本发明涉及移动边缘计算技术领域，涉及一种基于多基站协作的移动边缘计算环境下资源管理方法，尤其涉及计算迁移技术和数据缓存技术共同作用下最优化系统计算时间和传输时间开销的一种基于多基站多移动终端的移动边缘计算环境下资源管理方法。
背景技术：
近年来，随着移动互联网和物联网的快速发展，移动信息应用的数量和种类，以及应用领域的广度和深度得到了爆发式增长。承载移动信息应用的移动终端的功能比以往任何时候都更加丰富，在消费者需要的一个移动终端中包含了诸如增强现实、虚拟现实和网络直播等各种应用。移动终端的特性已经从简单的通信工具逐渐发展为一个集通信、娱乐和办公功能于一体的强大个体。
这些具有高计算复杂度和高延时灵敏度的典型应用不仅加重了计算和存储资源中移动云的负载，而且导致系统网络拥塞和服务质量下降。在各种基础支撑性信息技术(移动智能终端、第五代移动通信、云计算等)的推动下，“端——管——云”信息通信产业向移动化方向进行深刻转变，移动应用不断增长的服务质量需求与资源受限的移动云负载环境之间的矛盾已经日益显著。因此引入移动边缘计算(mobileedgecomputation，mec)，移动边缘计算是突破移动云的计算和存储资源限制，减轻移动云负载的一种方法。通过移动边缘计算智能基站将任务计算和数据存储下沉到移动边缘节点，可有效降低网络负荷以及对网络回传带宽的需求，降低了业务响应时延。当服务实体位于智能基站时，可忽略有线域错综复杂的网络节点，智能基站与终端间的数据交互只需通过上行和下行的无线传输即可完成。因此，智能基站可实现快速、灵敏的“端——基站——云”交互，能够大大提高时延敏感类业务的用户体验质量。
在实现本发明的过程中，本发明人发现现有技术中存在以下问题：现有技术中，计算时间开销和传输时间开销是移动云结合移动边缘计算智能基站进行计算迁移和数据缓存时的主要问题。国内外对该课题的研究存在着建模对象不全面、模型架构不综合、模型效果不优良等问题，在已有的基于移动通信网络场景的研究中，大部分研究工作仅考虑了计算迁移问题，或数据缓存问题。在联合资源管理中，也仅仅是计算迁移与无线资源优化相结合。然而在绝大多数的移动应用中，终端的计算和存储需求相互紧密耦合，即，在一个任务中既包含了计算处理，也包含了数据访问工作，二者相互关联，因此在资源管理技术研究中需要进一步探索计算和存储资源联合优化问题。在已有的研究工作中，绝大多数文献均基于单个基站的移动边缘计算资源管理问题，包括单基站环境下的单用户问题和多用户问题。未来移动通信系统的架构设计中就涵盖了基站间的协作功能，通过紧密协作，网络内的基站可虚拟化为一个资源整体，以分布式计算和分布式存储方式灵活地为网络内每一个终端用户服务，为此，需要深入研究面向基站间协作的资源管理技术，提高全网资源利用率，提升用户服务质量。
技术实现要素：
(一)要解决的技术问题
本发明要解决的技术问题是：本发明实施例提供一种移动边缘计算计算资源和数据资源调度方法。利用移动边缘计算智能基站实现计算迁移和数据缓存以分担移动云的计算负载压力及数据负载压力，新方案合理地迁移计算任务，并将任务数据从移动云缓存到支持移动边缘计算的智能基站。同时设计了相应的智能算法，解决传输延迟和计算资源占用的全局优化问题，确定计算迁移和数据缓存概率，提高了系统整体运行速度，在多种场景下实现了用户体验的优化。
(二)技术方案
为解决上述技术问题，本发明覆盖了移动云环境下的整体系统，包括移动云端、移动边缘计算智能基站、移动边缘计算基站覆盖的移动终端和距离移动边缘计算智能基站一定距离内的相邻移动边缘计算智能基站。本发明通过移动边缘计算智能基站缓解移动云的计算和存储压力。由于每个移动终端的计算能力很差，我们忽略了其作为计算任务迁移目的地的可能性，以此来保证服务质量。移动终端的所有任务都需要通过移动终端所属的移动边缘计算智能基站迁移到移动云或任何支持移动边缘计算的相邻基站
