本发明涉及一种基于边缘云网络的通信计算资源置换方法，属于通信技术领域。
背景技术：
为了实现越来越多的低时延、高可靠性的移动应用需求，边缘云网络成为移动云计算领域的一项新兴研究内容。可随时随地供人使用，让人享用无处不在的无线网络服务，其通信服务对象由人扩展到任何东西，如AR/VR、智能家居、车联网、工业控制等。已有的边缘云网络主要包括Fog Computing、MEC以及Cloudlet等。这些移动边缘网络具有相当多的共同点，因此在考虑各自之间特性的同时可以利用彼此之间的共性来进行研究。当今社会即将迈入万物互联时代，人们对无线通信的需求也在不断扩展，但稀缺的无线网络资源是对人们无限需求的限制。这就要求研究人员在既定的无线资源条件下，不断开发新技术来推动无线通信技术的发展。边缘云服务器将计算、通信和存储等传统云基础设施扩展到互联网边缘，将云服务器由主干网拉近到接入网侧，实现“终端-云端”一跳的通信连接，减少了移动应用的延迟和终端能耗。本发明研究边缘云网络中具有代表性的MEC网络,MEC服务器是边缘云的核心组件，它提供计算通信资源、存储、连接以及对无线电和网络信息的访问功能,移动设备(User Equipment,移动设备)连接到基站并由基站转换其无线信号，使其能够通过有线接入核心网络，MEC服务器通常通过物理连接部署在基站的附近，并与核心云相连。
在既定的无线网络资源下，网络所能提供的最大数据传输数率是一定的。因此要对不同移动设备的业务进行分类，根据不同业务的QoS参数对其进行优先级分类。而对于不同的优先级的任务需要占用的资源量是不同的，需要制定流量资源和价格之间匹配的方案，将有限的资源进行高效利用以对不同的业务提供差异化的服务，尽量满足所有移动设备的业务的基本要求，因此对定价机制的研究有很大的实用意义。电信运营商对网络的建设和网络服务的提供将投入大量的成本，而MEC移动运营商从传统运营商那里租用频谱、带宽等通信资源，因此需要通过定价计费收回其投资并取得收益，同时，有效的收费策略又能起到引导移动设备消费行为的作用。
虽然移动边缘计算技术的应用大大提高了网络的容量，可以为移动设备提供超低时延、超高能效、超高可靠的应用服务，但是MEC网络下现有的网络架构发生改变，为移动设备提供服务的方式更加多样化，这无疑增加了网络中对计算—通信等资源分配调度的复杂度，而建立计算—通信资源的置换方法使得无线资源得到了有效利用。
技术实现要素：
为解决现有技术的不足，本发明的目的在于提供一种基于边缘云网络的通信计算资源置换方法，根据每个小区中的负载情况和网络状况，制定灵活的定价策略来决定终端任务是否卸载到边缘网络进行计算，从而对具有不同QoS等级的业务做不同处理，有效提升了整体网络的服务性能。
为了实现上述目标，本发明采用如下的技术方案：
一种基于边缘云网络的通信计算资源置换方法，其特征是，包括如下步骤：
步骤1)搭建网络模型，并建立该模型下的通信模型和计算模型；
步骤2)基于步骤1)建立计算-通信资源的置换模型，并进行任务分类：根据任务计算过程的时延和能耗特点，可以将移动设备划分为三类，包括必须要卸载的任务类型、需要在本地执行的计算任务类型和需要根据无线通信状态决定是否将计算任务卸载MEC服务器上的类型；
步骤3)对于选择将计算任务卸载到MEC服务器的设备，根据步骤2)分类的结果，对几种不同的卸载方式进行定价，根据当前任务占用的频谱、带宽以及卸载的路径进行动态的定价策略；
步骤4)根据步骤3)所确定的定价策略以及任务的定价高低进行无限资源的优先级制定；
步骤5)对各个过程进行迭代，在每个阶段中选取最优决策，直到最后达到终止条件，服务过程结束。
前述的一种基于边缘云网络的通信计算资源置换方法，其特征是，所述步骤1)中的网络模型为：
一个宏基站侧部署了MEC服务器，在宏基站的覆盖范围内，放置了若干小基站，所有小基站构成各自的小区来服务小区内的移动设备；
