1.一种面向能耗与安全感知的服务工作流调度方法，其特征在于，包括以下步骤：步骤(1)：建立模型；针对能耗问题建立结果质量模型，然后建立安全模型为任务调度提供安全服务，并提供安全服务开销方式，其步骤如下：步骤(1.1)：建立结果质量QoR模型；使用可调节QoR等级对任务工作量进行调整，当一个应用所能达到的最理想精度为A*时，若实际精度为A时，则QoR等级q的模型如下：* * *

q＝1‑(A‑A)/A＝A/A∈[0，1]步骤(1.2)：建立安全模型；其进一步包含以下步骤：步骤(1.2.1)：建立机密性服务模型；为任务调度提供机密性服务，并将机密性服务等级最高的RSA安全等级设置为1.00，以量化其他机密性服务；

步骤(1.2.2)：建立完整性服务模型；为任务调度提供完整性服务，并将完整性服务等级最高的SHA256算法安全等级设置为1.00，以量化其他完整性服务；

步骤(1.2.3)：建立风险概率模型；利用网络攻击次数作为风险参数，评估任务在不同安全服务种类下的风险概率；并提出若要使任务免受攻击风险，安全性服务等级slv必须大于或等于安全性需求sdv，即slv‑sdv≥0；

步骤(2)：划分QoR组；为降低算法复杂度，将节点划分为不同的QoR组，为划分QoR组，执行以下步骤：步骤(2.1)：计算传输速率；令移动设备与边缘节点通信的传输带宽为Bi，则移动设备在时间片 内的传输速率 可表示为：tx

其中P 为设备传输功率， 表示移动设备与边缘节点的距离，γ为路径损耗常数，θ为路径损耗指数，σ为信号干扰因子；

步骤(2.2)：计算单位工作量传输能耗；使用如下公式计算移动设备与节点i的单位工作量传输能耗其中Di为移动设备传输给边缘节点的单位工作量的数据大小；

步骤(2.3)：排序并分组；通过步骤(2.2)得出的 大小对边缘节点按照升序排序，使用给定的QoR等级对边缘节点进行分组，并设置节点QoR等级；

步骤(3)：确定编码方式；在对个体编码进行考虑时，需结合任务的调度位置、任务执行顺序与任务执行的QoR等级等因素；

步骤(4)：初始化种群；首先需要对种群进行初始化，即对个体进行编码；为加快搜索过程，采用随机法对任务调度位置与任务执行顺序进行初始化；

步骤(5)：适应度评价；适应度可以展现某个个体的优劣程度，包括以下步骤：步骤(5.1)：时间计算；其中时间计算包括安全开销时间、传输时间、任务执行时间；

步骤(5.1.1)：安全开销时间计算；当移动设备与边缘节点进行通信时，安全开销时间sc scT 与需要安全服务的工作量W 与移动设备处理能力C有关：sc sc

T ＝W /C

步骤(5.1.2)：传输时间计算；设D为所需传输的数据大小，Ri为移动设备与边缘节点之tx间的网络传输速度，则大小为wi的工作量的总数据传输时间Ti 为：其中D＝wiDi，Di为移动设备传输给边缘节点的单位工作量的数据大小；

步骤(5.1.3)：执行时间计算；执行时间与需要执行的工作量wi与移动设备处理能力C确定，令Ti(qi)为以qi的QoR等级完成单位工作量所需时间，则执行时间为：ex

Ti ＝wi/C

步骤(5.1.4)：完成时间计算；总工作量处理时间T为所有M个节点的最大响应时间总和：步骤(5.2)：能耗计算；能耗计算主要包括本地执行能耗计算与传输能耗计算：cx cx

步骤(5.2.1)：本地执行能耗计算；若设备执行功率为Pi ，则本地执行能耗E 为：sc

其中Wi 为将大小为wiDi的数据传输至边缘节点所需的安全服务工作量，w0为在移动设备端执行的工作量，C0为移动设备的处理能力；

tx

步骤(5.2.2)：传输能耗计算；在传输速率为Ri，移动设备与边缘节点的传输功率为Pi的条件下，将工作量大小为wi的数据从移动设备传输至边缘节点的能耗 为：tx

则设备传输能耗E 为与所有节点通信的传输能耗之和：步骤(5.2.3)：计算总能耗；最后，移动设备完成服务工作流所需的总能耗E可以通过以下公式计算：tx cx

E＝E +E

步骤(5.3)：计算适应度值；本发明选取任务调度目标作为适应度评价指标：fitness＝E+αT

其中α为偏好因子，可以由算法使用者根据对能耗与延时的偏好程度自行确定；

步骤(6)：选择算子；选择操作可以筛选种群，保留种群中相对较优的个体进入下一次迭代以优化种群，保持种群大小在迭代前后一致以确保算法性能；个体i的非支配等级为rank(i)，再计算每层中个体的拥挤距离，个体i拥有的拥挤距离为dist(i)；在种群中，若个体i优于个体j，则有：rank(i)＜rank(j)||{rank(i)＝rank(j)&&(dist(i)＞dist(j))}步骤(7)：交叉算子；交叉算子模拟了自然界中染色体交叉配对，生成新个体的过程，能够扩大算搜索空间，帮助算法探索可用任务调度方案；

步骤(8)：变异算子；变异操作通过改变个体的某个基因编码值，能够保证遗传基因多样性，帮助算法摆脱局部最优状态，获得高质量的解；

步骤(9)：判断终止；若方法迭代次数达到最大迭代次数，则退出循环，输出最优个体作为最终调度方案。