1.一种移动边缘计算的海上卸载和资源分配方法，包括如下步骤：（1）获取海上待部署区域的网络接入节点的位置、待处理的船只用户请求任务和规定的卸载策略；

（2）制定船只用户的传输功率分配问题，使系统传输能耗最小；

（3）利用粒子群优化算法，实现用户的传输功率优化；

（4）确定传输功率后，将联合请求卸载与计算资源分配问题建模为一个混合整数非线性规划问题，以最大化系统效能；

（5）利用粒子群优化算法，对卸载问题和计算资源进行优化和分配。

2.根据权利要求1所述一种移动边缘计算的海上卸载和资源分配方法，其特征在于，所述步骤（1）具体包括如下步骤：在海上多服务器多用户系统中获取海上待部署区域的网络接入节点的位置、待处理的船舶用户请求任务和规定的卸载策略;设船舶用户有，带有边缘服务器的微基站有 ，带有云服务器的宏基站只有一个,假设每个用户每次有1个计算任务，计算任务为 ，计算任务表示为 ，尖括号 表示为一个元组，包含所述四种元素，其中 任务的输入量大小， 表示边缘服务器处理任务时的工作负载， 表示为完成计算任务的理想时延， 表示为完成计算任务的最大时延，为时延的上限,卸载策略分为卸载到边缘端和卸载到云端，其中卸载到边缘端表示为1，卸载到云端用0表示。

3.根据权利要求1所述一种移动边缘计算的海上卸载和资源分配方法，其特征在于，所述步骤（2）具体包括如下步骤：采用正交频分多址作为上行链路的多址方案，将总带宽 划分到 个船舶用户上，子频带为 ，其中 ；其中 表示上行子带调度，为了保证同一个基站下的用户上行传输的正交性，每个用户被分配到一个子频段，每个基站最多同时服务 个用户；在系统中每个用户的传输功率为 ，一个小区内所有用户的总发送功率为 ，即满足 ，每个用户的最大发送功率是 。

4.根据权利要求3所述一种移动边缘计算的海上卸载和资源分配方法，其特征在于，卸载变量用 表示，其中 表示上行子带调度，当 时,表示卸载到边缘服务器，表示在云端执行计算任务；由于每个任务可以在云端执行或是卸载到最多一个边缘服务器执行，可以得到 ，其中 表示边缘服务器的数量，边缘服务器的微基站有 ；其中 表示上行子带调度 。

5.根据权利要求3或4所述一种移动边缘计算的海上卸载和资源分配方法，其特征在于，当卸载到边缘服务器时, 是在子带 上用户 和边缘服务器 之间的上行链路信道增益，它包括了路径损耗、阴影和天线增益的影响；

其中上行信道增益使用三径模型产生，可表示为：

，

其中 表示波长， 表示发射端和接收端的距离， 分别表示发射端和接收端的高度， 表示蒸汽波导的高度；

由于发送到同一基站的用户使用不同的子带能够较好地抑制了上行小区内干扰，但是仍然存在小区间干扰，用户 到子带 上基站的信干比 为：，

其中 表示用户 的传输功率， 是上行信道增益， 是噪声，表示其他小区边缘服务器 的用户干扰， 表示服务器 和用户之间的卸载决策， 表示用户 的传输功率， 是边缘服务器 和用户 之间的上行信道增益； 表示边缘服务器 所在的小区的用户集合；

由于每个用户只在一个子带上进行传输，用户 的上传速率 为：，其中 ， ；

其中将总带宽 划分到 个船舶用户上，子频带是 ，其中 ；

其中 表示上行子带调度， 表示用户 在所有上行子带上的信干比， 表示用户 在所有上行子带上的卸载决策；

当任务卸载到边缘服务器时，上传时间 为：

，

其中为 任务输入量, 表示用户 的上传速率， 表示边缘服务器的数量，边缘服务器的微基站有 ；

能量传输能耗 为 ，

其中 表示用户 的传输功率， 表示任务卸载到边缘服务器时的上传时间。

6.根据权利要求5所述一种移动边缘计算的海上卸载和资源分配方法，其特征在于，所述步骤（2）的功率分配问题可以表示为最小化能耗： ，服从约束，其中 是一个小区内所有用户的总发送功率， 是个船舶用户 的总的传输功率， ,用户的传输功率不能超过最大值，船舶用户生成的每个任务可以仅卸载到一个边缘服务器或云端；

令 ， 表示为其他小区的总干扰，我们要找到 的近似值，假设每个基站独立计算其上行链路功率分配，即不需要相互协作，并将上行传输功率告知关联用户，那么 可达到的上界为：，用 代替 ，得到

