1.一种带有任务重试的MEC任务卸载策略及优化方法，其特征在于，其包括以下步骤：S1、求解任务在本地处理器接受服务的第一平均时延T其中，μ

S2、求解任务卸载到边缘服务器接受服务的第二平均时延TS21、根据M/M/1排队模型的解析结果，得到本地发送端口传输任务的时间T其中，μ

S22、根据实时任务和非实时任务的占比，得到任务在边缘服务器接受服务的时间TT

其中，T

S23、得到第二平均时延T

T

S3、求解任务的平均时延T：

其中，ρ表示边缘服务器吞吐量，且有：ρ＝(pλ+λ′)×(1-P

其中，λ′表示重试模块吞吐量；P

其中，π

S4、将多个性能指标的折衷优化问题抽象为多目标优化问题：结合期望最大化边缘服务器吞吐量ρ(p)、最小化任务的平均时延T(p)和任务平均重试次数N(p)，设计多目标优化问题为：其中，c表示边缘层物理机通过虚拟化技术划分的c台虚拟机且c≥1；μS5、利用NSGA-III算法，运用MATLAB软件求解步骤S4中多目标优化问题，得到满足条件的帕累托Pareto前沿点。

2.根据权利要求1所述的带有任务重试的MEC任务卸载策略及优化方法，其特征在于，所述步骤S22中的所述非实时任务从到达边缘层至服务完成离开所需要的平均时间TS2211、对于非实时任务，系统负载情况较低时，非实时任务被负载均衡器分配至服务器中接受服务并在服务完成后返回本地端，负载较低下非实时任务从到达边缘层至服务完成离开所需要的平均时间TS2212、系统负载情况较重时，非实时任务会被负载均衡器分配至重试模块，负载较重下非实时任务从到达边缘层至服务完成离开所需要的平均时间TT

S2213、对于非实时任务，所述非实时任务从到达边缘层至服务完成离开所需要的平均时间TT

3.根据权利要求1所述的带有任务重试的MEC任务卸载策略及优化方法，其特征在于，所述步骤S22中的所述实时任务从到达边缘层至服务完成离开所需要的平均时间TS2221、对于实时任务，在实时任务进入边缘层的情况下，当系统负载情况较低时，实时任务被负载均衡器分配至服务器中接受服务并在服务完成后返回本地端，则负载较低下实时任务从到达边缘层至服务完成离开所需要的平均时间T其中，μ

S2222、当系统负载较重时，实时任务被服务器丢弃，则负载较低下实时任务从到达边缘层至服务完成离开所需要的平均时间T″S2223、对于实时任务，所述实时任务从到达边缘层至服务完成离开所需要的平均时间TT

4.根据权利要求1和2所述的带有任务重试的MEC任务卸载策略及优化方法，其特征在于，所述步骤S2212中的所述非实时任务在重试模块中的时间TS22121、根据几何分布，重试模块中的任务平均重试次数N为：S22122、把重试模块看作一个M/M/c排队模型，重试模块中新任务的到达率λλ

S22123、考虑到存在任务重试失败重新回到重试队列的情况，根据系统稳态下进出平衡原理，列出表达式：λ′＝λ

进而代入公式(7)求得重试模块中任务的真实到达率即重试模块吞吐量λ′为：S22124、根据M/M/c排队模型的解析结果，得到重试模块中平均队长LS22125、获取任务在重试模块中重试一次的逗留时间TS22126、得到所述非实时任务在重试模块中的时间TT

5.根据权利要求1所述的带有任务重试的MEC任务卸载策略及优化方法，其特征在于，设定任务的到达服从参数为λ(0＜λ＜+∞)的泊松过程，本地处理器服务实时任务和非实时任务的时间均服从参数为μ

6.根据权利要求1所述的带有任务重试的MEC任务卸载策略及优化方法，其特征在于，考虑到任务对时延的容忍度不同，边缘服务器对实时任务和非实时任务设有不同的服务速率，其中非实时任务的服务速率为μ