1.小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，包括以下步骤：步骤一、建立宏基站覆盖区域内全体用户终端总能耗优化模型，所建立的优化模型如下所示：目标函数：

约束条件：

其中am,n和xm,n是优化变量，am,n表示用户终端m到服务器n的传输时隙，xm,n表示用户终端m是否选择服务器n进行任务卸载；M和N分别表示宏基站覆盖区域内的用户终端集合和服务器集合；P表示用户终端的发射功率；Rm表示用户终端m的任务数据量，Pm表示用户终端m计算单位比特所消耗的能量，T表示系统上行传输时隙；|·|表示计算集合中元素个数运算符；rm,n表示用户终端m到服务器n的无线信道速率，展开表示为其中B表示系统频谱带宽，hm,n表示用户终端m到服务器n的无线信道增益，N0表示背景噪声功率；

步骤二、用服务器n分配给用户终端m的时隙变量ym,n，替换步骤一建立的优化模型中目标函数的传输能量消耗部分，并添加等式约束,得到替换模型；利用ADMM对替换模型进行松弛和分解，得到迭代框架，分别输出用户终端侧和小蜂窝侧的优化子模型；

所述替换模型为：

目标函数：

约束条件：

步骤三、针对步骤二输出的用户终端侧和小蜂窝侧子模型，分别利用KKT条件推导出最优闭式解；

步骤四、基于步骤三得到的闭式解，输出信令交互和优化迭代流程。

2.如权利要求1所述的小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，在步骤二中，所述利用ADMM对替换模型进行松弛，具体为将约束条件(2-F)中的xm,n∈{0,1}替换成0≤xm,n≤1。

3.如权利要求1所述的小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，在步骤二中，所述利用ADMM对替换模型进行分解，是指对替换模型进行松弛后，在得到的模型中以ym,n和am,n作为分解变量，只保留约束ym,n＝am,n，得到如下增广拉格朗日函数：其中λm,n为对偶变量，ρ为惩罚因子。

4.如权利要求3所述的小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，在步骤二中，所述迭代框架根据分解后得到的增广拉格朗日函数对变量ym,n,am,n,λm,n进行迭代求解；假设第k次迭代值 迭代具体步骤如下：a) 的值由求解以下优化问题的最优解得到：目标函数：

约束条件：

b) 的值由求解以下优化问题的最优解得到：目标函数：

约束条件：

c) 的值由求解以下迭代公式得到：

5.如权利要求3所述的小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，在步骤二中，所述用户终端侧优化子模型，是指如下问题：对于每个用户终端m，有

目标函数：

约束条件：

am,n≤xm,nT

am,n≥0,xm,n∈{0,1}

其中am＝[am,1,…,am,|N|]；上述问题在每个用户终端独立求解。

6.如权利要求3所述的小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，在步骤二中，所述服务器侧优化子模型，是指如下问题：对于每个服务器n，有：

目标函数：

约束条件：

上述问题在每个服务器端独立求解。

7.如权利要求5所述的小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，在步骤三中，所述利用KKT条件推导出用户终端侧优化子模型的最优闭式解，包括如下步骤：对于每个用户终端m，有 其中Φ＝{xi|xi＝[0,…,xi,0,…0],i＝1,…|N|}，xi定义如下：

8.如权利要求6所述的小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，在步骤三中，所述利用KKT条件推导出服务器侧优化子模型的最优闭式解，包括如下步骤：对于每个服务器n，yn＝[y1,n,…,y|M|,n]由下式得到：其中 集合w如下式所示：

9.如权利要求4所述的小蜂窝集成移动边缘计算下分布式卸载方法，其特征在于，在步骤四中，所述信令交互和优化迭代流程，具体如下所示:(4.1)初始化参数ρ,Pm,T, ξ,hm,n；其中用户终端m由测量信道得到hm,n,n＝

1,…,|N|；ρ,Pm,T为系统默认参数，在用户终端侧和服务器侧均为已知量， ξ由宏基站初始化；迭代次数k＝0；

(4 .2)宏基站向所有用户终端和小蜂窝服务器广播ak ,yk ,λk,其中(4.3)每个用户终端m，计算am，将am上传给宏基站；其中am＝[am,1,…,am,|N|]；

k+1

(4.4)宏基站将收集的am,m＝1,…,|M|抽取整合成a ，然后广播给所有小蜂窝服务器；

(4.5)每个服务器n，计算yn，将yn上传给宏基站，抽取整合成yk+1；其中yn＝[y1,n,…,y|M|,n]，n＝1,…,|N|；

(4.6)宏基站利用迭代框架对λm,n进行更新，得到λk+1；

(4.7)如果||ak+1-yk+1||2≤ξ,迭代终止，宏基站将ak+1作为卸载方案向所有用户终端广播并执行；如果||ak+1-yk+1||2>ξ，则k＝k+1,转至步骤(4.2)进行下一轮迭代。