1.一种移动边缘计算的联合优化方法，其特征在于，包括以下步骤：

获取移动边缘计算的任务信息；

根据获取的任务信息以及预设的适应度函数，得到任务信息的优先队列，计算任务信息中每个任务接入边缘云和服务放置边缘云的概率；

根据得到的概率进行任务信息的重分配，得到达到预设的任务信息完成率时的接入边缘云和服务放置边缘云；

其中，任务信息的重分配是依据任务信息的冗余时间，以预设的任务信息完成率为目标，对任务信息进行重新分配；

根据每个任务信息的完成时间，将不同用户发起的任务安排在一个优先队列中，对得到的任务信息的优先队列排序；

根据任务信息的优先队列排序，访问边缘云，将服务放置在初始分配期间的所有任务的边缘云中，利用层次分析法计算任务信息中每个任务接入边缘云和服务放置边缘云的概率。

2.如权利要求1中所述的一种移动边缘计算的联合优化方法，其特征在于，在获取移动边缘计算的任务信息之前，对移动用户和边缘云进行信息初始化，每个边缘云配备多台边缘服务器，在边缘云存储任务信息所需的服务时执行移动用户启动的任务；移动用户分布在边缘云的覆盖区域，边缘云的覆盖区域由于边缘云部署密度高出现覆盖区域上的重叠。

3.如权利要求1中所述的一种移动边缘计算的联合优化方法，其特征在于，所述预设的适应度函数是满足所有任务信息的约束条件和任务信息总完成率最大的效果函数。

4.如权利要求3中所述的一种移动边缘计算的联合优化方法，其特征在于，来自用户的任务比来自备份队列中其他用户的另一个任务更早执行，任务的前驱完成，即使任务的优先级低于另一个任务；卸载顺序在提高效率的同时会延长备份队列中任务的完成时间；备份队列中有一个任务由于任务的卸载而超过了其最近允许完成的时刻，则任务无法卸载；

任何任务满足备份队列中的最新允许完成时刻，则任务实际上会被卸载到所选的边缘云；

在实际卸载任务后，更新边缘云的当前存储容量，卸载下一个任务，直到所有任务都处理完毕。

5.如权利要求4中所述的一种移动边缘计算的联合优化方法，其特征在于，依据任务信息的冗余时间，以预设的任务信息完成率为目标，对任务信息进行重新分配，具体过程为：初始分配后，移动用户改变接入边缘云和执行云，以预设的任务信息完成率为目标，对任务信息进行重新分配；在重新分配期间，引入冗余时间选择合适的任务；在初始分配后，计算所有任务的完成时刻，选择具有最高冗余时间的任务；从满足约束条件的重新分配任务中，选择完成任务比例最大化的任务信息；对任务和服务的重新分配进行更新，重复重新分配过程，直到得到预设的任务信息完成率。

6.一种基于如权利要求1‑5任一项所述方法的移动边缘计算的联合优化系统，其特征在于，包括：获取信息模块，用于获取移动边缘计算的任务信息；

计算概率模块，用于根据获取的任务信息以及预设的适应度函数，得到任务信息的优先队列，计算任务信息中每个任务接入边缘云和服务放置边缘云的概率；

重分配模块，用于根据得到的概率进行任务信息的重分配，得到达到预设的任务信息完成率时的接入边缘云和服务放置边缘云；

其中，任务信息的重分配是依据任务信息的冗余时间，以预设的任务信息完成率为目标，对任务信息进行重新分配。

7.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1‑5中任一项所述的移动边缘计算的联合优化方法中的步骤。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑5中任一项所述的移动边缘计算的联合优化方法中的步骤。