第一方面，本发明提供一种移动边缘计算智能基站部署方法，我们定义移动边缘计算智能基站由五个单元组成：
接收单元：用于从移动边缘计算智能基站所覆盖的移动终端接收服务请求、从周围的移动边缘计算智能基站接收计算迁移执行结果、从移动云端接收计算迁移执行结果和数据请求执行结果；
控制单元：若控制单元接收到的是计算任务请求，控制单元用于确定计算任务的执行地点；若控制单元接收到的是任务所需的数据请求，控制单元用于确定该数据是否需要被缓存及其缓存地点；
缓存单元：用于缓存基于协同资源管理算法的相应任务所需的数据，以减少对云端的数据访问时延；
计算单元：用于计算部分移动边缘计算智能基站覆盖的移动终端上请求的计算任务，以减少云端计算负载的压力；
发送单元：用于将计算结果发送到移动终端、将迁移请求发送到移动云端或周围的移动边缘计算智能基站、将相应任务的数据请求发送到云端。
值得注意的是移动边缘计算智能基站计算和存储资源有限，无法为云端的所有任务提供计算和缓存服务。因此，如果移动终端上的任务被迁移到移动边缘计算智能基站太多，会出现超负荷现象。在现有算法中，试图减轻移动边缘计算智能基站的负载，通过拒绝、延迟或排队移动终端的计算迁移任务，但是这些算法会导致系统服务质量下降。但是，本发明提出的资源管理模型可以平衡各个约束条件之间的关系，最小化系统传输时延和计算时延。
第二方面，本发明提供了一种资源调度方法，包括步骤：
步骤一：当移动终端有新的计算任务时，它将上传迁移请求到它所属的移动边缘计算智能基站；
步骤二：如果任务由协作资源管理算法被确定为在移动边缘计算智能基站中执行，且移动边缘计算智能基站缓存了任务的数据，则直接在移动边缘计算智能基站中执行任务，然后迁移响应将被返回移动终端；
步骤三：如果确定在移动边缘计算智能基站中执行任务，并且在移动边缘计算智能基站中没有缓存数据，移动边缘计算智能基站将任务的数据请求发送给移动云端，然后云端将返回数据响应到移动边缘计算智能基站。后续的执行和交付的下一个过程与步骤二相同；
步骤四：如果该算法决定在相邻移动边缘计算智能基站中执行任务，移动边缘计算智能基站将向相邻移动边缘计算智能基站发送迁移请求。如果相邻移动边缘计算智能基站之前已经缓存了计算数据，它将执行任务并将迁移响应返回给移动边缘计算智能基站，然后相邻移动边缘计算智能基站将迁移响应返回给移动终端；
步骤五：如果相邻移动边缘计算智能基站决定执行任务，并且它没有预先缓存任务的计算数据，它将向云端请求数据，然后云端将返回数据响应；
步骤六：如果任务被算法决定为迁移到云端执行，则移动边缘计算智能基站将迁移请求发送给云端，然后云端将执行该任务并将迁移响应返回给移动边缘计算智能基站，然后将迁移响应返回到移动终端。
在本发明中，对于每个移动终端来说，每个子任务都是随机且独立产生的，服从泊松分布，∈i表示移动终端的请求速率，即移动终端每秒生成∈i个任务，移动终端与各个任务(rj)的请求比率是pi,j(pi,j∈[0,1])，并且该比率对于不同的任务是不同的。注意，
我们假设在移动终端、移动边缘计算智能基站、相邻移动边缘计算智能基站和移动云端之间的迁移信号传输或数据缓存传输中，请求消息长度和响应消息长度是固定的，并且大致相等。每个任务rj由有序向量<cj、vj、wj、zj、qj>来描述，其特征在于：1)cj，完成rj所需的计算量；2)vj，rj的迁移请求的大小(包括必要的描述和rj的参数)；3)wj，rj的迁移响应的大小(包括rj的执行结果)；4)zj，数据缓存请求的大小；5)qj，rj的数据缓存响应的大小(包括执行rj所需的数据)。