当移动设备选择将计算任务卸载到MEC服务器端执行后，可以有两种不同的卸载路径，第一种是移动设备将计算任务卸载到小基站，然后通过小基站和宏基站之间的回程传输将任务卸载到MEC服务器上执行，第二条路径是，当某个小区的负荷过大时，任务队列的长度溢出，移动设备通过小基站来卸载任务需要的排队时间过长导致时延过大，并且使得当前小站的负荷进一步增大，此时移动设备的业务可以直接通过宏基站将计算任务卸载MEC服务器上执行。
前述的一种基于边缘云网络的通信计算资源置换方法，其特征是，所述步骤1)中的通信模型为：
网络模型中的宏基站与一个MEC服务器相连接，移动设备将计算任务通过与之相连的小基站卸载到MEC服务器上执行，小基站的集合为N＝{1,2,...,n}，与小基站n相连的移动设备集合表示为K＝{1,2,...,kn}，用来表示移动设备kn的任务卸载决策，j∈{1,2,3}表示移动设备选择哪种方式来执行任务，h表示计算数据传输的信道；
当移动设备在本地执行计算模式时，不需要数据传输信道h，假定当j＝1时
表示在模式j方式下，移动设备kn通过传输信道h将计算任务卸载到MEC服务器上执行；
表示移动设备kn没有选择该种方式完成计算任务，用来表示对移动设备的计算卸载决策集合；
记总的可用频谱带宽为B Hz，宏基站和MEC服务器之间的回程容量为L bps，小基站n的回程容量为Ln bps，根据香农定理，信道容量为
其中表示对于任意的n、k，是移动设备kn的发送功率密度，表示移动设备im的发射功率，Km表示与基站m相连的移动设备集合，表示移动设备kn与小基站n之间的信道增益，表示移动设备im与小基站之间的信道增益；σ表示加性高斯白噪声的功率谱密度；
用表示小基站n分配给移动设备kn的无线频谱百分比，则有其中，表示对于任意n；n∈N表示小基站的频谱分配集，Kn表示与小基站n相连的移动设备集合，移动设备kn的瞬时数据速率
数据速率不能超过小基站的回程容量：
移动设备kn总数据速率不能超过宏基站的回程容量：
前述的一种基于边缘云网络的通信计算资源置换方法，其特征是，所述步骤1)中的计算模型中：
每个移动设备都有一个计算任务kn∈Kn，表示计算任务的输入数据大小，表示完成任务所需的总的计算能力，用CPU周期数来衡量，表示移动设备kn计算任务的最大可容忍时延；
频谱划分为h个信道，H＝{1,2,…,h},每个信道的带宽都是相同的，表示为B，每个小区内的信道互相正交；
在只通过有线光纤的方式连接的宏基站和小基站之间的回程，根据香农定理可以得到，移动设备接入到宏基站可获得的上行数据传输速率可以表示为：
其中，表示移动设备kn接入到宏基站的发射功率，表示移动设备kn与宏基站M之间的信道增益，表示移动设备im的发射功率，表示移动设备im与宏基站M之间的信道增益；即表示别的小区的移动设备通过宏基站卸载任务时上行传输的频谱与移动设备kn频谱相同时所造成的干扰，σ表示加性高斯白噪声的功率谱密度；
移动设备kn通过信道h接入到小基站时的上行数据传输速率为：
其中，表示移动设备kn接入到小基站的发射功率，表示移动设备kn与小基站n之间的信道增益，表示移动设备im的发射功率，表示移动设备im与小基站n之间的信道增益，即表示别的小区的移动设备通过小基站卸载任务时上行传输的频谱与移动设备kn的频谱相同时所造成的干扰，σ表示加性高斯白噪声的功率谱密度；
对于本地计算模式，计算任务在每个移动设备的本地执行，用来表示移动设备kn的计算能力，即每秒的CPU周期数，本地执行时间
对于直接通过宏基站卸载任务时：总的时间包括从移动设备kn到宏基站的无线上行传输时间，在MEC服务器上执行任务所花费的时间，即总的时间开销为f0R是MEC服务器的计算能力，对于不同的计算任务f0R是一个常数，表示从移动设备kn到宏基站的总的上行传输速率，即：总的能量消耗为：δR表示MEC服务器实现单位CPU周期的能耗，表示移动设备kn连接到宏基站的发射功率，表示移动设备kn传输数据到宏基站所使用的信道数，
