1.一种海洋监测网络计算卸载和资源分配方法，其特征在于，所述方法包括：以最小化无人船时延与能耗加权和为目标，构建时延与能耗加权和优化问题，联合优化水下传感器节点USN的发射功率、无人船的发射功率、带宽分配以及卸载比例；

求解所述时延与能耗加权和优化问题，得到海洋监测网络计算卸载和资源分配方案；

根据所述海洋监测网络计算卸载和资源分配方案，进行海洋监测网络计算卸载和资源分配；

其中，所述时延与能耗加权和的表达式如下：

其中，w1表示用户任务时延的加权因子，反映了用户对时延的重视程度；tk表示第k个无人船的任务完成时延；w2表示用户任务能耗的加权因子，反映了用户对能耗的重视程度；Ek为第k个无人船的能耗； 为发送数据给第k个无人船的USN集合；Rk,i为第i个USN采集的数据量；rk,i为第i个USN上传数据至无人船k的传输速率；βk为第k个无人船的卸载比例；Ck为第k个无人船数据所需的CPU执行周期数；Fk为第k个无人船的计算能力；Rk为第k个无人船数据的总bit数；rk为第k个无人船的传输速率；fk为无人机分配给第k个无人船的计算能力；α为无人船的能耗系数；pk为第k个无人船的发射功率；

时延与能耗加权和的优化问题表达式如下：

其中，问题Z1是优化问题，C1.1‑C1.5均为优化问题Z1的约束条件；

Pk,i为第i个USN上传数据至第k个无人船的发射功率；Q表示无人船时延与能耗的总加max权和； 为无人船集合；Pi 为第i个USN的发射功率上限；Bk为分配给第k个无人船的带宽，Btotal为分配给所有无人船的带宽资源上限； 为第k个无人船的发射功率上限；

其中，所述求解所述时延与能耗加权和优化问题，得到海洋监测网络计算卸载和资源分配方案，包括：将时延与能耗加权和优化问题解耦为数据采集阶段的优化问题和数据处理阶段的优化问题，其中，以最小化无人船的数据采集时延为目标构建数据采集阶段的优化问题，优化变量为USN的发射功率P；以最小化无人船数据处理时延与能耗加权和为目标构建数据处理阶段的优化问题，优化变量为无人船的发射功率p、卸载比例β以及带宽B；

求解数据采集阶段的优化问题；

将数据处理阶段的优化问题分解为无人船发射功率优化子问题、带宽分配优化子问题和卸载比例决策优化子问题，求解各个优化子问题，再通过交替迭代得到数据处理阶段的优化问题的解；

根据数据采集阶段的优化问题的解和数据处理阶段的优化问题的解，得到时延与能耗加权和优化问题的解，进而得到海洋监测网络计算卸载和资源分配方案；

其中，所述数据采集阶段的优化问题的表达式为：

其中，问题Z2为数据采集阶段的优化问题，C2.1为问题Z2的约束条件；

其中， 为第k个无人船数据采集时延；

和/或，

所述数据处理阶段的优化问题的表达式为：

其中，问题Z3为数据处理阶段的优化问题，C3.1‑C3.4为问题Z3的约束条件； 为第k个无人船的处理时延；

其中，所述求解数据采集阶段的优化问题，包括：

S2.2.1、将数据采集阶段的优化问题转化为水下传感器的最大时延最小化问题，一个粒子的位置向量代表一组发射功率的解，其中水下传感器的最大时延最小化问题表示为：其中，问题Z4为水下传感器的最大时延最小化问题，其对应约束条件为C4.1；tk,i为USNk,i的上传数据时延；USNk,i为第k个无人船覆盖范围内第i个USN；

S2.2.2、初始化种群中个体数量N，粒子位置X，粒子速度v；

S2.2.3、根据公式 计算初始种群中个体的

适应度，并得到个体历史最优解和全局历史最优解；其中，O是常数，确保适应度函数值为正值；参数λ为惩罚因子，是一个正数，在USN采集数据上传至无人船的过程中，如果超过最大发射功率，会通过惩罚函数进行惩罚，粒子的适应度也因此增大，反之，惩罚函数为0；

