1.一种基于MOMBI面向智慧城市应用多目标计算迁移方法，其特征在于，包括：步骤10、根据当前的网络环境，将预先设置好的任务中的任务数据进行读入；

步骤20、随机生成大小为N的父代种群 作为计算迁移策略的一组解，其中i代表当前迭代次数，i的初始值设为0，然后获取最大迭代次数δ，变异概率Pm以及交叉概率Pc；

步骤30、计算父代种群 目标函数的数值，所述目标函数包括移动设备的时延函数、移动设备的能耗函数、边缘服务器平均资源利用率函数以及边缘服务器负载均衡函数，然后选取各个目标函数数值最优的点和各个目标函数数值最差的点作为参考点，将所述参考点和父代种群 输入到MOMBI算法的R2指标中，将每一个个体划分至不同的层级；

步骤40、通过锦标赛方法对每一层级内的个体执行二进制比赛选择，随机选取两个个体进行对比，用来对个体进行排序，然后根据变异概率Pm以及交叉概率Pc，对父代种群 进行交叉、变异操作，生成父代种群 的子代种群 然后将子代种群 与父代种群 合并成下一代种群，表示为

步骤50、计算下一代种群 目标函数的数值，并更新所述参考点，然后将下一代种群和更新后的参考点输入到R2指标中，对 中的个体分级排序；

步骤60、根据排序从 中选择数量为N的个体作为第i+1轮父代种群，表示为 判断当前迭代次数i是否小于最大迭代次数δ，若是，更新当前迭代次数以及当前父代种群，并返回步骤40，若否，停止迭代，选择 中最优的解并输出。

2.根据权利要求1所述的方法，其特征在于：所述步骤30中，所述目标函数具体为：移动设备的时延函数为：

其中，N为父代种群的个体数，stn,i为任务迁移策略，To(ST)为stn,i在迁移任务下的时间延迟，Te(ST)为stn,i在不同平台下的执行时延，Tw(stn,i)为虚拟机的等待时延，Tt(ST)为计算任务在不同平台中传输的传输时延；

移动设备的能耗函数为：

其中，Eo(stn,i)为迁移能耗，Ee(stn,i)为执行能耗，为Ew(stn,i)为等待能耗，Et(stn,i)为传输能耗；

边缘服务器平均资源利用率函数为：其中，EZ为处于工作状态的边缘服务器数量，Ce为第e台边缘服务器的资源利用率；

边缘服务器负载均衡函数为：

其中，U(ST)代表平均资源利用率。

3.根据权利要求1所述的方法，其特征在于：所述步骤30中，所述R2指标的分级函数具体为：

其中，W表示一组切比雪夫向量，w属于W中的单个向量，A为帕累托近似解的集合，a为A中的单个的解，k表示分级的级数，Bk＝{Uxrankx|k≥2,1≤x≤k}表示低一级别的解集合，wi为第i个切比雪夫向量，μi(x)为当前种群的个体， 为最大值参考点， 为最小值参考点。

4.根据权利要求1所述的方法，其特征在于：所述步骤60中，选择 中最优的解并输出，具体包括：

步骤61、对每一个目标函数进行归一化以统一量化：其中，Tmax和Tmin分别代表在第s个种群中，时间消耗的最大值和最小值；

其中，Emax和Emin分别代表第s个种群中，能耗的最大值和最小值；

其中，Umax和Umin分别代表第s个种群中，资源利用率的最大值和最小值；

其中，Lmax和Lmin分别代表第s个种群中，负载均衡的最大值和最小值；

步骤62、为了衡量四个目标函数的迁移策略最大效用价值，用ωt、ωe、ωu和ωl分别表示时间消耗、能耗、资源利用率和负载均衡的权重，则效用价值 的表达式为：步骤63、使用SAW和MCDM算法选择具有最大效用价值的种群作为最优解，S.t.ωt,ωe,ωu,ωl∈[0,1]ωt+ωe+ωu+ωl＝1

其中，S代表MOMBI迭代完成后的总种群，S.t.代表约束条件；

步骤64、输出所述最优解。

5.一种基于MOMBI面向智慧城市应用多目标计算迁移装置，其特征在于，包括：任务数据获取模块、初始化模块、分级模块、下一代种群生成模块、计算更新模块以及种群迭代模块；