对于移动设备通过小基站将计算任务卸载到MEC服务器上，需要通过小基站和宏基站之间的回程传输，通过小基站卸载任务总的时间开销包括从移动设备kn到小基站之间的上行传输时间、回程延迟以及MEC服务器的执行时间，即总的时间消耗：表示单位数据的回程传输时延系数，上行传输速率：总的能量消费：δR表示MEC服务器实现单位CPU周期的能耗，表示移动设备kn连接到小基站的发射功率，表示移动设备kn传输数据到小基站所使用的信道数，
前述的一种基于边缘云网络的通信计算资源置换方法，其特征是，所述步骤2)中任务分类的具体准则为：
类型1——必须要卸载的任务类型：本类计算任务的QoS等级优先级最高，将本类任务集合表示为G1，即满足条件：表示移动设备kn计算任务的最大可容忍时延；
类型2——需要在本地执行的计算任务类型：将本类任务集合表示为G2，如果其满足即对时延的要求不是很敏感，并且根据算法定价机制得到的该设备的卸载成本比较大，应该将计算任务放置在本地执行；
类型3——需要根据无线通信状态决定是否将计算任务卸载MEC服务器上的类型：将本类任务集合表示为G3，该类任务在本地或者远程执行都可以满足时延要求，需要根据当前信道状态和定价机制决定是否卸载该任务。
前述的一种基于边缘云网络的通信计算资源置换方法，其特征是，所述步骤3)中的定价策略为：
移动设备kn的价格函数其中价格系数ρ为根据QoS不同而动态变化的指数，表示通过类型2卸载任务时的传输时延，表示通过类型3卸载任务时的传输时延；
从小基站租用频谱的单价为xS，从宏基站租用频谱的单价为xM，从小基站n到宏基站之间的单位回程价格为yn；
MEC服务器将移动设备的计算输入数据传输到小基站或者宏基站，假设传输到小基站时单位传输单价为θn，直接传输到宏基站的传输单价为θM；
通过类型2卸载任务时，MSO为移动设备分配无线通信资源的网络收益可以表示为：
ψM表示在一定的频谱资源下根据定价机制通过宏基站得到的网络收益，表示经过宏基站传输的上行传输速率，B表示信道带宽；
通过类型3卸载任务时，MSO为移动设备分配无线通信资源的网络收益可以表示为：
yn表示从小基站n到宏基站之间的单位回程价格，为经过小基站传输的上行传输速率，sM表示宏基站分配给移动设备kn的无线频谱百分比，宏基站为每个直接连接的移动设备分配相同的无线频谱；
定义为MEC服务器分配给移动设备kn的计算资源的百分占比：MEC服务器对移动设备kn的计算任务定价为λn，有MEC运营商为移动设备kn提供计算资源服务所获得网络收益为：F表示MEC服务器总的计算资源，的倒数表示在MEC服务器上执行计算任务所花费的时间，的倒数表示在本地设备上执行计算任务所花费的时间，MEC系统运营商的收益效用函数可以定义为：
其中u(*)表示效用函数，对效用函数的研究通常选取一个递增的凸函数，可以选择效用函数u(*)如下：
前述的一种基于边缘云网络的通信计算资源置换方法，其特征是，所述步骤5)的具体内容为：
根据当前小区内的小基站的负载情况来决定任务队列中新到达任务的计算卸载路径，对于当前任务所选择合理的信道应该是宏基站或小基站的空闲信道，需要满足无论通过哪种方式来执行任务，都要使得时延小于当前任务的最低时延；
根据上一节中的任务分类将任务队列中的任务分为两个不同的集合：
对于选择在本地执行计算任务的移动设备，MEC系统运营商不为此类移动设备中获得收益，根据效用函数的定义，如果当前任务队列中第一个任务根据定价决策属于类型二的移动设备，那么直接取下一个任务计算；
对于属于G1中的设备，因为在本地执行无法满足延迟限制，在分配信道时给予其最高的优先级，然后更新信道分配状态，继续进行该迭代过程，在每次迭代中，G1中的设备均根据定价机制来计算两种计算卸载方式的成本，根据信道比较算法来为其分配信道，在每一次迭代结束后，就信道资源分配而言G3中每个设备都要进行检验，在每次迭代过程中，每个计算任务都选择能带来最低的网络开销的信道，在给定的一次迭代中，如果在连续两次迭代过程中信道分配是相同，根据他们分配信道资源的卸载时间延迟，需要把这个设备从这个集合中移除到G1或者G2中，迭代终止的条件是，在G3已经没有设备或者没有无线资源可用。
前述的一种基于边缘云网络的通信计算资源置换方法，其特征是，具体步骤为：
