1.一种带有任务重试的MEC任务卸载策略及优化方法，其特征在于，其包括以下步骤：S1、求解任务在本地处理器接受服务的第一平均时延Tloc：根据M/M/1排队模型的解析结果，得到本地处理器接受服务的第一平均时延Tloc为：其中，μloc表示本地处理器服务实时任务和非实时任务的时间所服从的指数分布的参数；表示任务在本地执行的概率且 p表示任务卸载到边缘层的概率且0≤p≤1；λ表示任务的到达所服从的泊松过程的参数；

S2、求解任务卸载到边缘服务器接受服务的第二平均时延Tedg：当任务选择卸载至边缘层接受服务，则任务的第二平均时延Tedg包括本地发送端口传输任务的时间Ttrans和任务在边缘服务器接受服务的时间Tserve；

S21、根据M/M/1排队模型的解析结果，得到本地发送端口传输任务的时间Ttrans为：其中，μtrans表示本地发送端口传输实时任务和非实时任务的时间所服从指数分布的参数；

S22、根据实时任务和非实时任务的占比，得到任务在边缘服务器接受服务的时间Tserve为Tserve＝α×Tnonreal+(1‑α)×Treal    (3)其中，Tnonreal表示非实时任务从到达边缘层至服务完成离开所需要的平均时间；Treal表示实时任务从到达边缘层至服务完成离开所需要的平均时间；α表示到达任务流中非实时任务占比0≤α≤1；

S23、得到第二平均时延Tedg为：

Tedg＝Ttrans+Tserve    (4)；

S3、求解任务的平均时延T：

其中，ρ表示边缘服务器吞吐量，且有：

ρ＝(pλ+λ′)×(1‑Pserious)    (6)

其中，λ′表示重试模块吞吐量；Pserious表示系统负载较重的概率，且有：其中，πi,j,k表示为稳态下重试模块中任务数量为i，边缘服务器中实时任务数量为j及非实时任务数量为k的概率分布；

S4、将多个性能指标的折衷优化问题抽象为多目标优化问题：结合期望最大化边缘服务器吞吐量ρ(p)、最小化任务的平均时延T(p)和任务平均重试次数N(p)，设计多目标优化问题为：其中，c表示边缘层物理机通过虚拟化技术划分的c台虚拟机且c≥1；μ1表示非实时任务的服务速率；d表示重试模块中重试线程数量且d≥1；θ表示重试线程中重试任务的重试率且0＜θ＜+∞；

S5、利用NSGA‑III算法，运用MATLAB软件求解步骤S4中多目标优化问题，得到满足条件的帕累托Pareto前沿点。

2.根据权利要求1所述的带有任务重试的MEC任务卸载策略及优化方法，其特征在于，所述步骤S22中的所述非实时任务从到达边缘层至服务完成离开所需要的平均时间Tnonreal的计算具体包括以下步骤：S2211、对于非实时任务，系统负载情况较低时，非实时任务被负载均衡器分配至服务器中接受服务并在服务完成后返回本地端，负载较低下非实时任务从到达边缘层至服务完成离开所需要的平均时间Tnonreal1仅为服务器服务的时间T′nonreal：S2212、系统负载情况较重时，非实时任务会被负载均衡器分配至重试模块，负载较重下非实时任务从到达边缘层至服务完成离开所需要的平均时间Tnonreal2包括服务器服务的时间T′nonreal和非实时任务在重试模块中的时间Tretry：Tnonreal2＝T′nonreal+Tretry    (10)；

S2213、对于非实时任务，所述非实时任务从到达边缘层至服务完成离开所需要的平均时间Tnonreal为：Tnonreal＝(1‑Pserious)×Tnonreal1+Pserious×Tnonreal2    (11)。

3.根据权利要求1所述的带有任务重试的MEC任务卸载策略及优化方法，其特征在于，所述步骤S22中的所述实时任务从到达边缘层至服务完成离开所需要的平均时间Treal的计算具体包括以下步骤：S2221、对于实时任务，在实时任务进入边缘层的情况下，当系统负载情况较低时，实时任务被负载均衡器分配至服务器中接受服务并在服务完成后返回本地端，则负载较低下实时任务从到达边缘层至服务完成离开所需要的平均时间Tr′eal为：其中，μ2表示实时任务的服务速率；

S2222、当系统负载较重时，实时任务被服务器丢弃，则负载较低下实时任务从到达边缘层至服务完成离开所需要的平均时间T″real＝0；

S2223、对于实时任务，所述实时任务从到达边缘层至服务完成离开所需要的平均时间Treal为：Treal＝(1‑Pserious)×T′real+Pserious×T″real      (13)。

4.根据权利要求1和2所述的带有任务重试的MEC任务卸载策略及优化方法，其特征在于，所述步骤S2212中的所述非实时任务在重试模块中的时间Tretry的计算具体包括以下步骤：S22121、根据几何分布，重试模块中的任务平均重试次数N为：S22122、把重试模块看作一个M/M/c排队模型，重试模块中新任务的到达率λretry为：λretry＝αpλPserious    (15)；

S22123、考虑到存在任务重试失败重新回到重试队列的情况，根据系统稳态下进出平衡原理，列出表达式：λ′＝λretry+λ′Pserious    (16)；

进而代入公式(7)求得重试模块中任务的真实到达率即重试模块吞吐量λ′为：S22124、根据M/M/c排队模型的解析结果，得到重试模块中平均队长Lretry为：S22125、获取任务在重试模块中重试一次的逗留时间Tsojourn为：S22126、得到所述非实时任务在重试模块中的时间Tretry为：Tretry＝N×Tsojourn    (20)。

5.根据权利要求1所述的带有任务重试的MEC任务卸载策略及优化方法，其特征在于，设定任务的到达服从参数为λ(0＜λ＜+∞)的泊松过程，本地处理器服务实时任务和非实时任务的时间均服从参数为μloc(0＜μloc＜+∞)的指数分布，本地发送端口传输实时任务和非实时任务的时间均服从参数为μtrans(0＜μloc＜μtrans＜+∞)的指数分布。

6.根据权利要求1所述的带有任务重试的MEC任务卸载策略及优化方法，其特征在于，考虑到任务对时延的容忍度不同，边缘服务器对实时任务和非实时任务设有不同的服务速率，其中非实时任务的服务速率为μ1，实时任务的服务速率为μ2(0＜μ1＜μ2＜+∞)。