在于，所述步骤D中云业务的能量消耗优化问题可转化为最小化李雅普诺夫偏移且最小化上传能量消耗的双目标优化问题，即

s.t.s(t)≥0。

5.根据权利要求4所述的一种基于改进的李雅普诺夫优化的云业务上行调度方法，其特征在于，所述步骤E中最优调度策略的解析解s(t)*为：

其中，V≥0为双目标之间的控制参数。

6.根据权利要求5所述的一种基于改进的李雅普诺夫优化的云业务上行调度方法，其特征在于，所述步骤E中最优调度策略的解析解s(t)*的具体计算方法如下：利用效用函数将双目标优化问题合并为单目标优化问题，即

根据贪婪算法，最小化期望转化为最小化每个时刻的值，因 为一个常数，最优化问题最终化为

s.t.s(t)≥0；

在任一时隙，对 进行求导，从而得到最优调度策略的解析解s(t)*，即

7.根据权利要求5所述的一种基于改进的李雅普诺夫优化的云业务上行调度方法，其特征在于，所述离线算法，具体如下：步骤一、初始化k′＝k,L,T,n,令l＝0,Q(0)＝0,s(0)＝0,V*＝0,t＝1；其中，k为取平均次数，V*为最优的控制参数，l为当前已经上传的数据量；

步骤二、 且 其中，g(t)＝ploss×ps(t)，ploss为大尺度衰落，ps(t)为小尺度衰落；

步骤三、l＝l+s(t)且t＝t+1；

步骤四、若t＝T，找到满足l≥L的最小的V，执行步骤五；否则返回步骤二；

步骤五、V*＝V*+V；

步骤六、k′＝k′-1；

步骤七、当k′＝0，执行步骤八，否则返回步骤二；

* *

步骤八、V＝V/k。