1.一种移动Ad Hoc云中基于能量收集的分布式卸载方法，其特征在于，包括以下步骤：考虑一组带有EH功能的附近终端设备构成的移动Ad Hoc云网络，分别建立计算任务模型、任务卸载模型和能量收集模型；

将客户终端作为买方，根据自身的计算任务需求向代理终端购买资源，采用李雅普诺夫优化理论，基于计算任务模型、任务卸载模型和能量收集模型建立买方的收益最大化问题，基于计算任务模型、任务卸载模型和能量收集模型建立买方的收益最大化问题表示为：约束条件：

其中，

将代理终端作为卖方，通过动态资源报价为客户终端提供不同的计算和存储资源，基于计算任务模型、任务卸载模型和能量收集模型建立卖方的收益最大化问题，基于计算任务模型、任务卸载模型和能量收集模型建立卖方的收益最大化问题表示为：目标函数：

其中，

将基于计算任务模型、任务卸载模型和能量收集模型建立卖方的收益最大化问题分解为求解能量收集的最优解和任务卸载优化问题，其中求解能量收集的最优解表示为：当

将能量收集优化问题解耦合之后，任务卸载优化问题表示为；

约束条件：

其中，

根据客户终端的任务积压、电池能量水平以及代理终端的报价，在各个时隙内，利用拉格朗日乘子法和KKT条件计算出买方向所选择的代理终端卸载的最优任务卸载策略以及卖方的最优报价策略；通过拉格朗日乘子法和KKT条件所求出第t时隙的最优报价为：其中，

若买方的最优任务卸载策略和卖方的最优报价策略满足斯坦克尔伯格均衡解，则客户终端按照最优任务卸载策略向代理终端进行任务卸载。

2.根据权利要求1所述的一种移动Ad Hoc云中基于能量收集的分布式卸载方法，其特征在于，将基于计算任务模型、任务卸载模型和能量收集模型建立买方的收益最大化问题分解为求解能量收集的最优解和任务卸载优化问题，其中求解能量收集的最优解表示为：当

将能量收集优化问题解耦合之后，任务卸载优化问题表示为：约束条件：

其中，

3.根据权利要求2所述的一种移动Ad Hoc云中基于能量收集的分布式卸载方法，其特征在于，当计算任务在本地处理且其中，

4.根据权利要求2所述的一种移动Ad Hoc云中基于能量收集的分布式卸载方法，其特征在于，当计算任务在本地处理且其中，

5.根据权利要求3所述的一种移动Ad Hoc云中基于能量收集的分布式卸载方法，其特征在于，客户终端在每个时隙开始时选择将部分任务卸载到代理终端，其余部分任务在本地进行卸载，第i个客户终端在第t时隙卸载到第j个代理终端的最优任务量表示为：其中，ξ