当rj迁移到移动边缘计算智能基站时，它可以在移动边缘计算智能基站执行，或者进一步迁移到相邻移动边缘计算智能基站(所有相邻移动边缘计算智能基站的迁移概率相等)。对于任务rj，我们定义了
在本发明中，在移动云端上执行的所有任务共享它的计算资源。通过定义移动云端的服务速率作为η，如果选择在移动云端上执行的rj，则完成rj所消耗的时间为
其中分母是稳定的处理速度(每秒处理的计算量)。
从移动云端迁移到移动边缘计算智能基站的所有任务共享移动边缘计算智能基站的计算资源。通过将移动边缘计算智能基站的服务速率定义为φ，如果选择rj在移动边缘计算智能基站上执行，则完成rj所消耗的时间是
其中分母是移动边缘计算智能基站的稳定处理速度(每秒处理的计算量)。
从移动云端迁移到相邻移动边缘计算智能基站的所有任务共享相邻移动边缘计算智能基站的计算资源。通过将相邻移动边缘计算智能基站的服务速率定义为φk，如果选择rj以φk执行，则完成rj所消耗的时间是
其中分母是相邻移动边缘计算智能基站的稳定处理速度(每秒处理的计算量)。
所有的移动边缘计算智能基站，包括移动边缘计算智能基站和相邻移动边缘计算智能基站，在移动云端的覆盖下共享它的无线资源。本发明忽略了计算迁移引起的站间和站内干扰的影响，因为它们的尺寸非常小。移动云端和移动边缘计算智能基站之间有两种通信方式(迁移信号传输和数据缓存信号传输)。
本发明定义了从移动边缘计算智能基站到移动云端的信号传输速率为
从移动云端到移动边缘计算智能基站的信号传输速率为
对于数据缓存信号传输，移动边缘计算智能基站利用协同资源管理算法来决定针对任务rj最优化的资源缓存策略，发送从移动边缘计算智能基站到移动云端的数据缓存请求信号所消耗的时间可以被定义为
以此类推，我们能够得到接收从移动云端到移动边缘计算智能基站的数据缓存响应信号所消耗的时间为
相邻移动边缘计算智能基站同样可以由协同资源管理算法决定是否缓存任务rj请求的计算数据。本发明定义从相邻移动边缘计算智能基站到移动云端的数据缓存信号传输速率为
从移动云端到相邻移动边缘计算智能基站的数据缓存信号传输速率被定义为
为了数据安全，我们假设数据信号不能在移动边缘计算智能基站之间传输，包括移动边缘计算智能基站和相邻移动边缘计算智能基站。因此，移动边缘计算智能基站与相邻移动边缘计算智能基站之间只有一种通信类型，即计算迁移信号传输。我们将从移动边缘计算智能基站到相邻移动边缘计算智能基站的计算迁移信号传输速率定义为
传输从移动边缘计算智能基站到相邻移动边缘计算智能基站的任务rj的计算迁移请求信号所消耗的时间被定义为
类似的，传输从相邻移动边缘计算智能基站到移动边缘计算智能基站的任务rj的计算迁移响应信号所消耗的时间被定义为
移动边缘计算智能基站覆盖下的所有移动终端共享它的无线资源。在本文中，我们忽略了每个移动终端的计算能力，因此移动终端和移动边缘计算智能基站之间只有一种通信，即计算迁移信号数据传输。
本发明将从移动终端到移动边缘计算智能基站的上行链路数据传输速率定义为
将从移动边缘计算智能基站到移动终端的下行链路数据传输速率定义为
本发明中完成rj的总时间消耗包括：(1)在移动云中执行所消耗的时间，如果rj被选择在移动云端执行；(2)计算迁移所消耗的时间，如果rj被选择迁移到移动边缘计算智能基站；(3)计算迁移所消耗的时间，如果选择rj进一步迁移到相邻移动边缘计算智能基站。
在(1)中，通过将rj迁移请求从移动终端传输到移动边缘计算智能基站、将rj迁移请求从移动边缘计算智能基站传输到移动云端、在移动云端执行rj、将rj迁移响应从移动云端传输到移动边缘计算智能基站、以及传输迁移响应来生成时间消耗。从移动边缘计算智能基站的rj到移动终端，即，
