1.一种移动边缘计算中协作卸载机制下的最小化时延方法,其特征在于,包括以下步骤: 步骤1:构建移动边缘计算中协作卸载机制下的数学模型。 步骤2:对构建的数学模型进行变量松弛并构造拉格朗日函数。 步骤3:求解终端用户i分配的CPU频率fi,loc和MEC服务器端j分配的CPU频率fi,j,Mec。 步骤4:求解终端用户i的任务卸载到MEC服务器j的传输功率pi,j,以及终端用户i的任务通过MEC服务器j卸载到云服务器的传输功率qi,j。 步骤5:求解终端用户i的任务卸载到MEC服务器j的卸载决策变量xi,j,以及MEC服务器j将终端用户i的任务任务卸载到云端的卸载决策变量yi,j。 步骤6:基于梯度下降法求解协作卸载机制下的最小化时延优化问题。 2.根据权利要求1所述的移动边缘计算中协作卸载机制下的最小化时延方法,其特征在于,步骤1中构建移动边缘计算中协作卸载机制下的数学模型。定义数学模型的优化变量,包括决策变量xij,yij,xi,j∈{0,1},xi,j=1表示终端用户i的任务卸载到MEC服务器j执行,yi,j∈{0,1},yi,j=1表示终端用户i的任务通过MEC服务器j卸载到云服务器执行;终端用户i分配的CPU频率fi,loc,MEC服务器端j的CPU频率fi,j,Mec;终端用户i的任务卸载到MEC服务器j的传输功率pi,j,终端用户i的任务通过MEC服务器j卸载到云服务器的传输功率qi,j。定义终端用户到MEC服务器的数据率,以及从MEC到云服务器的数据率分别为Ri,j和ri,j;定义终端用户i的任务在本地执行的时延表示为Til,在MEC执行的时延在云服务器执行的时延为以及定义在在本地执行的能耗在边缘服务器执行的能耗在云服务器执行的能耗最小化所有任务的完成时延的目标函数定义为 3.根据权利要求1所述的移动边缘计算中协作卸载机制下的最小化时延方法,其特征在于,步骤2中对构建的数学模型进行变量松弛并构造拉格朗日函数。 4.根据权利要求1所述的移动边缘计算中协作卸载机制下的最小化时延方法,其特征在于,步骤3中求解终端用户i分配的CPU频率fi,loc和MEC服务器端j分配的CPU频率fi,j,Mec。 5.根据权利要求1所述的移动边缘计算中协作卸载机制下的最小化时延方法,其特征在于, 步骤4中求解终端用户i的任务卸载到MEC服务器j的传输功率pi,j,以及终端用户i的任务通过MEC服务器j卸载到云服务器的传输功率qi,j。 6.根据权利要求1所述的移动边缘计算中协作卸载机制下的最小化时延方法,其特征在于, 步骤5中求解终端用户i的任务卸载到MEC服务器j的卸载决策变量xi,j,以及MEC服务器j将终端用户i的任务任务卸载到云端的卸载决策变量yi,j。 7.根据权利要求1所述的能量获取D2D异构网络中频效能效优化方法,其特征在于,步骤6中基于梯度下降法求解协作卸载机制下的最小化时延优化问题。