1.一种移动边缘计算场景下制定单任务迁移策略的方法，其特征在于包含以下步骤：步骤1，随机任务到达时先暂存在缓存队列中，当系统调度该任务执行时，将任务划分为多个可以独立执行的子任务，可表示为集合V＝{v1,v2,…vi,…vj,…,vN}，N表示为子任务的总个数，同时将V划分为两组不同的集合Vloc、 其中Vloc代表必须在本地执行的不可迁移子任务，Voff表示用于决策制定的可以迁移至MEC服务器的子任务集合，并且每一个任务集V都存在一个唯一的入口事务和出口事务，其中所述的入口事务不存在前导事务，出口事务不存在后继事务，还将定义一个二进制变量Eij∈{0,1}以表示各个任务之间的依赖关系：对于 均存在一个eij，用于表示任务i与任务j之间的数据传输量，最后通过任务集V和事务依赖关系集E形成一个有向无环图G＝(V,E)；

步骤2，结合任务计算与任务传输能耗模型建立任务总能耗模型，并初始化总能耗模型各参数；

步骤3，初始化各条路径中的信息素浓度，任务循环次数t以及每轮循环中蚂蚁个数m；

步骤4，利用蚁群算法得到每只蚂蚁所选路径，依据步骤2设计的任务总能耗模型从所有m只蚂蚁所选路径中，选择最小能耗Emin(A)对应的路径做为本次任务循环下的优选任务迁移策略，当本次任务循环下所有m只蚂蚁均完成任务以后继续执行步骤5，其中，蚂蚁所选路径由迁移计算概率决定，且第t次任务循环下，每只蚂蚁将子任务i迁移计算的概率Pic(t)的计算公式如下：上式中各符号的意义如下：

·t表示任务循环次数；

·τic(t)表示t时刻将任务i迁移至MEC服务器这条路径上信息素的浓度，τil(t)表示t时刻任务i本地计算这条路径上信息素的浓度；

·α表示信息素启发式因子，它反映了信息素对蚂蚁路径选择的作用；

· 是一个启发函数，表示任务i需要迁移的期望程度，取值为 由此可见eij越小 越大，也就是任务i迁移的期望值越高；

·β表示启发函数因子，反映了启发函数在指导蚁群搜索中的相对重要程度；

步骤5，如果未达到预设的任务循环次数，则更新信息素浓度，并返回步骤4继续寻找更优的任务迁移策略；如果达到预设的任务循环次数，则继续执行步骤6，所述的信息素浓度更新公式如下：

τic(t+1)＝(1‑ρ)*τic(t)+Δτic(t,t+1)    (5)其中，ρ为信息素挥发因子，1‑ρ表示残留的信息素因子，Δτic(t,t+1)表示为信息素经过一轮任务迭代后的增量，由公式6计算得到：m为一次循环中蚂蚁的总个数， 表示第k只蚂蚁在任务i处任务迁移这条路径上留下的信息素，每只蚂蚁在任务i处迁移路径上留下的信息素则由公式7表示，其中Q是一个正常数，用于控制每只蚂蚁留下的信息素的数量，此处的Emin(A)代表第t次任务循环对应的最小能耗；

步骤6，最后一次任务循环得到的优选任务迁移策略即为最优任务迁移策略，根据最优任务迁移策略进行任务分配，执行边缘计算；

其中：

步骤2中所述的任务计算能耗模型如下：若任务在本地执行，则移动设备在本地执行任务的能耗为：El＝PlTl，其中，Pl为本地CPU执行任务时的功率，任务执行时间 ωi表示任务i的计算量，fl表示本地设备的CPU执行速率；

若任务在MEC服务器端执行，则移动设备的基础能耗Eb＝PbTc，其中，Pb表示移动设备CPU闲置时的功率，任务执行时间 fc表示MEC服务器的CPU执行速率；

步骤2中所述的任务传输能耗模型如下：

当任务j在MEC服务器端执行，并且其前置任务i在移动设备端执行，则消耗的能量为：其中任务的传输时间

当任务j在移动端执行，而其前置任务在MEC服务器端执行，则消耗的能量为：其中，任务的传输时间为：

其中，Rs和Rr分别表示数据上传的信道速率和数据下载信道速率，Ps和Pr分别表示数据发送和数据接收时移动设备的功率；

步骤2中所述的任务总能耗模型如下：

其中，集合A＝{A1,A2,……,AN}表示每个任务的执行位置,且

2.根据权利要求1所述的一种移动边缘计算场景下制定单任务迁移策略的方法，其特征在于：步骤3中所述的信息素浓度包括蚁群算法开始执行时各子任务在迁移路径上的信息素浓度τc(0)＝{τ1c(0)、……、τNc(0)}，和各子任务在不迁移路径上的信息素浓度τl(0)＝{τ1l(0)、……、τNl(0)}，且对于 有τic(0)＝τil(0)＝δ，δ∈(0,1)，对于 有τil(0)＝+∞。