在(2)中，时间消耗需要分为两种情况：1)移动边缘计算智能基站具有任务rj所需的数据缓存；2)移动边缘计算智能基站没有任务rj所需的数据缓存，需要向移动云端发送数据缓存请求才能获取数据。这两种情况分别讨论如下：
1)总的时间消耗包括将任务rj的计算迁移请求从移动终端传输到移动边缘计算智能基站的传输时延，在移动边缘计算智能基站执行任务rj的计算时延和将任务rj计算迁移响应从移动边缘计算智能基站传输到移动终端的传输时延，即，
2)总的时间消耗包括将任务rj的计算迁移请求从移动终端传输到移动边缘计算智能基站的传输时延、将任务rj的数据缓存请求从移动边缘计算智能基站传输到移动云端的传输时延、将任务rj的数据缓存响应从移动云端传输到移动边缘计算智能基站的传输时延、在移动边缘计算智能基站执行rj的计算时延以及将任务rj的计算迁移响应从移动边缘计算智能基站传输到移动终端的传输时延，即，
在(3)中，时间消耗需要分为两种情况：1)相邻移动边缘计算智能基站具有任务rj所需的数据缓存；2)相邻移动边缘计算智能基站没有任务rj所需的数据缓存，它需要向移动云端发送数据缓存请求以获取数据。这两种情况分别讨论如下：
1)总的时间消耗包括将任务rj的计算迁移请求从移动终端传输到移动边缘计算智能基站的传输时延，将任务rj的计算迁移请求从移动边缘计算智能基站传输到相邻移动边缘计算智能基站的传输时延，在相邻移动边缘计算智能基站执行任务rj的计算时延，将任务rj的计算迁移响应从相邻移动边缘计算智能基站传输到移动边缘计算智能基站的传输时延，以及将任务rj的计算迁移响应从移动边缘计算智能基站传输到移动终端的传输时延，即，
2)总的时间消耗包括将任务rj的计算迁移请求从移动终端传输到移动边缘计算智能基站的传输时延、将任务rj的计算迁移请求从移动边缘计算智能基站传输到相邻移动边缘计算智能基站的传输时延、将任务rj的数据缓存请求从相邻移动边缘计算智能基站传输到移动云端的传输时延、将任务rj的数据缓存响应从移动云端传输到相邻移动边缘计算智能基站、在相邻移动边缘计算智能基站执行任务rj的计算时延、将任务rj的计算迁移响应从相邻移动边缘计算智能基站传输到移动边缘计算智能基站的传输时延、以及将任务rj的计算迁移响应从移动边缘计算智能基站传输到移动终端的传输时延，即，
总之，完成任务rj的整体时间消耗如下：
因此，移动边缘计算智能基站所覆盖的所有移动终端的整体时间消耗可以公式化为t：
(三)有益效果
本发明基于多移动终端与多智能基站的场景下，提出了一种资源分配方法及基站服务部署方案。本发明的部署方案囊括移动终端、移动终端所属智能基站、所属智能基站相邻基站和云服务器，综合考虑整个移动通信系统，将移动边缘计算应用按任务划分并在多个智能基站中按概率缓存高频任务所需数据，在移动终端所属智能基站接收到终端发送的任务请求后，首先判断该任务的计算地点，之后确定该计算地点是否有执行该任务相应的数据，若所需数据在计算地点中缓存，则直接执行相应任务，否则只需从云端服务器获取未缓存的计算数据，提高了智能基站的灵活度，进而提高了业务处理效率。模型将同时优化传输时延、计算时延、缓存分配、系统收益等方面的内容。建模后最优化求得的结果将是计算迁移概率和数据缓存概率，这使得在移动通信中无需多次调用模型进行计算，提高了系统整体效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明提供的移动边缘计算中的一种智能基站部署方案结构图。
