1.一种绿色边缘计算系统中联合卸载决策与资源分配优化方法，包括如下步骤：步骤1：将边缘计算系统的时间划分为若干个长度为τ的时隙，时隙将系统中的N个支持能量捕获的用户设备的编号用k表示，步骤2：忽略计算结果返回的时间与能耗，将用户设备在时隙t所捕获到的绿色能源Ein(t)用于本地计算或者卸载时的任务传输；

步骤3：生成时隙t第k个用户设备缓冲区更新公式：Sk(t+1)＝min(Ak(t)+Sk(t)‑Ck(t)，Smax)，其中Smax为每个用户设备的任务缓冲区容量大小，Sk(t)为时隙初始阶段的缓冲区的任务量大小，Ak(t)为时隙末随机到达任务大小，Ck(t)为当前时隙计算完成的任务量，将时隙末到达的任务放入任务缓冲区，使它在下一个时隙计算；

步骤4：当任务被卸载时，首先将任务传输至MEC服务器，根据香农公式，生成时隙t第k个用户设备卸载时任务的传输速率表达式：其中 是第k个用户设备在时隙t的传输功率，其最大值为 B为用户设备可用的信道带宽，σ为噪声功率，hk(t)为信道功率增益，将时隙t第k个用户设备的卸载策略表示为xk(t)，yk(t)：则计算得到卸载用户数量

步骤5：根据步骤4，生成时隙t第k个用户设备的传输时间表达式 传输能耗表达式步骤6：计算得到时隙t第k个用户设备本地计算应取的CPU频率值：其中 为用户设备最大CPU频率值，μ为用户设备与MEC服务器的CPU处理1bit的数据L所需要的CPU周期，κ为用户设备的CPU有效开关电容，步骤7：生成时隙t第k个用户设备本地计算的功率表达式 产生的能耗表示式 其中 为计算时间，则生成时隙t所有进行本地计算的用户设备时间和表达式

步骤8：生成时隙t第k个用户设备卸载到MEC服务器计算的计算时间表达式其中 为MEC服务器CPU核心频率，最大值为 则生成产生能耗MEC

表达式 其中 表示CPU功率，κ 为MEC服务器CPU的有效开关电容，则生成时隙t卸载至MEC服务器计算时间和表达式产生能耗和表达式步骤9：生成时隙t卸载至MCC计算的时间和表达式能耗和表达式

MCC MCC

其中d 为将任务从MEC发送至MCC的时延，e 为MCC服务器计算任务的能耗成本；

T

步骤10：结合步骤1‑9，将第k个用户设备的卸载策略表示为向量wk(t)＝[xk(t)，yk(t)] ，将所有用户设备的卸载策略表示为向量W(t)＝[w1(t)，...，wN(t)]，将MEC服务器的CPU频率表示为向量 将用户设备向MEC传输任务时的传输功率表示为向量 将所有用户设备在时隙t的时延总和与未完成任务惩罚之和表示为 其中γ

MEC MCC

为未完成任务在时间上的惩罚系数，生成总能耗成本表达式E(t)＝E (t)+E (t)，建立如下关于任务卸载的数学模型：问题 描述的是多个用户设备在长期能耗约束下最小化时延总和与未完成任务的问题，问题的决策变量包括任务卸载决策，MEC服务器CPU频率的分配以及传输信道带宽的分配，约束(1)表述了卸载决策的二元性，约束(2)‑(4)分别是用户设备卸载时的传输功率、传输时间、传输能耗的最大值约束，约束(5)为卸载时MEC服务器频率的最小值(计算时间约束)和最大值约束，约束(6)则是长期能耗成本的约束；

步骤11：根据Lyapunov优化算法，构建初始值为0的虚拟队列，表示为Q(t+1)＝max{Q(t)+E(t)‑Emax，0}步骤12：根据步骤10和11，将原始的长期优化问题重塑为每个时隙的确定性优化问题：s.t.(1)‑(5)

其中V是非负的控制参数；

tx tx

步骤13：引入传输的最大时间约束τ ，即传输需要在τ 的时间内完成，以解耦与 简化求解，则将约束(3)、约束(5)修改为步骤14：对每个用户设备分别求解其MEC计算时的最优CPU频率，即求解以下问题：s.t.(8)

对优化目标函数单调性进行分析可得最优解：

步骤15：类似的，对每个用户设备分别求解其卸载时的最优传输功率，即求解以下问题：s.t.(2)，(4)，(7)

对优化目标函数单调性进行分析可得最优解：

其中 是方程 的解， 是方程 的解；

步骤16：将本地计算成本表示为 卸载成本表示为MEC计算成本表示为

MCC计算成本表示为

对于用户设备k，由于其卸载时只需要选择MEC和MCC计算成本较小的即为最优解，yk(t)不需要再被决策，于是将卸载决策表示为x(t)＝[x1(t)，x2(t)，...，xN(t)]，卸载成本表示为 根据步骤14与步骤15得到的最优MEC服务器CPU频率以及传输功率，将任务卸载决策问题构建为整数线性规划数学模型：s.t.(1)

其中常数M0＝0，1，...，N表示卸载数量，即需要根据卸载数量的不同分别求解N+1个这样的整数线性规划问题，再比较这N+1个问题的最优解，即为最优卸载策略；

步骤17：基于拟阵理论，计算每个用户设备卸载计算与本地计算的成本差，即循环选择成本差最小的用户设备卸载，直到卸载数量达到M0，剩余的用户设备则本地计算；

步骤18：将所有用户设备按照步骤17得到的最优卸载决策进行卸载，根据步骤6设置本地计算的用户设备的CPU频率，并且不分配带宽资源，根据步骤14与15给卸载的用户设备分配传输功率和带宽，并且给卸载到MEC服务器计算的用户设备分配MEC服务器的CPU频率；

步骤19：在当前时隙结束前更新虚拟队列与用户设备的任务缓冲区，在下一个时隙重复步骤2到18。