1.一种时延与能耗折衷的边缘计算方法，其特征在于：在兰道尔原理下建立系统动态能耗优化模型，包括以下步骤：S1：确定一个多核单MEC服务器多用户的边缘网络系统，将整个时间段划分成多个时隙，用户设备在每个时隙开始产生服从泊松过程的任务数据包；

S2：构造本地侧模型：利用兰道尔原理建立任务在本地执行和卸载传输的热功耗模型，考虑用户设备计算能力的限制以及温度安全保护机制，为不能及时处理的本地计算任务和卸载传输任务建立排队等待队列，并且在每个时隙的开始更新任务队长；

S3：构造边缘计算模型：当任务卸载到边缘服务器时，根据任务所需频率最小原则调度MEC服务器的计算资源为用户提供服务，统计调用MEC核的总CPU周期数建立边缘计算能耗模型；为不能及时处理的卸载任务建立排队队列，在每个时隙的开始更新任务队长；

S4：确定优化目标：建立任务长期平均时间处理能耗最小优化目标，考虑到任务产生的随机性以及信道的时变特性，采用李雅普诺夫优化理论在线优化任务卸载决策和资源分配策略；

S5：获得任务卸载和资源分配策略：将原始优化问题拆分为任务卸载决策以及计算、传输资源分配子问题，分别求解相应的子问题获得使系统能耗最小的优化策略，通过调节李雅普诺夫参数V均衡系统的能耗和时延。

2.根据权利要求1所述的时延与能耗折衷的边缘计算方法，其特征在于：所述步骤S2具体包括以下步骤：S21：初始化开始时隙本地任务等待处理队列Rk(t)，本地处理的任务大小为智能设备的计算功率等于发热功率，本地任务处理大小与能耗的关系式定义为 其中，F0为加载晶体管逻辑门的数量，ω为激活因子，KAP为每bit‑23

逻辑操作数；Et＝GLbound，Lbound＝kBTenvln2为兰道尔极限，kB＝1.38×10 为玻尔兹曼常数，Tenv表示环境温度，更新本地任务等待处理队列：+

其中Rk(t+1)为更新后的本地任务等待处理队列， 为分配给本地的任务量，[x] ＝max(x,0)；

S22：初始化任务卸载传输队列，任务传输功率为 上行传输产生的芯片热功耗为其中φ和η分别为功率放大器到芯片的传热比、功率放大器的效率；

本地计算功耗和卸载传输产生的总热功耗为 智能设备的表面温度与任务处理热功耗、处理持续时间t的关系满足：其中，hair为空气对流换热系数，A为散热器的面积， cchip为芯片的比热，m为芯片质量，k1，k2分别为散热器和智能手机背板的导热系数；根据智能设备的安全保护机制Tsur(t)＜Tsafe，有经过不等式转换得到下式：

其中，

S23：根据获得的卸载传输功耗 得到卸载任务传输的能耗为 其中τ表示每个时隙的长度，由香农公式得到信道传输容量 满足下式：2

其中，hk表示信道增益，σ为噪声功率，W为信道带宽，更新等待卸载传输的任务队列为：其中Uk(t)为等待卸载传输的任务队列，Uk(t+1)为更新后的等待卸载传输的任务队列。

3.根据权利要求1所述的时延与能耗折衷的边缘计算方法，其特征在于：所述步骤S3具体包括：MEC服务器总共有J个核，每个核的CPU计算频率最大值为 表示用户k在MEC第j个核上处理任务的计算频率，第k个用户在MEC上的计算任务量表示如下：其中，τ表示每个时隙的长度，ρ表示处理每bit任务所需的CPU周期数；MEC服务器计算消耗的总能量为 K为用户总数，ξm为取决于CPU硬件条件的参数；动态更新等待边缘处理的任务队列状态为：Hk(t)为等待边缘处理的任务队列状态，Hk(t+1)为更新后的等待边缘处理的任务队列状态， 为信道传输容量。

4.根据权利要求1所述的时延与能耗折衷的边缘计算方法，其特征在于：所述步骤S4具体包括：total

系统总能耗E (t)为：

m

其中 本地任务处理能耗， 卸载任务传输能耗，E (t)MEC服务器计算能耗；

确立系统的优化目标，在保证所有队列稳定的情况下最小化系统长期平均时间总能耗：P:

定义θ(t)＝[Rk(t),Uk(t),Hk(t)]作为所有队列和虚拟队列的级联向量，李雅普诺夫函数定义为：在第t时隙的李雅普诺夫漂移函数由下式给出：ΔL(θ(t))＝E{L(θ(t+1))‑L(θ(t))|θ(t)}李雅普诺夫漂移加惩罚项函数表示为：

total

ΔLV(θ(t))＝ΔL(θ(t))+VE{E (t)θ(t)}其中，V为李雅普诺夫控制参数，用于平衡系统平均时间总能耗和队列长度；在任何控制算法下，对于所有t，所有θ(t)的可能值以及所有参数V≥0可推出李雅普诺夫漂移加惩罚项都遵循以下上界：其中，对于所有t，B为一个常数，满足以下式子：在优化过程中忽略常数B。

5.根据权利要求4所述的时延与能耗折衷的边缘计算方法，其特征在于：所述步骤S5具体包括：根据步骤S4获得的李雅普诺夫漂移加惩罚项的上界，将原始问题拆分为任务卸载决策以及计算、传输资源分配子问题，分别求解相应的子问题获得使系统能耗最小的优化策略，通过调节李雅普诺夫参数V均衡系统的能耗和时延，具体包括以下步骤：S51：任务分配决策子问题决定任务在本地执行和卸载执行的数据量，任务分配决策子问题表示如下：P1:

任务分配的最优解为：

S52：在每个时隙，考虑资源受限的用户设备；通过解决以下子问题来优化设备的资源调度：P2:

C2:

C3:

存在一个正的最优传输功率 满足以下式子，为小于 的最大值；

S53：通过求解以下子问题优化调度MEC服务器CPU核的最优频率：P3:

将问题P3分解为J个独立的子问题，对于每个CPU核，当该CPU核被用户占用时，导出如下：对 j，CPU核的最优频率通过以下公式解决：其中，

最后根据little公式，长时间平均时延通过下式获得：