1.一种无人机辅助移动边缘网络分簇方法，其特征在于，包括：步骤1：获取预设范围中地面节点的分布密度，并根据所述分布密度将地面节点初始化为K个簇，得到K个簇头；

步骤2：根据所述K个簇头确定初始簇头的初始位置，根据所述初始位置得到对应的簇头多边形，获取所述簇头多边形的点群中心，将所述点群中心作为无人机的坐标；

步骤3：获取所述无人机的坐标，根据预设算法对地面节点重新分簇，得到分簇结果，并遍历所述分簇结果中的每个簇以及簇中的每个节点，得到每个簇中的最优簇头；

步骤4：获取所述最优簇头对应的簇头坐标，根据所述簇头坐标，结合预设的四方向变步长贪婪算法得到对应的无人机坐标；

步骤5：重复步骤3、步骤4，直至无人机坐标与前一重复步骤中的前一无人机坐标相比，得到坐标差距，当所述坐标差距小于预设差距时，输出所述无人机坐标；

所述遍历分簇结果中的每个簇以及簇中的每个节点，得到每个簇中的最优簇头，包括：分别以分簇结果中的每个节点作为簇头，计算簇中各个节点到无人机的总时延，并将总时延最小时对应的节点作为最优簇头；

所述根据簇头坐标，结合预设的四方向变步长贪婪算法得到对应的无人机坐标，包括：根据簇头坐标得到对应的簇头多边形，获取所述簇头多边形的点群中心，并结合预设的四方向变步长贪婪算法得到对应的四方向无人机坐标；

分别计算四方向无人机坐标与各个最优簇头之间的时延，并将总时延最小时对应的无人机坐标作为四方向变步长贪婪算法输出的无人机坐标；

所述根据所述分布密度将地面节点初始化为K个簇，得到K个簇头，包括：步骤4.1，根据所述分布密度，获取所述地面节点中密度最大的节点作为初始节点，根据所述初始节点的影响范围划分初始簇，所述初始节点作为簇头；

步骤4.2，将所述地面节点去除所述初始簇中的所有节点，再次获取地面节点中密度最大的节点作为第二初始节点，根据所述第二初始节点的影响范围划分第二初始簇，所述第二初始节点作为簇头；

步骤4.3，重复步骤4.2，直至将地面节点初始化为K个簇，得到K个簇头；

所述获取无人机的坐标，根据预设算法对所述地面节点重新分簇，得到分簇结果，包括：根据无人机的坐标，通过K均值聚类算法对地面节点重新分簇，得到分簇结果。

2.一种无人机辅助移动边缘网络分簇装置，其特征在于，所述装置包括：第一获取模块，用于获取预设范围中地面节点的分布密度，并根据所述分布密度将地面节点初始化为K个簇，得到K个簇头；

第二获取模块，用于根据所述K个簇头确定初始簇头的初始位置，根据所述初始位置得到对应的簇头多边形，获取所述簇头多边形的点群中心，将所述点群中心作为无人机的坐标；

分簇模块，用于获取所述无人机的坐标，根据预设算法对地面节点重新分簇，得到分簇结果，并遍历所述分簇结果中的每个簇以及簇中的每个节点，得到每个簇中的最优簇头；

坐标计算模块，用于获取所述最优簇头对应的簇头坐标，根据所述簇头坐标，结合预设的四方向变步长贪婪算法得到对应的无人机坐标；

重复模块，用于重复分簇模块、坐标计算模块步骤，直至无人机坐标与前一重复步骤中的前一无人机坐标相比，得到坐标差距，当所述坐标差距小于预设差距时，输出所述无人机坐标；

计算模块，用于分别以分簇结果中的每个节点作为簇头，计算簇中各个节点到无人机的总时延，并将总时延最小时对应的节点作为最优簇头；

算法模块，用于根据簇头坐标得到对应的簇头多边形，获取所述簇头多边形的点群中心，并结合预设的四方向变步长贪婪算法得到对应的四方向无人机坐标；

第二计算模块，用于分别计算四方向无人机坐标与各个最优簇头之间的时延，并将总时延最小时对应的无人机坐标作为四方向变步长贪婪算法输出的无人机坐标；

所述根据所述分布密度将地面节点初始化为K个簇，得到K个簇头，包括：步骤4.1，根据所述分布密度，获取所述地面节点中密度最大的节点作为初始节点，根据所述初始节点的影响范围划分初始簇，所述初始节点作为簇头；

步骤4.2，将所述地面节点去除所述初始簇中的所有节点，再次获取地面节点中密度最大的节点作为第二初始节点，根据所述第二初始节点的影响范围划分第二初始簇，所述第二初始节点作为簇头；

步骤4.3，重复步骤4.2，直至将地面节点初始化为K个簇，得到K个簇头；

所述获取无人机的坐标，根据预设算法对所述地面节点重新分簇，得到分簇结果，包括：根据无人机的坐标，通过K均值聚类算法对地面节点重新分簇，得到分簇结果。

3.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理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所述无人机辅助移动边缘网络分簇方法的步骤。

4.一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，该计算机程序被处理器执行时实现如权利要求1所述无人机辅助移动边缘网络分簇方法的步骤。