1.一种容器化边缘的任务卸载与资源分配联合优化方法，其特征在于，包括：S1、建立容器化边缘计算系统模型，包括云服务器层、边缘服务器层和终端设备层，并根据边缘计算环境中涉及的云服务器、边缘服务器、终端设备以及容器的特征参数建立成数学模型；

S2、根据数学模型建立多时隙非线性混合整数规划问题；

S3、将多时隙问题分解为单时隙问题；

S4、通过等价转换的方法将非线性混合整数规划问题转化为线性混合整数规划问题。

2.根据权利要求1所述的一种容器化边缘的任务卸载与资源分配联合优化方法，其特征在于：S1的具体内容为：S11、采用队列建模的方式，在终端设备引入终端任务计算队列和终端任务传输队列，在边缘服务器引入边缘任务计算队列，内容如下：集合 代表终端设备的集合， ；集合 代表边缘服务器的集合，；集合 代表镜像的集合， ；集合 表示CEC系统的时隙集合，；

终端任务计算队列：

；

其 中， 表 示 终 端 设 备 在时 隙 产生 的 任 务 的 任 务 量 ，用表示终端设备 的任务 在时隙 的任务卸载决策，表示终端设备 时隙 中处理的任务 的任务量；

终端任务传输队列：

；

其中， 表示在时隙 终端设备 的传输队列中任务 被卸载到边缘服务器 的任务数量；

边缘任务计算队列：

；

其中， 表示在时隙 边缘服务器 的任务队列 中被处理的任务数量， 是时隙边缘服务器 上容器 的缓存决策；

S12、根据边缘计算环境中涉及的云服务器、边缘服务器、终端设备以及容器的特征参数，将任务在终端设备或者边缘服务器的处理时间、任务从终端设备卸载到边缘服务器的传输时间、边缘服务器从云服务器下载容器镜像文件的时间、容器实例在边缘服务器启动的时间建立成数学模型，内容如下：终端设备的任务执行时间：；

其中， 表示终端设备任务的计算复杂度， 表示终端设备 的本地计算能力；

终端设备的任务卸载时间：；

其中，  表示从终端设备 到边缘服务器 的任务卸载速率；

边缘服务器的任务执行时间：；

其中， 表示边缘服务器 的计算能力；

边缘服务器的容器准备时间：；

其中， 表示容器 的启动时间， 表示边缘服务器j上缓存镜像s的决策，属于{0，

1}， 表示镜像 的文件大小， 表示边缘服务器 从云服务器下载镜像文件的传输速率；

时隙结束时，系统中所有任务队列的总剩余量：；

其中， 表示终端设备i对任务s的卸载决策，属于{0，1}；

所有任务处理总时延：

。

3.根据权利要求2所述的一种容器化边缘的任务卸载与资源分配联合优化方法，其特征在于，S2具体包括：S21、优化目标函数；

S22、优化问题约束，包括终端计算队列约束，终端传输队列约束，边缘计算队列约束，时隙长度约束；

S23、以容器化边缘计算中的任务队列剩余量和任务处理延迟加权和最小化为优化目标，综合终端计算队列、终端传输队列、边缘计算队列、时隙长度约束、队列稳定约束条件建立多时隙非线性混合整数规划问题。

4.根据权利要求3所述的一种容器化边缘的任务卸载与资源分配联合优化方法，其特征在于，S21中的优化目标函数为：；

其中， 表示期望， 表示权重加和函数， 表示权重加和函数中的权重值。

5.根据权利要求4所述的一种容器化边缘的任务卸载与资源分配联合优化方法，其特征在于，S22中的优化问题约束如下：终端计算队列约束：

；

终端传输队列约束：

；

边缘计算队列约束：

；

时隙长度约束：

；

；

。

6.根据权利要求5所述的一种容器化边缘的任务卸载与资源分配联合优化方法，其特征在于，S3中根据李雅普诺夫优化理论，将多时隙问题分解为单时隙问题：；

其中， 表示 ， 表示 ， 表示 ， 表示李雅普诺夫漂移加惩罚函数中的惩罚项。

7.根据权利要求6所述的一种容器化边缘的任务卸载与资源分配联合优化方法，其特征在于，S4的内容如下：S41、将原本的非线性混合整数规划问题等价转换为线性混合整数规划问题，具体如下：引入变量 ，并添加约束：；

其中， 表示 取到的最大值，为变量 的上界；

引入变量 ，并添加约束：；

S42、通过迭代计算公式计算出线性混合整数规划问题所需参数；

S43、通过现有求解器或现有线性混合整数规划算法求解转化后得到的线性混合整数规划问题。