步骤51)获取各个小区当前服务的移动设备数K＝{1,2,...,kn}以及小基站的回程容量Ln、宏基站的回程容量L；
步骤52)各个小基站分别计算所服务移动设备数量以及剩余的网络容量；
步骤53)获取任务队列中第一个任务要求的QoS指标，计算该任务执行需要满足的最低时延要求，计算该任务所属移动设备自身的计算能力；
步骤54)根据任务的时延和设备自身计算能力得到计算卸载决策集G1；对不在卸载集合中的任务，直接在设备本地执行计算任务；
步骤55)对计算卸载集合中的任务，根据卸载成本制定任务卸载队列中为每个任务提供计算和通信服务的定价策略，根据定价比较两种卸载路径下的卸载成本，如果通过小基站卸载任务的成本比较低，则执行步骤56)；否则，执行步骤57)；
步骤56)将该计算任务所属设备连接到小基站，通过小基站将计算任务传输到MEC服务器上，MEC服务器返回计算结果给移动设备并根据定价计算费用；
步骤57)小基站当前处于拥塞状态，将该计算任务直接通过宏基站传输到MEC服务器上，返回计算结果并向移动设备收取费用；
步骤58)更新各个小区移动设备数量集合以及小基站的剩余容量，直到在G3已经没有设备或者没有无线资源可用。
本发明所达到的有益效果：本方案中将计算卸载和定价机制相结合，将任务队列中移动设备到达业务按照QoS等级划分为计算密集和延迟敏感型业务以及其他业务。将任务通过基站卸载到MEC服务器上的过程看作是以网络中的频谱带宽等通信资源来换取MEC服务器的计算资源，以此来提高移动设备的业务延迟，对于计算卸载决策集中的移动设备，制定灵活的定价和卸载决策，对于占用资源量大的业务定价高一些，而对延迟不敏感的一般业务，仅满足其基本的服务质量的情况下尽可能多的为更多的移动设备提供服务。通过这种定价机制，可以实现引导移动设备的消费行为，使得在网络资源有限的情况下，为有着不同流量需求的移动设备动态的提供不同的服务。
附图说明
图1是边缘云网络下的任务计算卸载系统模型；
图2是通信资源与计算资源的置换示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本方案涉及一种移动边缘计算网络下的计算和通信资源置换方法，根据每个小区中的负载情况和网络状况，制定灵活的定价策略来决定终端任务是否卸载到边缘网络进行计算，从而对具有不同QoS等级的业务做不同处理，有效提升了整体网络的服务性能，具体地包括如下步骤：
步骤1)搭建网络模型，并建立该模型下的通信模型和计算模型：
网络模型为：
一个宏基站侧部署了MEC服务器，在宏基站的覆盖范围内，放置了若干小基站，所有小基站构成各自的小区来服务小区内的移动设备；
当移动设备选择将计算任务卸载到MEC服务器端执行后，可以有两种不同的卸载路径，第一种是移动设备将计算任务卸载到小基站，然后通过小基站和宏基站之间的回程传输将任务卸载到MEC服务器上执行，第二条路径是，当某个小区的负荷过大时，任务队列的长度溢出，移动设备通过小基站来卸载任务需要的排队时间过长导致时延过大，并且使得当前小站的负荷进一步增大，此时移动设备的业务可以直接通过宏基站将计算任务卸载MEC服务器上执行。
通信模型为：
网络模型中的宏基站与一个MEC服务器相连接，移动设备将计算任务通过与之相连的小基站卸载到MEC服务器上执行，小基站的集合为N＝{1,2,...,n}，与小基站n相连的移动设备集合表示为K＝{1,2,...,kn}，用来表示移动设备kn的任务卸载决策，j∈{1,2,3}表示移动设备选择哪种方式来执行任务，h表示计算数据传输的信道；
当移动设备在本地执行计算模式时，不需要数据传输信道h，假定当j＝1时
表示在模式j方式下，移动设备kn通过传输信道h将计算任务卸载到MEC服务器上执行；
表示移动设备kn没有选择该种方式完成计算任务，用来表示对移动设备的计算卸载决策集合；
记总的可用频谱带宽为B Hz，宏基站和MEC服务器之间的回程容量为L bps，小基站n的回程容量为Ln bps，根据香农定理，信道容量为
表示对于任意的n，k
