1.一种多用户多MEC无线网络的分布式任务卸载和资源分配方法，其特征在于，该方法具体包括以下步骤：步骤一、初始化阶段：每个节点通过信息交互获得网络的配置信息；

步骤二、建立优化模型：以最小化系统总开销为目标，根据任务卸载约束与用户资源分配约束，建立卸载决策和资源分配的联合优化模型，并将原始优化问题分解为具有固定资源分配的任务卸载问题和优化任务卸载问题对应的最优资源分配问题；

步骤三、对于具有固定资源分配的任务卸载问题使用最优卸载算法来解决任务卸载问题，得到最优卸载策略；

步骤四、对于优化任务卸载问题对应的最优资源分配问题，最优资源分配包括带宽资源分配、频率资源分配和子信道分配，因此将优化任务卸载问题对应的最优资源分配问题分成频率资源分配问题、带宽资源和子信道联合分配问题，对于频率资源分配通过拉格朗日对偶方法求得最优解，而对于带宽资源和子信道联合分配问题，将此问题分解成固定子信道求解最优带宽分配问题和优化带宽分配求解最优子信道分配问题，利用拉格朗日对偶方法获得固定子信道求解最优带宽分配问题的最优解，同时利用启发式子信道分配算法来解决优化带宽分配求解最优子信道分配问题；

步骤五、设定迭代更新的步长，利用步骤四中的拉格朗日对偶法和启发式子信道分配算法，通过任务的信息参数和用户的配置信息，对用户的带宽资源分配和子信道分配进行更新；

步骤六、按时隙重复执行步骤五，直至系统总开销收敛；

步骤二中的优化模型形式为：

其中，U表示用户的集合，yus表示用户u到基站s的任务卸载决策， 表示用户本地计算的代价函数， 表示用户边缘计算的成本函数，S表示MEC服务器的集合，Xus表示用户u上传数据到服务器s的信道分配向量，Uloc表示为本地执行任务的用户集，Umec表示为卸载其任务到MEC服务器的用户集， 表示信道分配矩阵的元素，J表示子信道，fus是基站分配给从用户u卸载的任务Vu的计算资源，Us表示为将任务卸载到服务器s的用户集， 表示信噪比，pu表示传输功率， 表示信道增益，y表示用户的二进制卸载决策的集合，X表示用户子信道分配矩阵，b表示MEC服务器分配给用户的带宽资源的集合，f表示MEC服务器分配给用户的计算资源的集合；式(1)表示用户的任务卸载决策；式(2)表示每个任务能在本地执行，也能卸载到最多一个MEC服务器上；式(3)表示子信道分配的选择；式(4)表示一个用户只能使用一个子信道；式(5)表示一个子信道只能分配一个用户使用；式(6)表示用户到每个服务器的子信道数不能大于子信道的总数；式(7)表示MEC服务器为每个用户分配正计算资源；式(8)表示分配给用户的计算资源不能超过MEC服务器的最大计算能力；式(9)表示分配给用户的计算资源不能超过MEC服务器的最大计算能力；式(10)表示每个任务的带宽资源不能超过每个MEC服务器的总带宽资源；式(11)表示用户u到基站s在子信道j上传输的信噪比。

2.根据权利要求1所述的一种多用户多MEC无线网络的分布式任务卸载和资源分配方法，其特征在于，步骤一中，所述的配置信息包括拓扑信息、发射功率、链路距离、用户设备的任务数据大小、本地计算资源和MEC的计算资源。

3.根据权利要求1所述的一种多用户多MEC无线网络的分布式任务卸载和资源分配方法，其特征在于，步骤三中，在优化任务卸载问题中，通过固定除去任务卸载决策集合y以外的其余优化变量，将原优化任务卸载问题P0转化为问题P1，具体表示为：s.t(2)(3)

其中，式(2)表示每个任务能在本地执行，也能卸载到最多一个MEC服务器上；式(3)表示子信道分配的选择；

优化任务卸载问题对应的最优资源分配问题P2具体表示为：

s.t(4)(5)(6)(7)(8)(9)(10)

其中，式(4)表示一个用户只能使用一个子信道；式(5)表示一个子信道只能分配一个用户去使用；式(6)表示用户到每个服务器的子信道数不能大于子信道的总数，式(7)表示MEC服务器为每个用户分配正计算资源；式(8)表示分配给用户的计算资源不能超过MEC服务器的最大计算能力；式(9)表示每个任务的带宽资源不能超过每个MEC服务器的总带宽资源；式(10)表示每个任务的带宽资源不能超过每个MEC服务器的总带宽资源。

