1.一种基于RAA的最小化系统总时延资源分配方法，其特征在于，包括如下步骤：S1、建立一个宏基站和n个微基站，所述宏基站与微基站均配备有MEC，所述宏基站与微基站和用户之间通过HELLO包相互传递消息获取信息并交给宏基站进行汇总；

S2、通过通信模型和任务卸载模型，以最小化系统的总传输时延为目标函数，以微基站MEC的总计算资源量和任务卸载的不可分割性以及用户设备的剩余能量为约束，对问题进行建模，得到优化模型，所述优化模型如下：

其中，X＝{x1,x2,,xm}表示任务Vi在本地卸载的变量集合，Y＝{y1,y2,,ym}表示任务Vi在微基站MEC卸载的变量集合，Z＝{z1,z2,,zm}表示任务Vi在宏基站MEC卸载的变量集合，φ＝{φ1,φ2,,φm}表示任务Vi所选择的微基站MEC变量集合， 表示任务Vi所选择的微基站MEC分配的资源比例变量集合；

用户任务若在本地处理的能耗不能高于当前用户设备的电池剩余能量，表达式如下：其中 表示用户ui设备的电池总能量，ηi用户ui设备的电池能量的剩余百分比；

用户任务若卸载到微基站和宏基站MEC进行处理的传输能耗不能高于当前用户设备的电池剩余能量，表达式如下：任务有且只能由一个处理器进行处理，表达式如下：用户ui所选择的微基站只能是与之关联的，表达式如下：分配给φi的计算量不能超过其全部计算资源，表达式如下：其中 表示卸载到微基站服务器φi的任务集；

S3、根据步骤S2所得的优化模型，将问题分为两个子问题进行求解：第一个子问题，其目标函数为：

其中，定义λ＝(X,Y,Z,φ)，集合K和集合P分别为κ和λ的可行集，其中wi表示任务Vi的计l算量，si表示任务Vi的大小，fi表示用户ui设备的计算能力；

第二个子问题，首先将优化问题转化为如下函数：S4、通过逐步求解步骤S3中的两个子问题，得到总问题的一个有效可行解，即最小化系统的总时延。

2.根据权利要求1所述的基于RAA的最小化系统总时延资源分配方法，其特征在于，所述步骤S1中，获取的信息包括：传输信道基本参数、用户设备的剩余能量，微基站MEC的计算资源。

3.根据权利要求1所述的基于RAA的最小化系统总时延资源分配方法，其特征在于，所述步骤S2中，通信模型如下：当用户将任务卸载到微基站MEC时，hi,j表示用户ui到微基站bj的信道增益，其中,bj∈Γ(ui),Γ(ui)为向用户ui提供服务的微基站MEC集合，pi表示用户的传输功率，基于此，任务Vi卸载到微基站bj的上行传输速率可以表示为：2

上式中，σ代表用户设备的噪声功率，B代表信道带宽，Ii,j表示用户ui到微基站bj的小区间干扰功率，任务Vi卸载到微基站bj的传输时延可以表示为：任务Vi卸载到微基站bj的传输能耗可以表示为：同理，当任务Vi卸载到宏基站A时，上行传输速率可以表示为：上hi,A表示用户ui到宏基站A的信道增益，Ii,A表示用户ui到宏基站A的小区间干扰功率，任务Vi卸载到宏基站A的传输时延可以表示为：任务Vi卸载到宏基站A的传输能耗可以表示为：。

4.根据权利要求3所述的基于RAA的最小化系统总时延资源分配方法，其特征在于，所述步骤S2中，任务卸载模型具体如下：l

当任务由本地处理时，fi 表示用户ui设备的计算能力，即用户设备每秒能够提供的CPU周期数，基于此，任务Vi在本地处理的总时延可以表示为：任务Vi在本地处理总能耗可以表示为：

当任务由微基站MEC处理时， 表示微基站MEC计算能力的集合，即各个微基站MEC每秒能够提供的CPU周期数，根据通信模型可知，任务Vi由微基站MEC处理的总时延由任务卸载到微基站MEC的传输时延和微基站MEC处理任务的处理时延两个部分组成，基于此，任务Vi由微基站MEC处理的总时延可以表示为：上式中，φi表示任务Vi所卸载到的微基站MEC，φi∈Γ(ui)， 表示φi分配给任务Vi的计算资源的比例，A

当任务由宏基站MEC处理时，f表示宏基站MEC的计算能力，根据通信模型得到，任务Vi由宏基站MEC处理的总时延由任务卸载到宏基站MEC的传输时延和宏基站MEC处理任务的处理时延两个部分组成，基于此，任务Vi由宏基站MEC处理的总时延可以表示为：。

5.根据权利要求4所述的基于RAA的最小化系统总时延资源分配方法，其特征在于，所述步骤S4中，求解第一个子问题的方法为：0

由于只有当任务卸载到微基站时才考虑计算资源分配问题，因此当给定λ＝λ∈P，即xi＝0，zi＝0， 时，目标函数可以表示为：

上式中，累加项i＝1,2,,l表示卸载到微基站MEC的任务数有l个，0

由于上式是只关于变量 的函数，记 可知目标函数f(κ，λ)的海森矩阵为：针对海森矩阵中的每一项，可得：

由于 可得 即目标函数所对应的海森矩阵为对称半正定矩阵，

令 假设 是问题的全局最优解，根据KKT条件可知，存在λ使得下式均成立：λi≥0,i＝1,,m

其中εj为卸载到微基站服务器上j的任务个数，通过求解，可得：

将 带入，可得目标函数得全局最优解为：

6.根据权利要求5所述的基于RAA的最小化系统总时延资源分配方法，其特征在于，所述步骤S4中，第二个子问题的求解方法为：定义决策矩阵Z＝(zij)m×(n+1+m),zij∈{0,1}，当j＝1,2,,n时，表示任务Vi在本地任务Vi卸载到微基站边缘服务器bj进行处理，当j＝n+1时，表示任务卸载到宏基站边缘服务器A，当j＝n+1+1,n+1+2,…,n+1+m时，表示任务Vi在本地进行处理；

为了方便矩阵表示，定义如下向量：

定义如下矩阵：

因此，优化问题可以改写为：

上式是关于决策矩阵Z的函数；

s.t.zij∈{0,1}

上式表示决策矩阵中的每一个元素均为二进制变量；

上式表示每一个任务只能选择在本地设备、一个微基站MEC或宏基站MEC中的任意一个设备进行处理；

由于该问题是一个NP‑Hard问题。

7.根据权利要求6所述的基于RAA的最小化系统总时延资源分配方法，其特征在于，所述NP‑Hard问题采用迭代线性松弛算法进行求解；

首先定义连续决策变量cij，cij满足以下条件：其次定义线性函数ψ(cij)，ψ(cij)满足以下条件：其中ε为一个非常小的正则化常数，t为算法迭代次数。

8.根据权利要求7所述的基于RAA的最小化系统总时延资源分配方法，其特征在于，所述第二个子问题采用CVX工具包进行求解。