图2为本发明提供的移动边缘计算中的一种多智能基站多移动终端整体架构图。
图3为本发明提供的移动边缘计算中的一种多智能基站多移动终端的协同资源管理调度流程图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
如图1所示，依照本发明的一种移动边缘计算智能基站部署方案结构图。移动边缘计算智能基站包括五个单元：接收单元101：用于从移动边缘计算智能基站所覆盖的移动终端接收服务请求、从周围的移动边缘计算智能基站接收计算迁移执行结果、从移动云端接收计算迁移执行结果和数据请求执行结果；控制单元102：若控制单元接收到的是计算任务请求，控制单元用于确定计算任务的执行地点；若控制单元接收到的是任务所需的数据请求，控制单元用于确定该数据是否需要被缓存及其缓存地点；计算单元103：用于计算部分移动边缘计算智能基站覆盖的移动终端上请求的计算任务，以减少云端计算负载的压力；缓存单元104：用于缓存基于协同资源管理算法的相应任务所需的数据，以减少对云端的数据访问时延；发送单元105：用于将计算结果发送到移动终端、将迁移请求发送到移动云端或周围的移动边缘计算智能基站、将相应任务的数据请求发送到云端。
如图2所示，依照本发明的一种移动边缘计算中的一种多智能基站多移动终端整体架构图。本发明涉及移动云环境下的整体系统，包括移动终端(mt)201、移动边缘计算基站(mec-bs)202、距离mec-bs一定距离内的相邻移动边缘计算基站(mec-nbs)203和移动云端(cloud)204。
本发明建立的移动边缘计算环境下计算迁移和数据缓存的步骤如下：1)当mt有新的计算任务时，它将上传迁移请求(ol-req)到它的mec-bs；2)如果任务由协作资源管理算法被确定为在mec-bs中执行，且mec-bs缓存了任务的数据，则直接在mec-bs中执行任务，然后迁移响应(ol-rsp)将被返回mt；3)如果确定在mec-bs中执行任务，并且在mec-bs中没有缓存数据，mec-bs将任务的数据请求(da－req)发送给云端，然后云端将返回数据响应(da－rsp)到mec-bs。后续的执行和交付的下一个过程与2)相同；4)如果该算法决定在mec-nbs中执行任务，mec-bs将向mec-nbs发送迁移请求。如果mec-nbs之前已经缓存了计算数据，它将执行任务并将迁移响应返回给mec-bs，然后mec-bs将迁移响应返回给mt；5)如果mec-nbs决定执行任务，并且它没有预先缓存任务的计算数据，它将向云端请求数据，然后云端将返回数据响应。6)如果任务被算法决定为迁移到云端执行，则mec-bs将迁移请求发送给云端，然后云端将执行该任务并将迁移响应返回给mec-bs，然后将迁移响应返回到mt。
图3为本发明提出的移动边缘计算中的一种多智能基站多移动终端的协同资源管理调度流程图。本发明提出的一种多智能基站多移动终端的协同资源管理调度包括以下几个步骤：
步骤301：移动终端产生计算任务，向所属边缘智能基站发送任务处理请求；
作为实施例，每个任务rj由有序向量<cj、vj、wj、zj、qj>来描述，其特征在于：1)cj，完成rj所需的计算量；2)vj，rj的迁移请求的大小(包括必要的描述和rj的参数)；3)wj，rj的迁移响应的大小(包括rj的执行结果)；4)zj，数据缓存请求的大小；5)qj，rj的数据缓存响应的大小(包括执行rj所需的数据)。
步骤302：移动边缘计算智能基站根据协同资源管理调度算法得出的概率性模型，对该计算任务的运行地点进行判断；
步骤303：若该计算任务被协同资源管理调度算法判别为在所属移动边缘计算智能基站执行，则需要判断所属基站是否有相应任务的缓存数据；
