1.一种多接入边缘计算系统时延敏感型任务卸载决策方法，其特征在于，包括：系统初始化，获取多接入边缘计算系统中的用户信息和边缘设备信息；

根据用户任务中计算的依赖关系以及本地设备和边缘设备的当前状态，确定任务中每个计算的卸载决策，所述卸载决策包括计算的接入位置和执行位置；

确定每个卸载决策的适应度函数；

以最小化系统平均延迟为目标，利用结合蚁群和层次分析法的任务卸载优化方法对所述卸载决策进行优化；判断是否达到优化迭代结束条件，若结束，则输出最终的卸载决策结果；

所述利用结合蚁群和层次分析法的任务卸载优化方法对所述卸载决策进行优化，具体包括：步骤1：获取多接入边缘系统中的用户信息和边缘设备信息；

步骤2：使用层次分析法初始化信息素矩阵；

步骤3：生成计算执行的优先级；

步骤4：按照所述优先级序列判断，若计算不在本地执行，根据信息素矩阵计算选择基站的概率；

步骤5：基于所述概率使用轮盘赌算法选择适合的设备；

步骤6：重复步骤4至步骤5，直至确定所有计算的卸载决策；

步骤7：根据适应度函数与全局最优和局部最优的关系更新所述信息素矩阵；

步骤8：重复步骤3至5，直至蚁群算法迭代结束。

2.如权利要求1所述的一种多接入边缘计算系统时延敏感型任务卸载决策方法，其特征在于，所述每个卸载决策的适应度函数具体如下：其中，表示用户u的任务中计算的系统延迟，n表示用户数量，U表示用户集合。

3.如权利要求1所述的一种多接入边缘计算系统时延敏感型任务卸载决策方法，其特征在于，所述系统延迟的计算具体为：分别计算用户u的任务中计算的最晚结束时间以及用户u的任务中计算的最早开始时间，然后计算两者的差值获得用户u的任务中计算的系统延迟。

4.如权利要求1所述的一种多接入边缘计算系统时延敏感型任务卸载决策方法，其特征在于，所述适应度函数需满足如下约束：若计算执行在本地，则计算所需的工作量不大于用户设备的计算能力；

若计算执行在本地，则计算所需的存储空间不大于用户设备的存储能力；

若计算不执行在本地，则计算所需的工作量不大于它执行所在的基站的计算能力；

若计算不执行在本地，则计算所需的存储空间不大于它执行所在的基站的存储能力。

5.如权利要求1所述的一种多接入边缘计算系统时延敏感型任务卸载决策方法，其特征在于，所述用户信息包括地理位置信息、所需的接入点资源需求、服务资源需求以及任务执行所需的CPU周期；所述边缘设备信息包括当前负载情况及地理位置信息。

6.如权利要求1所述的一种多接入边缘计算系统时延敏感型任务卸载决策方法，其特征在于，所述系统初始化包括初始化用户间的任务依赖关系，用户设备的计算、通信以及存储能力；边缘设备的计算、通信以及存储能力。

7.一种多接入边缘计算系统时延敏感型任务卸载决策系统，其特征在于，包括：数据获取单元，其用于系统初始化，获取多接入边缘计算系统中的用户信息和边缘设备信息；

卸载决策确定单元，其用于根据用户任务中计算的依赖关系以及本地设备和边缘设备的当前状态，确定任务中每个计算的卸载决策，所述卸载决策包括计算的接入位置和执行位置；

适应度函数计算单元，其用于确定每个卸载决策的适应度函数；

优化求解单元，其用于以最小化系统平均延迟为目标，利用结合蚁群和层次分析法的任务卸载优化方法对所述卸载决策进行优化；判断是否达到优化迭代结束条件，若结束，则输出最终的卸载决策结果;所述利用结合蚁群和层次分析法的任务卸载优化方法对所述卸载决策进行优化，具体包括：步骤1：获取多接入边缘系统中的用户信息和边缘设备信息；

步骤2：使用层次分析法初始化信息素矩阵；

步骤3：生成计算执行的优先级；

步骤4：按照所述优先级序列判断，若计算不在本地执行，根据信息素矩阵计算选择基站的概率；

步骤5：基于所述概率使用轮盘赌算法选择适合的设备；

步骤6：重复步骤4至步骤5，直至确定所有计算的卸载决策；

步骤7：根据适应度函数与全局最优和局部最优的关系更新所述信息素矩阵；

步骤8：重复步骤3至5，直至蚁群算法迭代结束。

8.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑6任一项所述的一种多接入边缘计算系统时延敏感型任务卸载决策方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑6任一项所述的一种多接入边缘计算系统时延敏感型任务卸载决策方法。