S2.2.4、根据下面两个公式，更新粒子的位置和速度，产生一个新的种群：其中，ω为惯性权重；c1和c2是学习因子；r1和r2是介于0和1之间的随机数； 是粒t子n的历史最优位置；xbest是种群的历史最优位置；

S2.2.5、计算新种群中每个粒子的适应度，并更新个体历史最优解和全局历史最优解；

S2.2.6、重复执行S2.2.4和S2.2.5，直至方法收敛，得到数据采集阶段的优化问题的解；

其中，所述无人船发射功率优化子问题的表达式为：其中，Z5为无人船发射功率优化子问题，其对应约束条件为C5.1；

其中， 为第k个无人船上传数据至无人机的传输能耗；

和/或，

所述带宽分配优化子问题的表达式为：

其中，Z6为带宽分配优化子问题，其对应约束条件为C6.1和C6.2；

和/或，

所述卸载比例决策优化子问题的表达式为：

其中，Z7为带宽分配优化子问题，其对应约束条件为C7.1；

其中，求解所述发射功率优化子问题，包括：

S2.3.1.1、在当前的卸载比例决策和信干噪比大小下，计算得到第k个无人船最小的数据卸载时延 其中 为第k个无人船最大传输速率；

S2.3.1.2、令 其中，Qk为第k个无人船的处理时延与能耗和，若大于 则执行S4.1.3，若 小于 则执行S4.1.4；

S2.3.1.3、计算Qk在第k个无人船最大发射功率 处的偏导数，若偏导数大于0，则存在偏导数为0的点 Qk的最小值在 时取得，否则最小值在 时取得；

S2.3.1.4、令第k个无人船的本地时延等于第k个无人船的数据卸载至无人机处理时延，解得 其中， 为第k个无人船的本地时延等于卸载至无人机处理时延时的功率大小， Nk为第k个无人船处的背景噪声功率，Hk为第k个无人船的信道增益，计算Qk在 处的偏导数，若Qk在 点处的偏导数大于0，则存在偏导数为0的点 Qk的最小值在 时取得，否则最小值在 时取得；

其中，求解所述带宽分配优化子问题，包括：

S2.3.2.1、输入当前的无人船发射功率和卸载策略，证明问题Z6为凸优化问题；

S2.3.2.2、在总带宽资源受限的条件下，使用MATLAB自带的CVX工具箱求解问题Z6；

其中，求解所述卸载比例决策优化子问题，包括：

S2.3.3.1、输入种群个体数量 种群进化次数 变异概率 交叉概率 以及每轮淘汰的个体数量S2.3.3.2、初始化种群个体的基因值，并根据以下公式计算初始适应度函数：其中，T是常数，确保适应度函数值为正值；

S2.3.3.3、对种群每个个体进行变异操作，个体上的每个基因都生成一个0‑1之间的随m m机数rand ，若rand小于变异概率 则对该基因进行变异操作；记变异位置为(u,k)，变异表达式为 其中，tau表示当前进化次数，rand表示[0,1]之间的随机数；

a

S2.3.3.4、对种群每个个体进行交叉操作，随机生成0‑1之间的随机数rand ，若随机数arand小于交叉概率 则对该个体进行交叉操作，随机选择该个体上的基因值，记其位置为a a a a(u,k)，再在种群中随机选择位置为(u ,k)的基因，令β′(u,k)＝β(u ,k)；

S2.3.3.5、重新计算个体适应度，寻找新的最优个体并替换存储的最优个体，将当前适应度函数最小的前 个个体替换为最优个体；

S2.3.3.6、重复执行S2.3.3.3、S2.3.3.4和S2.3.3.5，直至进化次数大于等于种群进化次数

2.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时，实现权利要求1所述的海洋监测网络计算卸载和资源分配方法的步骤。