1.一种多微云环境下基于粒子群优化的计算任务卸载方法，其特征在于，包括如下步骤：(1)构建面向多微云架构的计算任务卸载模型，建立计算任务卸载方案；

(2)创建并初始化粒子群，粒子的维数为计算任务卸载方案的个数，粒子中的位置编码代表计算任务卸载决策；设置粒子群算法参数，包括粒子数量、粒子维数、算法迭代次数、惯性权重，学习因子参数；

(3)根据粒子适应度计算方法，计算粒子群中每个粒子的适应度，记录个体粒子最优位置，并最终得到初始全局最优位置；

(4)根据惯性权重更新方法，更新每个粒子的速度与位置；

(5)判断是否满足迭代次数，是则输出全局最优适应度粒子编码，否则返回步骤(4)继续迭代；

(6)将全局最优适应度粒子编码解码成计算任务卸载方案，根据每个粒子的整数编码，输出计算任务卸载方案；如果为0则表示任务在本地运行，如果为K+1则表示任务卸载到远程云，否则表示任务卸载到对应编号的微云中。

2.根据权利要求1所述的一种多微云环境下基于粒子群优化的计算任务卸载方法，其特征在于，所述步骤(3)中粒子适应度计算方法具体步骤如下：(3.1)粒子编码与离散化处理；

(3.2)适应度函数。

3.根据权利要求1所述的一种多微云环境下基于粒子群优化的计算任务卸载方法，其特征在于，所述步骤(3.1)中粒子编码与离散化处理的具体步骤如下：定义距离函数为：

dijm＝|xij-yjm|

其中xij为粒子位置，yjm为粒子第j维分量的值域中第m个整数的值，整数值域为{0,

1,...,K+1}，代表计算任务卸载方案；分别计算粒子位置到值域中每个元素的距离，并选取距离最小的元素替换粒子的位置，实现粒子编码的离散化。

4.根据权利要求1所述的一种多微云环境下基于粒子群优化的计算任务卸载方法，其特征在于，所述步骤(3.2)中适应度函数的具体步骤如下：考虑微云计算资源的限制，卸载到微云cu中所有任务的总计算量不能超过cu的计算容量Ru；

采用罚函数法处理违反约束的粒子，构造约束函数为：其中βu为惩罚因子，取一个足够大的正数，xi,j,u为任务ai,j的卸载决策，wi,j为任务ai,j的计算量，Ru为微云cu的计算容量；

通过构造惩罚函数，定义粒子的适应度函数为：

fitness(X)＝f(X)+g(X)

其中， 代表所有任务完成的时间，Ti,j为任务ai,j的完成时间。

5.根据权利要求1所述的一种多微云环境下基于粒子群优化的计算任务卸载方法，其特征在于，所述步骤(4)中更新每个粒子的速度与位置的具体步骤如下：基于进化代数和个体适应度的加权自适应惯性权重更新公式如下：ωi*(t)＝λ1*ω(t)+λ2*ωi(t)ωi*(t)为粒子i最终的惯性权重值，λ1和λ2为权重因子，λ1+λ2＝1，ω(t)为面向高斯函数递减惯性权重的调整方法：其中α为常数，取值为[0.1,0.3]；t为当前进化代数，tmax为最大进化代数；ωmax和ωmin分别为初始化时惯性权重的最大值和最小值；

ωi(t)为根据每个粒子的适应度调整的惯性权重：其中fitnessi(t)为第t代时粒子i的适应度，fitnessb(t)和fitnessw(t)分别为第t代时粒子的最优和最差适应度。