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；

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；

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；

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，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， 表示买方在第t时隙的收益最大化问题；Vi表示第i个客户终端的控制参数； 表示第i个客户终端在时隙t的总收益； 表示卸载收益与任务队列相关；

为第i个客户终端Ci在时隙t内的任务到达量，表示第i个客户终端Ci在时隙t内处理的总任务量； 为第i个客户终端带有的EH设备的虚拟能量队列，表示为 θi为EH设备min的扰动参数， 为第i个客户终端带有的EH设备的在时隙t开始时的能量队列积压；E 表示max电池最小放电能量； 表示第i个客户终端在时隙t内产生的总能耗；E 表示电池最大放电能量； 表示第t时隙内第j个代理终端Aj协助第i个客户终端计算任务时产生的计算能耗； 表示第i个客户终端带有的EH设备在时隙t开始时的能量队列积压； 表示第t时隙第ti个客户终端卸载到第j个代理终端的任务量；Qi表示第i个客户终端在第t时隙的任务队列积压； 表示第i个客户终端在第t时隙的平均任务队列积压；T表示系统运行时间； 表示求期望。

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，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：min:

当 时， 当 时，

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：

max

其中， 表示能量收集的最优解；γ 表示EH设备在第t时隙收集的能量最大值。

4.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，当计算任务在本地处理且 时，利用拉格朗日乘子法和KKT条件求解第t时隙的最优本地计算频率为：其中， κi为第i个客户终端芯片的有效能量成本系数；Li表示第i个客户终端的单位处理能力；τ为单位时隙长度；ξi为任务卸载效益权重参数。

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，当计算任务在本地处理且 时，最优本地计算频率为：其中， 表示当计算任务在本地处理且 时最优本地计算频率； 表示第i个客户的最大CPU处理频率； 表示第i个客户的电池最大放电能量； 表示第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； 为第t时隙第i个客户终端将任务卸载到第j个代理终端的传输功率； 为第t时隙第i个客户终端将任务卸载到第j个代理终端的任务传输速率；κi为第i个客户终端芯片的有效能量成本系数；τ为单位时隙长度。

6.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，ξi为任务卸载效益权重参数； 为第t时隙第i个客户终端Ci向第j个代理终端Aj购买计算资源的单位支付成本； 为t时隙第i个客户终端将任务卸载到第j个代理终端的单位通信成本； 为t时隙第i个客户终端将任务卸载到第j个代理终端的传输功率； 为t时隙第i个客户终端将任务卸载到第j个代理终端的任务传输速率。

7.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，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， 表示卖方的收益最大化问题；V表示控制参数； 表示第t时隙第j个代理终端的总收益； 为第t时隙第j个代理终端的虚拟能量队列，表示为 θj为EH设备的扰动参数， 为第j个代理终端带有的EH设备在时隙t开始时的能量队列积压；

表示第j个代理终端带有的EH设备在时隙t实际收集的能量； 第t时隙第j个代理终端Aj处min max理来自第i个客户终端的计算任务时的计算能耗；E 表示电池最小放电能量；E 表示电池最大放电能量； 为第t时隙第i个客户终端Ci向第j个代理终端Aj购买计算资源的单位支付成本。

8.根据权利要求7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：min:

当 时， 当 时，

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：

max

其中， 表示能量收集的最优解；γ 表示表示EH设备在第t时隙收集的能量最大值。

9.根据权利要求8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，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， 为第i个客户终端Ci向第j个代理终端Aj购买计算资源的最优单位支付成本；

为第i个客户终端Ci最优的卸载任务量；

为第t时隙第i个客户终端Ci向第j个代理终

端Aj购买计算资源的单位支付成本； 为第t时隙第i个客户终端将任务卸载到第j个代理终端的单位通信成本； 为第t时隙第i个客户终端将任务卸载到第j个代理终端的传输功率； 为第t时隙第i个客户终端将任务卸载到第j个代理终端的任务传输速率；ηij表示代理终端处理任务的单位能耗成本；ξi为任务卸载效益权重参数；κi为芯片的有效能量成本系数；τ为单位时隙长度。