4.根据权利要求3所述的一种多用户多MEC无线网络的分布式任务卸载和资源分配方法，其特征在于，步骤三，求解具有固定资源分配的任务卸载问题；对于具有固定资源分配的任务卸载问题使用最优卸载算法来解决任务卸载问题，得到最优卸载策略；对于处于相邻基站覆盖范围内不重叠区域的用户集合表示为Unc，对于处于相邻基站覆盖范围内重叠区域的用户集合表示为Uc，由于用户{u|u∈Unc}在本地进行计算或在唯一的MEC服务器进行计算，因此只需要对用户本地计算的成本函数 和唯一的MEC服务器计算的成本函数 进行比较，如果 用户{u|u∈Unc}的计算任务将在MEC服务器进行计算，反之，将在本地进行计算；对于用户{u|u∈Uc}，同时考虑在本地计算和对MEC服务器进行选择，每个重叠区用户的可选MEC服务器集合为{Su|u∈Uc}，则最优MEC卸载选择策略优化问题如下：MEC服务器计算的成本函数 与信噪比 有关，因此将上述问题转化为：

*

找到用户{u|u∈Uc}最优的卸载服务器s，将 和 进行比较，得到用户的最佳卸载决策；将卸载到MEC服务器的用户放入集合Umec中，而卸载到本地的用户放入集合Uloc中。

5.根据权利要求4所述的一种多用户多MEC无线网络的分布式任务卸载和资源分配方法，其特征在于，步骤四中，求解优化任务卸载问题对应的最优资源分配问题；对于优化任务卸载问题对应的最优资源分配问题，从式(13)得知，带宽分配b与子信道分配X是相互耦合的，而计算资源分配f与其它两个变量之间是彼此解耦的，利用这一特性，将式(13)解耦为两个独立的问题，即带宽分配和子信道联合分配问题以及计算资源分配问题，并分别解决这两个问题；

在计算资源分配问题中，通过对式(13)的第三项进行优化，将计算资源分配问题表示为：s.t(8)(9)

其中，式(8)表示分配给用户的计算资源不能超过MEC服务器的最大计算能力；式(9)表示每个任务的带宽资源不能超过每个MEC服务器的总带宽资源；

式(8)和(9)中的约束是线性的；将式(16)中的目标函数表示为g(fus)，通过计算g(fus)的二阶导数:因此，目标函数是关于fus的凸函数，P3问题是一个凸优化问题，采用KKT条件求解；分别*给出问题P3的最优计算资源分配 和相应的最优目标函数g(f)，如下：

通过对式(13)的第一项和第二项进行优化，令 则联合子信道

分配和带宽分配优化问题具体表示为：

s.t(4)(5)(6)(7)(10)

其中，式(4)表示一个用户只能使用一个子信道；式(5)表示一个子信道只能分配一个用户使用；式(6)表示用户到每个服务器的子信道数不能大于子信道的总数，式(7)表示MEC服务器为每个用户分配正计算资源；式(10)表示每个任务的带宽资源不能超过每个MEC服务器的总带宽资源；

其中，X和b为两个耦合的优化变量；将该优化问题分解为卸载到MEC服务器用户的子信*道分配和带宽资源分配两个子问题；固定卸载到MEC服务器用户的子信道分配X，求解带宽资源分配问题：s.t(10)(11)

对于带宽资源分配问题，已知子信道分配 同时一个用户只能占用一个子信道，因此将式(22)转化为：s.t(10)(11)

其中，式(10)表示每个任务的带宽资源不能超过每个MEC服务器的总带宽资源；式(11)表示用户u到基站s在子信道j上传输的信噪比；

式(23)中的目标函数是凸函数；计算带宽分配的约束是线性的，因此问题P5是一个凸优化问题，该问题通过拉格朗日对偶方法得到,并且 满足使用KKT的条件，则拉格朗日函数写成：

得到问题P5的最优带宽资源分配 为：

其中，

限制每个子信道内只能有一个用户，同时每个用户在接收信号时只能占用一个子信道；因此子信道分配问题表示为：s.t(4)(5)(6)(7)(11)

其中，式(4)表示一个用户只能使用一个子信道；式(5)表示一个子信道只能分配一个用户去使用；式(6)表示用户到每个服务器的子信道数不能大于子信道的总数；式(7)表示MEC服务器为每个用户分配正计算资源；式(11)表示用户u到基站s在子信道j上传输的信噪比。