是移动设备kn的发送功率密度，表示移动设备im的发射功率，Km表示与基站m相连的移动设备集合，表示移动设备kn与小基站之间的信道增益，表示移动设备im与小基站之间的信道增益；
用表示小基站n分配给移动设备kn的无线频谱百分比，则有
表示对于任意n，n∈N表示小基站的频谱分配集，Kn表示与小基站n相连的移动设备集合，移动设备kn的瞬时数据速率为：
数据速率不能超过小基站的回程容量：
移动设备s总数据速率不能超过宏基站的回程容量：
计算模型中：
每个移动设备都有一个计算任务kn∈Kn，表示计算任务的输入数据大小，表示完成任务所需的总的计算能力，用CPU周期数来衡量，表示移动设备计算任务的最大可容忍时延；
频谱划分为h个信道，H＝{1,2,…,h},每个信道的带宽都是相同的，表示为B，每个小区内的信道互相正交；
在只通过有线光纤的方式连接的宏基站和小基站之间的回程，根据香农定理可以得到，移动设备接入到宏基站可获得的上行数据传输速率可以表示为：
表示移动设备kn接入到宏基站的发射功率，表示移动设备kn与宏基站M之间的信道增益，表示移动设备im的发射功率，表示移动设备im与宏基站M之间的信道增益。
即表示别的小区的移动设备通过宏基站卸载任务时上行传输的频谱与移动设备kn频谱相同时所造成的干扰，σ表示加性高斯白噪声的功率谱密度；
移动设备kn通过信道h接入到小基站时的上行数据传输速率为：
表示移动设备kn接入到小基站的发射功率，表示移动设备kn与小基站n之间的信道增益，表示移动设备im的发射功率，表示移动设备im与小基站n之间的信道增益，
即表示别的小区的移动设备通过小基站卸载任务时上行传输的频谱与移动设备kn的频谱相同时所造成的干扰，σ表示加性高斯白噪声的功率谱密度；
对于本地计算模式，计算任务在每个移动设备设备的本地执行，用来表示移动设备kn的计算能力，即每秒的CPU周期数，本地执行时间可以表示为：
对于直接通过宏基站卸载任务时：总的时间包括从移动设备设备到宏基站的无线上行传输时间，在MEC服务器上执行任务所花费的时间，即总的时间开销为：f0R是MEC服务器的计算能力，对于不同的计算任务f0R是一个常数，表示从移动设备kn到宏基站的总的上行传输速率，即：
总的能量消耗为：
δR表示MEC服务器实现单位CPU周期的能耗，表示移动设备连接到宏基站的发射功率，表示移动设备kn传输数据到宏基站所使用的信道数，
对于移动设备通过小基站将计算任务卸载到MEC服务器上，需要通过小基站和宏基站之间的回程传输，通过小基站卸载任务总的时间开销包括从移动设备kn到小基站之间的上行传输时间、回程延迟以及MEC服务器的执行时间，即总的时间消耗：
表示单位数据的回程传输时延系数，上行传输速率：
总的能量消费：
步骤2)基于步骤1)建立计算-通信资源的置换模型，并进行任务分类：根据任务计算过程的时延和能耗特点，可以将移动设备划分为三类，包括必须要卸载的任务类型、需要在本地执行的计算任务类型和需要根据无线通信状态决定是否将计算任务卸载MEC服务器上的类型，任务分类的具体准则为：
类型1——必须要卸载的任务类型：本类计算任务的QoS等级优先级最高，将本类任务集合表示为G1，满足条件：
类型2——需要在本地执行的计算任务类型：将本类任务集合表示为G2，如果其满足即对时延的要求不是很敏感，并且根据算法定价机制得到的该设备的卸载成本比较大，应该将计算任务放置在本地执行；
类型3——需要根据无线通信状态决定是否将计算任务卸载MEC服务器上的类型：将本类任务集合表示为G3，该类任务在本地或者远程执行都可以满足时延要求，需要根据当前信道状态和定价机制决定是否卸载该任务。
步骤3)对于选择将计算任务卸载到MEC服务器的设备，根据步骤2)分类的结果，对几种不同的卸载方式进行定价，根据当前任务占用的频谱、带宽以及卸载的路径进行动态的定价策略，具体地定价策略为：
定价策略为：
移动设备kn的价格函数其中价格系数ρ为根据QoS不同而动态变化的指数，随着用户对QoS要求的增加而增加，一般情况下为一个常数。表示通过类型2卸载任务时的传输时延，表示通过类型3卸载任务时的传输时延；
