1.一种基于云边协同策略的移动边缘计算卸载方法,其特征在于该方法主要包括如下步骤:
2.如权利要求1所述的云边协同策略的移动边缘计算卸载方法,其特征在于,步骤第1.1中建立了计算模型的方法如下,首先,用户设备方面,假设存在n台用户设备,则将这n台设备描述为tasks={task1,task2,...,taskn},即每台设备对应一系列的计算任务,对于每个taski(0<i≤n),都有:
3.如权利要求1所述的云边协同策略的移动边缘计算卸载方法,其特征在于,步骤第1.2中建立通信模型的方法如下,假设某个空间范围内存在m台边缘服务器s={s1,s2,...,sm},每台边缘服务器si的二维坐标表示为:
4.如权利要求1所述的云边协同策略的移动边缘计算卸载方法,其特征在于,步骤第1.3中建立时间模型的方法如下,时间模型主要考虑有计算时间模型、传输时间模型和卸载时间模型,
5.如权利要求1所述的云边协同策略的移动边缘计算卸载方法,其特征在于,步骤第1.4中建立能耗模型的方法如下,该方法主要研究用户设备以及边缘服务器的能量消耗,
6.如权利要求1所述的云边协同策略的移动边缘计算卸载方法,其特征在于,步骤第1.5中建立卸载模型的方法如下,该方法提出映射公式h(x)用于将具有不同物理意义的数据映射到相同的区间:
7.如权利要求1所述的云边协同策略的移动边缘计算卸载方法,其特征在于,步骤第2.1中基于密度的聚类算法的设计描述如下,该方法采用optics算法,用于帮助dbscan算法选择合适的参数,optics算法的时间复杂度主要取决于以下步骤:
8.如权利要求1所述的云边协同策略的移动边缘计算卸载方法,其特征在于,步骤第2.2中人工蜂鸟算法的设计描述如下,该算法模拟了自然界中蜂鸟轴向飞行、对角飞行和全方位飞行三种特殊的飞行技能以及引导觅食、区域觅食和迁移觅食三种觅食策略,最后通过引入访问表来实现蜂鸟寻找和选择食物来源的记忆功能,最终达到求解最优化问题的目的;