所述任务数据获取模块，用于根据当前的网络环境，将预先设置好的任务中的任务数据进行读入；

所述初始化模块，用于随机生成大小为N的父代种群 作为计算迁移策略的一组解，其中i代表当前迭代次数，i的初始值设为0，然后获取最大迭代次数δ，变异概率Pm以及交叉概率Pc；

所述分级模块，用于计算父代种群 目标函数的数值，所述目标函数包括移动设备的时延函数、移动设备的能耗函数、边缘服务器平均资源利用率函数以及边缘服务器负载均衡函数，然后选取各个目标函数数值最优的点和各个目标函数数值最差的点作为参考点，i

将所述参考点和父代种群En输入到MOMBI算法的R2指标中，将每一个个体划分至不同的层级；

所述下一代种群生成模块，用于通过锦标赛方法对每一层级内的个体执行二进制比赛选择，随机选取两个个体进行对比，用来对个体进行排序，然后根据变异概率Pm以及交叉概率Pc，对父代种群 进行交叉、变异操作，生成父代种群 的子代种群 然后将子代种群与父代种群 合并成下一代种群，表示为所述计算更新模块，用于计算下一代种群 目标函数的数值，并更新所述参考点，然后将下一代种群 和更新后的参考点输入到R2指标中，对 中的个体分级排序；

所述种群迭代模块，用于根据排序从 中选择数量为N的个体作为第i+1轮父代种群，表示为 判断当前迭代次数i是否小于最大迭代次数δ，若是，更新当前迭代次数以及当前父代种群，并返回下一代种群生成模块，若否，停止迭代，选择 中最优的解并输出。

6.根据权利要求5所述的装置，其特征在于：所述分级模块中，所述目标函数具体为：移动设备的时延函数为：

其中，N为父代种群的个体数，stn,i为任务迁移策略，To(ST)为stn,i在迁移任务下的时间延迟，Te(ST)为stn,i在不同平台下的执行时延，Tw(stn,i)为虚拟机的等待时延，Tt(ST)为计算任务在不同平台中传输的传输时延；

移动设备的能耗函数为：

其中，Eo(stn,i)为迁移能耗，Ee(stn,i)为执行能耗，为Ew(stn,i)为等待能耗，Et(stn,i)为传输能耗；

边缘服务器平均资源利用率函数为：其中，EZ为处于工作状态的边缘服务器数量，Ce为第e台边缘服务器的资源利用率；

边缘服务器负载均衡函数为：

其中，U(ST)代表平均资源利用率。

7.根据权利要求5所述的装置，其特征在于：所述分级模块中，所述R2指标的分级函数具体为：

其中，W表示一组切比雪夫向量，w属于W中的单个向量，A为帕累托近似解的集合，a为A中的单个的解，k表示分级的级数，Bk＝{Uxrankx|k≥2,1≤x≤k}表示低一级别的解集合，wi为第i个切比雪夫向量，μi(x)为当前种群的个体， 为最大值参考点， 为最小值参考点。

8.根据权利要求5所述的装置，其特征在于：所述种群迭代模块中，选择 中最优的解并输出，具体包括如下步骤：

步骤61、对每一个目标函数进行归一化以统一量化：其中，Tmax和Tmin分别代表在第s个种群中，时间消耗的最大值和最小值；

其中，Emax和Emin分别代表第s个种群中，能耗的最大值和最小值；

其中，Umax和Umin分别代表第s个种群中，资源利用率的最大值和最小值；

其中，Lmax和Lmin分别代表第s个种群中，负载均衡的最大值和最小值；

步骤62、为了衡量四个目标函数的迁移策略最大效用价值，用ωt、ωe、ωu和ωl分别表示时间消耗、能耗、资源利用率和负载均衡的权重，则效用价值 的表达式为：步骤63、使用SAW和MCDM算法选择具有最大效用价值的种群作为最优解，S.t.ωt,ωe,ωu,ωl∈[0,1]ωt+ωe+ωu+ωl＝1

其中，S代表MOMBI迭代完成后的总种群，S.t.代表约束条件；

步骤64、输出所述最优解。