从小基站租用频谱的单价为xS，从宏基站租用频谱的单价为xM，从小基站n到宏基站之间的单位回程价格为yn；
MEC服务器将移动设备的计算输入数据传输到小基站或者宏基站，假设传输到小基站时单位传输单价为θn，直接传输到宏基站的传输单价为θM；
通过类型2卸载任务时，MSO为移动设备分配无线通信资源的网络收益可以表示为：
ψM表示在一定的频谱资源下根据定价机制通过宏基站得到的网络收益，表示经过宏基站传输的上行传输速率，B表示信道带宽。
通过类型3卸载任务时，MSO为移动设备分配无线通信资源的网络收益可以表示为：
yn表示从小基站n到宏基站之间的单位回程价格，为经过小基站传输的上行传输速率。sM表示宏基站分配给移动设备kn的无线频谱百分比，宏基站为每个直接连接的移动设备分配相同的无线频谱；
定义为MEC服务器分配给移动设备kn的计算资源的百分占比：MEC服务器对移动设备kn的计算任务定价为λn，有MEC运营商为移动设备提供计算资源服务所获得网络收益为：F表示MEC服务器总的计算资源，的倒数表示在MEC服务器上执行计算任务所花费的时间，的倒数表示在本地设备上执行计算任务所花费的时间，MEC系统运营商的收益效用函数可以定义为：
步骤4)根据步骤3)所确定的定价策略以及任务的定价高低进行无限资源的优先级制定；
步骤5)对各个过程进行迭代，在每个阶段中选取最优决策，直到最后达到终止条件，服务过程结束。
根据当前小区内的小基站的负载情况来决定任务队列中新到达任务的计算卸载路径，对于当前任务所选择合理的信道应该是宏基站或小基站的空闲信道，需要满足无论通过哪种方式来执行任务，都要使得时延小于当前任务的最低时延；
根据上一节中的任务分类将任务队列中的任务分为两个不同的集合：
对于选择在本地执行计算任务的移动设备，MEC系统运营商不为此类移动设备中获得收益，根据效用函数的定义，如果当前任务队列中第一个任务根据定价决策属于类型二的移动设备，那么直接取下一个任务计算；
对于属于G1中的设备，因为在本地执行无法满足延迟限制，在分配信道时给予其最高的优先级，然后更新信道分配状态，继续进行该迭代过程，在每次迭代中，G1中的设备均根据定价机制来计算两种计算卸载方式的成本，根据信道比较算法来为其分配信道，在每一次迭代结束后，就信道资源分配而言G3中每个设备都要进行检验，在每次迭代过程中，每个计算任务都选择能带来最低的网络开销的信道，在给定的一次迭代中，如果在连续两次迭代过程中信道分配是相同，根据他们分配信道资源的卸载时间延迟，需要把这个设备从这个集合中移除到G1或者G2中，迭代终止的条件是，在G3已经没有设备或者没有无线资源可用。
具体步骤为：
步骤51)获取各个小区当前服务的移动设备数K＝{1,2,...,kn}以及小基站的回程容量Ln、宏基站的回程容量L；
步骤52)各个小基站分别计算所服务移动设备数量以及剩余的网络容量；
步骤53)获取任务队列中第一个任务要求的QoS指标，计算该任务执行需要满足的最低时延要求，计算该任务所属移动设备设备自身的计算能力；
步骤54)根据任务的时延和设备自身计算能力得到计算卸载决策集G1；对不在卸载集合中的任务，直接在设备本地执行计算任务；
步骤55)对计算卸载集合中的任务，根据卸载成本制定任务卸载队列中为每个任务提供计算和通信服务的定价策略，根据定价比较两种卸载路径下的卸载成本，如果通过小基站卸载任务的成本比较低，则执行步骤56)；否则，执行步骤57)；
步骤56)将该计算任务所属设备连接到小基站，通过小基站将计算任务传输到MEC服务器上，MEC服务器返回计算结果给移动设备并根据定价计算费用；
步骤57)小基站当前处于拥塞状态，将该计算任务直接通过宏基站传输到MEC服务器上，返回计算结果并向移动设备收取费用；
步骤58)更新各个小区移动设备数量集合以及小基站的剩余容量，直到在G3已经没有设备或者没有无线资源可用。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。