1.移动边缘计算中一种分布式异构环境下的资源分配方法，其特征在于，所述方法包括：

步骤1)根据MEC环境中不同业务类型对应的卸载时延，建立出多样化的任务卸载模型；

步骤2)建立用户与MEC服务器之间的买卖博弈模型，计算用户向MEC服务器购买计算资源进行任务卸载的成本以及MEC服务器所获得的收益，从而建立出用户的最大化收益模型和MEC服务器的最大化收益模型依次表示为：Max：

S.t.：

其中， 表示在时隙t内第i个用户的收益；uij(t)表示第i个用户将任务卸载到第j个MEC服务器可获得的效用函数； 表示第i个用户将任务卸载到第j个MEC服务器的数据通信成本；cij(t)表示第i个用户将任务卸载到第j个MEC服务器的支付成本，同时表示第j个MEC服务器处理第i个用户的任务所获得的收益；bi(t)表示第i个用户在时隙t内卸载的总任务量；Qi(t)表示第i个用户在时隙t的任务队列积压； 表示第j个MEC服务器最低的CPU频率；fij(t)表示第j个MEC服务器分配给第i个用户的CPU频率； 表示第j个MEC服务器最高的CPU频率；M表示用户总数；N表示MEC服务器总数；

Max：

S.t.：pij(t)≥0；

其中， 表示在时隙t内第j个MEC服务器的收益； 表示第i个用户在时隙t内将任务卸载到第j个MEC服务器所产生的计算能耗成本；pij(t)表示时隙t内单位时间内购买单位计算频率资源的支付价格；

步骤3)根据不同用户对应的任务卸载时延的要求，在所述用户的最大化收益模型中采用李雅普诺夫优化算法，对所述用户的最大化收益模型进行改进，从而计算出卸载收益和卸载时延的折中关系；

改进后的用户的最大化收益模型包括：Max：

S.t.：

其中， 表示在时隙t内第i个用户的收益与队列积压的折中关系表达式；Vi表示李雅普诺夫优化算法的控制参数，用于控制用户的卸载收益和卸载时延的折中关系；

步骤4)基于改进的用户最大化收益模型以及所述折中关系，利用拉格朗日乘子法和KKT条件计算出各个时隙内不同用户向MEC服务器对应计算资源的最优购买策略，具体包括：

步骤101、将李雅普诺夫函数作为第i个用户任务队列的积压度量指标；

步骤102、建立第i个用户任务队列各个时隙内的李雅普诺夫漂移函数；

步骤103、采用漂移惩罚drift‑plus‑penalty函数 用以权衡用户的卸载收益和卸载时延之间的关系；

步骤104、最小化漂移惩罚drift‑plus‑penalty函数 的上界，通过调整李雅普诺夫优化算法的控制参数，获取基于李雅普诺夫优化理论的用户卸载收益和卸载时延之间的折中关系，即用户进行折中选择后的卸载收益和卸载时延；

其中，Δ(Qi(t))表示第i个用户任务队列各个时隙内的条件李雅普诺夫漂移函数；

表示在时隙t观测到队列积压Qi(t)的条件下，用户收益 的期望；

所述最优计算资源购买策略的表达式为：其中， 表示在时隙t内第i个用户选择购买第j个MEC服务器的最优计算资源，即第j个MEC服务器分配给第i个用户的最优CPU频率；αi表示第i个用户的卸载权重系数；

τ表示单位时隙长度，Li表示第i个用户的单位处理密度；Qi(t)表示第i个用户在时隙t内的任务队列积压； 表示条件*

的拉格朗日乘子； 表示条件 的拉格朗日乘子；υ表示条件bi(t)≤Qi(t)的拉格朗日乘子；σij表示单位任务通信成本；

步骤5)基于用户的最优购买策略，利用MEC服务器的最大化收益模型，获得各个时隙内MEC服务器对用户所购买计算资源的最优动态报价策略；

所述各个时隙内MEC服务器对用户所购买计算资源的最优动态报价策略表示为：其中， 表示时隙t内单位时间内购买单位计算资源的最优支付价格； 表示条件pij(t)≥0的拉格朗日乘子；κj表示为第j个MEC服务器芯片架构相关的有效能量系数；

步骤6)若所述用户计算资源的最优购买策略，以及MEC服务器的最优报价策略满足斯坦科尔伯格均衡解，MEC服务器则按照最优策略包括最优购买策略和最优报价策略对不同用户进行计算资源的按需分配。