1.多用户的工业物联网场景下的时延最小化卸载方法，其特征在于，具体包括以下步骤：步骤一、每个用户节点通过信息交互获得网络的基本配置信息；

步骤二、以最小化系统总时延为目标，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；

步骤三、对用户端进行建模，解出每个用户的最优卸载决策；

步骤四、对服务器端进行建模，通过最优卸载策略解出MEC服务器的最优计算资源分配；

步骤五、通过最优卸载策略和MEC服务器的最优计算资源分配解出最小时延；

步骤二中，联合优化模型形式如下：

其中，F定义为MEC服务器的计算能力，f表示MEC服务器分配给用户的计算资源的集合；

fn表示由MEC服务器分配给任务Rn的计算资源；式(2)表示用户的任务卸载决策；式(3)表示MEC服务器分配的计算资源为正，且不超过MEC服务器的总计算资源；式(4)表示MEC服务器分配给所有卸载任务的计算资源不超过MEC服务器总计算资源；

步骤三中，对用户端进行建模，每个用户n的最小化时延为：当 时，解得最小化时延的最优卸载策略； 表示用户设备集合N的计算卸载策略； 表示任务Rn的( )部分的计算延迟； 表示任务Rn的 部分卸载到MEC服务器时的上传时延； 表示任务Rn的 部分卸载到MEC服务器时的计算延迟；

为第n个用户设备的计算卸载策略;

步骤四，对服务器端进行建模，通过求解出的最优部分卸载的策略解出MEC服务器的最优计算资源分配，整个系统的最小化总时延为：当 时，求得(10)式的解，其中，Tn为第n个用户设备执行部分计算卸载策略时任务Rn的总延迟。

2.根据权利要求1所述的多用户的工业物联网场景下的时延最小化卸载方法，其特征在于，步骤一中，所述的基本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服务器的计算资源。

3.多用户的工业物联网场景下的时延最小化卸载系统，用于执行如权利要求1‑2任一项所述的方法，其特征在于，所述系统包括如下模块：初始化模块：每个用户节点通过信息交互获得网络的基本配置信息；

联合优化模型建立模块：以最小化系统总时延为目标，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；

用户端建模模块：对用户端进行建模，解出每个用户的最优卸载决策；

服务器端建模模块：对服务器端进行建模，通过最优卸载策略解出MEC服务器的最优计算资源分配；

最小时延求解模块：通过最优卸载策略和MEC服务器的最优计算资源分配解出最小时延。