,其中 表示用户 的最大功率，令

， 则转换成只有 变量的函数，可表示为：

；求解传输能耗最小化问题为 ；

表示边缘服务器 所在的小区的用户的集合， 表示的是服务器 所在的小区的用户的集合。

7.根据权利要求6所述一种移动边缘计算的海上卸载和资源分配方法，其特征在于，所述步骤（3）使用粒子群算法进行求解,包括以下步骤：步骤一：初始化粒子种群，设定粒子群规模,随机生成粒子的初始位置 ，每个粒子的初始化速度 ；

步骤二：计算初始位置，由初始化参数和传输能耗计算公式，得到最小化传输能耗；根据最小化的传输能耗得到最优的功率分配和最优的粒子初始位置 ，将其最优初始位置设置为全局最优初始位置 ，将每个粒子的初始位置 设置成个体最优初始位置；

步骤三：分别对粒子位置和粒子速度进行更新，判断每个粒子的位置是否满足约束条件，若满足，则分别对粒子位置和速度进行更新；若不满足，则随机生成新的粒子位置和速度；

粒子速度更新公式为：

；

粒子位置更新公式为： ；

其中 表示迭代次数， 表示惯性权重， 和 分别表示粒子个体和粒子全体的学习因子， 和 为 内之间的随机数， 表示粒子 在 次迭代时的个体最优值， 表示全部粒子在 次迭代时的全局最优值， 表示粒子 在 次迭代时的位置， 表示粒子 在 次迭代时的速度；

步骤四：选取粒子群算法的适应度函数决定收敛速度和最优解，本发明中用传输的能量损耗来定义适应度函数，适应度函数可表示为： ；

根据适应度进行新的全局最优初始位置和个体最优初始位置的更新；

当 时， ；当

时， ；

步骤五：判断迭代是否达到结束条件；若满足，则输出最优的粒子位置，若不满足，则返回步骤三，最终实现减少传输能耗，实现功率的优化。

8.根据权利要求7所述一种移动边缘计算的海上卸载和资源分配方法，其特征在于，所述步骤（4）具体包括如下步骤：在确定了最优功率后，由于每个基站处的MEC服务器，能够同时向多个用户提供计算卸载服务，每个MEC服务器提供给关联用户共享的计算资源由计算速率量化 ，每个用户在边缘服务器计算资源的调度用 表示，其中 且；

同一区域的船舶用户竞争同一微基站的计算资源，以在理想延迟内完成请求，提出基于服务质量的效用函数 为：基于服务质量的效用函数 ，表征系统的服务质量性能，其中 为在边缘服务器处理时的总时延， 表示完成任务的理想时延， 表示时延的上限， ，在边缘端我们将任务处理的系统成本定义为： ， 是一个用户定义的常数，以确保 的范围在[0,1]， 表示在边缘端的执行能耗；

给定固定的计算资源，边缘服务器如果无法及时处理所有任务，船舶用户可以选择将任务请求发送到云端进行处理，边缘系统应为此支付费用；定义为卸载到云端的额外成本定义为： ，其中 是一个常数，表示服务质量和执行能耗的相对重要性， 表示在云端的执行损耗；将联合请求卸载和计算资源调度问题表述为系统效能最大化问题，总系统润效用定义为： 。

9.根据权利要求8所述一种移动边缘计算的海上卸载和资源分配方法，其特征在于，所述步骤（5）使用粒子群算法进行求解系统效能最大化问题，包括以下步骤；

步骤一：初始化粒子种群，设定粒子群规模,随机生成粒子的初始位置 ，每个粒子的初始化速度 ；

步骤二：计算初始位置，由初始化参数和系统总效能公式，得到最大化系统效能；根据最大化系统效能得到最优的粒子初始位置 ，将其最优初始位置 设置为全局最优初始位置 ，将每个粒子的初始位置 设置成个体最优初始位置 ；

步骤三：分别对粒子位置和粒子速度进行更新，判断每个粒子的位置是否满足约束条件，若满足，则分别对粒子位置和速度进行更新；若不满足，则随机生成新的粒子位置和速度；

粒子速度更新公式为：

；

粒子位置更新公式为： ；

其中 表示迭代次数， 表示惯性权重， 和 分别表示粒子个体和粒子全体的学习因子， 和 为 内之间的随机数， 表示粒子 在 次迭代时的个体最优值， 表示全部粒子在 次迭代时的全局最优值， 表示粒子 在 次迭代时的位置， 表示粒子 在 次迭代时的速度；

步骤四：选取粒子群算法的适应度函数决定收敛速度和最优解，本发明中用传输的能量损耗来定义适应度函数，适应度函数可表示为： ；

根据适应度进行新的全局最优初始位置和个体最优初始位置的更新；

当 时， ；当

时， ；

步骤五：判断迭代是否达到结束条件；若满足，则输出最优的粒子位置，若不满足，则返回步骤三，最终实现增加系统效能，进行卸载优化和资源的合理分配。