1.一种基于用户移动性的任务卸载及迁移的决策方法，其特征在于，所述方法包括以下步骤：步骤1、移动用户针对随机的连接时间与任务处理时间关系，确定移动边缘云系统的成本与收益；以最大化移动边缘云系统的收益为目标，建立收益系统模型；

步骤2、对所述收益模型采用多阶段随机规划方法；从而获得每个移动边缘云计算MEC的收益以及其对应的卸载任务量；

步骤3、采用上置信界算法使得学习时间T内最大化系统收益，从而获得系统收益最大的MEC。

2.根据权利要求1所述的一种基于用户移动性的任务卸载及迁移的决策方法，其特征在于，所述移动边缘云系统的成本包括通信成本、迁移成本、计算成本以及逗留成本；具体包括以下计算公式：其中， 表示移动用户与第j个MEC的通信成本； 表示移动用

户与第j个MEC的计算成本； 表示移动用户与第j个MEC的迁移成本；

表示移动用户与第j个MEC的逗留成本；Tict是移动用户与第i个MEC的连接时间，xi为移动用户计划卸载到第i个MEC的任务量；γi为移动用户传输到第i个MEC每单位时间传输数据成本，κj为第j个MEC与移动用户之间的每单位时间传输数据成本；Ticom(xi,Tict)是移动用户与第i个MEC的通信时间， 是移动用户与第j个MEC的通信时间；

Ticomp(xi,Tict)和 分别为第i个MEC和第j个MEC的计算时间；αi和βj分别为第i个和第j个MEC每单位时间计算成本；Tlcomp(xi)为用户本地计算时间，θ为移动用户设备每单位时间计算成本；δi为第i个MEC每单位时间数据迁移成本， 为迁移时间； 为单位逗留时间成本，Tiidle(xi,Tict)为产生逗留成本的时间。

3.根据权利要求2所述的一种基于用户移动性的任务卸载及迁移的决策方法，其特征在于，所述收益系统模型包括：

0≤xi≤W；

其中，Zi(xi,Tict)表示在Tict内，第i个MEC中xi对应的收益函数值；i＝1,...,N；N表示MEC总数量；Ui,j(xi,Tict)表示通过将任务量xi卸载到第i个MEC上获得的效益函数；

表示在连接时间Tict内，移动用户将任务量xi卸载到第i个MEC上的能耗；Eth表示移动用户的能耗阈值；W为总任务量。

4.根据权利要求3所述的一种基于用户移动性的任务卸载及迁移的决策方法，其特征在于，所述效益函数Ui,j(xi,Tict)的计算公式包括：其中，ωi和εj分别是第i个MEC和第j个MEC的权重因子，Pi是第i个MEC的计算能力；Pj是第j个MEC的计算能力。

5.根据权利要求3所述的一种基于用户移动性的任务卸载及迁移的决策方法，其特征在于，在连接时间Tict内，移动用户将任务量xi卸载到第i个MEC上的能耗 的计算公式包括：为卸载任务xi本地计算产生的能耗， 为移动用户将卸载任务xi

上传至MEC所产生的能耗；

其中，ν表示有效开关电容；λ表示为任务周期因子；p为用户传输功率； 为第i个MEC的上行链路传输速率； 为第j个MEC的上行链路传输速率； 表示为任务量xi卸载到第i个MEC的传输时间。

6.根据权利要求1所述的一种基于用户移动性的任务卸载及迁移的决策方法，其特征在于，所述步骤2包括将步骤1中的收益系统模型采用多阶段随机规划方式表示为：其中，Zi(xi,Tict)表示在Tict内，第i个MEC中xi对应的收益函数值；xi为移动用户计划卸载到第i个MEC的任务量；Tict是移动用户与第i个MEC的连接时间； 表示在阶段s时对部分收益系统 求数学期望；Ωi,s表示在阶段s时第i个MEC与移动用户连接时间的场景集合； M为移动用户与第i个MEC的可能连接时间的数量；i＝1,...,N；N表示MEC总数量；s＝1,...,S；S表示W所划分的阶段数；xi,s表示在第s阶段时卸载到第i个MEC上的任务大小； 是在阶段s移动用户与第i个MEC的连接时间；

表示在阶段s的卸载任务xi,s的本地计算成本；Eth表示移动用户的能耗阈值；W为总任务量。

7.根据权利要求1所述的一种基于用户移动性的任务卸载及迁移的决策方法，其特征在于，所述步骤3包括将MEC总数量作为上置信界算法的臂，在每次学习中，从多个MEC中选择一个进行卸载并获得收益，从而计算出系统平均收益。

8.根据权利要求7所述的一种基于用户移动性的任务卸载及迁移的决策方法，其特征在于，所述系统平均收益的计算公式包括：其中，T表示学习周期；at表示第t次学习时移动用户选择卸载的MEC；Z(t,at)表示当在第t次学习时，移动用户选择第at个MEC时获得的收益值。