6.根据权利要求5所述的一种多用户多MEC无线网络的分布式任务卸载和资源分配方法，其特征在于，步骤四中，对于子信道分配问题，采用启发式子信道分配算法来获得子信道分配的最优解，在启发式子信道分配算法中，变量 通过分布式地求解问题P5获得；定义Φj(u)为已分配给用户u的子信道集合， 为未分配给用户u的子信道集合，Ωs(j)为在基站s覆盖范围内已分配最优子信道j的用户集合， 为在基站s覆盖范围内未分配最优子信道的用户集合；所述启发式信道分配算法具体步骤为：步骤4.1：初始化Φj(u)、 Ωs(j)、 子信道分配矩阵X、传输功率pu、信道增益步骤4.2：根据初始化参数通过式(27)计算出初始化子信道分配的最优解U(Xbest)；

步骤4.3：判断 是否为空，若为空，则所有用户已经分配最优子信道，否则执行步骤

4.4；

步骤4.4：确定用户能够分配的子信道集合 并通过公式(27)计算找出集合 中最优子信道分配方案的最优解U(Xtemp)；

步骤4.5：如果U(Xtemp)＜U(Xbest)，则更新集合Φj(u)和子信道分配表，并且让U(Xbest)＝U(Xtemp)；

步骤4.6：返回执行步骤4.3，直到 为空。

7.根据权利要求6所述的一种多用户多MEC无线网络的分布式任务卸载和资源分配方法，其特征在于，步骤五具体步骤如下：步骤5.1：对所有用户的带宽资源b、计算资源f、子信道分配X和卸载决策y进行初始化；

步骤5.2：通过最优卸载决策算法决定用户在本地计算还是在MEC服务器进行计算，并*将最终的卸载决策表示为y；

*

步骤5.3：根据所求出的卸载决策y ，通过拉格朗日对偶方法解出卸载到MEC服务器的用*户集合Umec的最优计算资源分配f；

步骤5.4：由于优化变量子信道X和带宽b互相耦合，通过固定优化变量子信道X，采用拉* *格朗日对偶方法求解最优带宽b，后将b带入通过启发式信道分配算法来求解最优子信道*分配X；

步骤5.5：对步骤5.4进行重复执行，直到式(27)所计算的当前时刻的结果和上一时刻* * * *的计算结果相减的绝对值小于设定的阈值，那么当前时刻的X和b为最优的X和b。

8.根据权利要求1所述的一种多用户多MEC无线网络的分布式任务卸载和资源分配方法，其特征在于，步骤六中，收敛条件如下：当前时刻的系统开销和上一时刻的系统开销相减的绝对值小于设定的阈值。

9.一种多用户多MEC无线网络的分布式任务卸载和资源分配系统，用于执行如权利要求1‑8任一项所述的方法，其特征在于，包括如下模块：初始化模块：每个节点通过信息交互获得网络的配置信息；

优化模型建立模块：以最小化系统总开销为目标，根据任务卸载约束与用户资源分配约束，建立卸载决策和资源分配的联合优化模型，并将原始优化问题分解为具有固定资源分配的任务卸载问题和优化任务卸载问题对应的最优资源分配问题；

最优卸载策略获取模块：对于具有固定资源分配的任务卸载问题使用最优卸载算法来解决任务卸载问题，得到最优卸载策略；

问题求解模块：对于优化任务卸载问题对应的最优资源分配问题，最优资源分配包括带宽资源分配、频率资源分配和子信道分配，因此将优化任务卸载问题对应的最优资源分配问题分成频率资源分配问题、带宽资源和子信道联合分配问题，对于频率资源分配通过拉格朗日对偶方法求得最优解，而对于带宽资源和子信道联合分配问题，将此问题分解成固定子信道求解最优带宽分配问题和优化带宽分配求解最优子信道分配问题，利用拉格朗日对偶方法获得固定子信道求解最优带宽分配问题的最优解，同时利用启发式子信道分配算法来解决优化带宽分配求解最优子信道分配问题；

更新模块：设定迭代更新的步长，利用步骤四中的拉格朗日对偶法和启发式子信道分配算法，通过任务的信息参数和用户的配置信息，对用户的带宽资源分配和子信道分配进行更新；

迭代模块：更新模块按时隙重复执行，直至系统总开销收敛。