1.一种节能控制的云资源优化分配方法，其特征在于：以云资源提供方与需求方最优化收益纳什平衡的收益结果作为参数通过收益反馈函数反馈到节能控制系统中，并通过云服务组合反馈函数将结果返回到收益博弈所需的云服务组合中，以SLAs保障的QoS参数为要求找到最能满足纳什均衡的云服务优化组合，当到达最优化收益平衡时，资源分配器分配资源；所述方法由节能控制系统、反馈器和资源分配器组成的时变时滞的分数阶神经网络控制系统开展资源分配，所述反馈器即收益反馈函数和云服务组合反馈函数。
2.根据权利要求1所述的节能控制的云资源优化分配方法，其特征在于：所述时变时滞的分数阶神经网络控制系统如下：
CDαx(t)＝-Dx(t)+Ag(x(τ(t)))+Bf(x(t-τ(t)))+u,t∈[t0,t0+T]
其中，CDαx(t)为x(t)的Caputo型分数阶导数，表示云资源优化分配操作；x(τ(t))＝[x1(τ1(t)),x2(τ2(t)),…,xn(τn(t))]T表示在不同时变时神经元状态向量，t0为初始时刻，T为正实数，K为神经元的响应时间；τ为神经元的时滞，τ(t)是满足0≤τ(t)≤d，τ(t)≤u的时变连续函数，d和u是常量；A＝(aij)n×n，B＝(bij)n×n；aij,bij分别表示双方最优博弈收益平衡反馈权重和云服务优化组合时滞反馈权重；
D＝diag(d1,d2,…,di,…,dn)是对角矩阵，di>0,i＝1,2,…,n；
g(x(τ(t)))＝[g1(x1(τ1(t))),g2(x2(τ2(t))),…,gi(xi(τi(t))),…,gn(xn(τn(t)))]T表示在τi(t)时双方收益反馈激活函数；
f(x(t-τ(t)))＝[f1(x1(t-τ1(t))),f2(x2(t-τ2(t))),…,fn(xn(t-τn(t)))]T表示满足双方最优收益平衡的云服务组合反馈激活函数；
u＝(u1,u2,…,un)T∈Rn×n是用户需求的常输入向量。
3.根据权利要求1、2任一项所述的节能控制的云资源优化分配方法，其特征在于：所述以云资源提供方与需求方最优化收益纳什平衡，具体是通过以SLAs保障QoS为对象建立云资源提供方与需求方效用函数x1、x2，所述x1、x2以动态分层的激励兼容定价变量p为基础，QoS值来自对SLAs的量化，所述x1(p)表示提供方的效用，x2(p)表示需求方效用；然后在云资源提供方与需求方建立收益函数g1、g2，所述效用函数x1(p)、x2(p)分别与收益函数g1、g2是泛函关系，双方收益函数建立纳什均衡g1(x1(p))与g2(x2(p))，然后找到一组策略满足云资源提供方与需求方的最优收益平衡。
4.根据权利要求3所述的节能控制的云资源优化分配方法，其特征在于：根据双方收益函数建立的纳什均衡g1(x1(p))与g2(x2(p))，定义弹性公式dE(p)/dτ(t)和代价数df(p)/dτ(t)来缩小均衡点搜索空间，并用仿生智能优化算法找到优化纳什均衡点，即云资源提供方与需求方的收益最优平衡。
5.根据权利要求4所述的节能控制的云资源优化分配方法，其特征在于：所述仿生智能优化算法为如粒子群算法。
6.根据权利要求1、2任一项所述的节能控制的云资源优化分配方法，其特征在于：所述以SLAs保障的QoS参数为要求找到最能满足纳什均衡的云服务优化组合，其中将所述的SLAs指标转换为QoS参数，包括但不限于可用性、吞吐率、性能、时间、成本；可用性表示云资源利用率，吞吐率表示在单位带宽每秒处理业务能力，性能表示节能控制的稳定性和反馈单位迭代次数，时间由τ(t)来描述，成本由总成本减去提供方与需求方最优收益平衡时成本来描述；用QoS参数来感知云服务优化组合，采用智能启发算法确定最优的云服务组合。