作为实施例，本发明为任务rj定义了
步骤304：若该计算任务被协同资源管理调度算法判别为在所属移动边缘计算智能基站的相邻基站执行，则需要判断相邻基站是否有相应任务的缓存数据；
作为实施例，本发明为任务rj定义了
步骤305：若协同资源管理调度算法判别的运行地点无相应任务的缓存数据，则向云端请求，云端向请求方返回相应数据，并根据概率性模型确定数据是否缓存；
作为实施例，本发明为任务rj定义了从移动云端到移动边缘计算智能基站的缓存概率为
步骤306：运行地点有相应任务的数据后，执行计算任务，并将执行结果经过所属移动边缘计算智能基站返回给移动终端。
作为实施例，在本发明中，在移动云端上执行的所有任务共享它的计算资源。通过定义移动云端的服务速率作为η，如果选择在移动云端上执行的rj，则完成rj所消耗的时间为
从移动云端迁移到移动边缘计算智能基站的所有任务共享移动边缘计算智能基站的计算资源。通过将移动边缘计算智能基站的服务速率定义为φ，如果选择rj在移动边缘计算智能基站上执行，则完成rj所消耗的时间是
从移动云端迁移到相邻移动边缘计算智能基站的所有任务共享相邻移动边缘计算智能基站的计算资源。通过将相邻移动边缘计算智能基站的服务速率定义为φk，如果选择rj以φk执行，则完成rj所消耗的时间是
所有的移动边缘计算智能基站，包括移动边缘计算智能基站和相邻移动边缘计算智能基站，在移动云端的覆盖下共享它的无线资源。本发明忽略了计算迁移引起的站间和站内干扰的影响，因为它们的尺寸非常小。移动云端和移动边缘计算智能基站之间有两种通信方式(迁移信号传输和数据缓存信号传输)。
本发明定义了从移动边缘计算智能基站到移动云端的信号传输速率为
从移动云端到移动边缘计算智能基站的信号传输速率为
对于数据缓存信号传输，移动边缘计算智能基站利用协同资源管理算法来决定针对任务rj最优化的资源缓存策略，发送从移动边缘计算智能基站到移动云端的数据缓存请求信号所消耗的时间可以被定义为
以此类推，我们能够得到接收从移动云端到移动边缘计算智能基站的数据缓存响应信号所消耗的时间为
相邻移动边缘计算智能基站同样可以由协同资源管理算法决定是否缓存任务rj请求的计算数据。本发明定义从相邻移动边缘计算智能基站到移动云端的数据缓存信号传输速率为
从移动云端到相邻移动边缘计算智能基站的数据缓存信号传输速率被定义为
为了数据安全，我们假设数据信号不能在移动边缘计算智能基站之间传输，包括移动边缘计算智能基站和相邻移动边缘计算智能基站。因此，移动边缘计算智能基站与相邻移动边缘计算智能基站之间只有一种通信类型，即计算迁移信号传输。我们将从移动边缘计算智能基站到相邻移动边缘计算智能基站的计算迁移信号传输速率定义为
传输从移动边缘计算智能基站到相邻移动边缘计算智能基站的任务rj的计算迁移请求信号所消耗的时间被定义为
类似的，传输从相邻移动边缘计算智能基站到移动边缘计算智能基站的任务rj的计算迁移响应信号所消耗的时间被定义为
移动边缘计算智能基站覆盖下的所有移动终端共享它的无线资源。在本文中，我们忽略了每个移动终端的计算能力，因此移动终端和移动边缘计算智能基站之间只有一种通信，即计算迁移信号数据传输。
本发明将从移动终端到移动边缘计算智能基站的上行链路数据传输速率定义为
将从移动边缘计算智能基站到移动终端的下行链路数据传输速率定义为
本发明中完成rj的总时间消耗包括：(1)在移动云中执行所消耗的时间，如果rj被选择在移动云端执行；(2)计算迁移所消耗的时间，如果rj被选择迁移到移动边缘计算智能基站；(3)计算迁移所消耗的时间，如果选择rj进一步迁移到相邻移动边缘计算智能基站。
在(1)中，通过将rj迁移请求从移动终端传输到移动边缘计算智能基站、将rj迁移请求从移动边缘计算智能基站传输到移动云端、在移动云端执行rj、将rj迁移响应从移动云端传输到移动边缘计算智能基站、以及传输迁移响应来生成时间消耗。从移动边缘计算智能基站的rj到移动终端，即，
在(2)中，时间消耗需要分为两种情况：1)移动边缘计算智能基站具有任务rj所需的数据缓存；2)移动边缘计算智能基站没有任务rj所需的数据缓存，需要向移动云端发送数据缓存请求才能获取数据。这两种情况分别讨论如下：
1)总的时间消耗包括将任务rj的计算迁移请求从移动终端传输到移动边缘计算智能基站的传输时延，在移动边缘计算智能基站执行任务rj的计算时延和将任务rj计算迁移响应从移动边缘计算智能基站传输到移动终端的传输时延，即，
2)总的时间消耗包括将任务rj的计算迁移请求从移动终端传输到移动边缘计算智能基站的传输时延、将任务rj的数据缓存请求从移动边缘计算智能基站传输到移动云端的传输时延、将任务rj的数据缓存响应从移动云端传输到移动边缘计算智能基站的传输时延、在移动边缘计算智能基站执行rj的计算时延以及将任务rj的计算迁移响应从移动边缘计算智能基站传输到移动终端的传输时延，即，
在(3)中，时间消耗需要分为两种情况：1)相邻移动边缘计算智能基站具有任务rj所需的数据缓存；2)相邻移动边缘计算智能基站没有任务rj所需的数据缓存，它需要向移动云端发送数据缓存请求以获取数据。这两种情况分别讨论如下：
1)总的时间消耗包括将任务rj的计算迁移请求从移动终端传输到移动边缘计算智能基站的传输时延，将任务rj的计算迁移请求从移动边缘计算智能基站传输到相邻移动边缘计算智能基站的传输时延，在相邻移动边缘计算智能基站执行任务rj的计算时延，将任务rj的计算迁移响应从相邻移动边缘计算智能基站传输到移动边缘计算智能基站的传输时延，以及将任务rj的计算迁移响应从移动边缘计算智能基站传输到移动终端的传输时延，即，
2)总的时间消耗包括将任务rj的计算迁移请求从移动终端传输到移动边缘计算智能基站的传输时延、将任务rj的计算迁移请求从移动边缘计算智能基站传输到相邻移动边缘计算智能基站的传输时延、将任务rj的数据缓存请求从相邻移动边缘计算智能基站传输到移动云端的传输时延、将任务rj的数据缓存响应从移动云端传输到相邻移动边缘计算智能基站、在相邻移动边缘计算智能基站执行任务rj的计算时延、将任务rj的计算迁移响应从相邻移动边缘计算智能基站传输到移动边缘计算智能基站的传输时延、以及将任务rj的计算迁移响应从移动边缘计算智能基站传输到移动终端的传输时延，即，
总之，完成任务rj的整体时间消耗如下：
因此，移动边缘计算智能基站所覆盖的所有移动终端的整体时间消耗可以公式化为t：
综上所述，本发明基于多移动终端与多智能基站的场景下，创造性的提出了一种资源分配方法及基站服务部署方案，囊括了移动终端、移动终端所属智能基站、所属智能基站相邻基站和云服务器，综合考虑了整个移动通信系统，将移动边缘计算应用按任务划分并在多个智能基站中按概率缓存高频任务所需数据，在移动终端所属智能基站接收到终端发送的任务请求后，首先判断该任务的计算地点，之后确定该计算地点是否有执行该任务相应的数据，若所需数据在计算地点中缓存，则直接执行相应任务，否则只需从云端服务器获取未缓存的计算数据，提高了智能基站的灵活度，进而提高了业务处理效率。模型同时优化了传输时延、计算时延、缓存分配、系统收益等方面的内容。建模后最优化求得的结果是计算迁移概率和数据缓存概率，这使得在移动通信中无需多次调用模型进行计算，提高了系统整体效率。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。