1.一种任务卸载和资源分配方法，其特征在于，所述方法包括：

步骤1：构建D2D通信辅助的MEC系统模型，定义智能设备的任务处理模式以及边缘服务器的计算任务卸载模式，将任务型智能设备产生的任务划分为本地计算、D2D卸载和边缘卸载三个任务处理模式；

步骤2：以最小化任务执行成本为优化目标，将任务划分策略、计算资源分配策略、终端直传卸载选择策略和动态定价策略联合公式化；

步骤3：采用块坐标下降方法和重构-线性化技术将联合优化问题分解为多个子问题，将非凸问题近似为凸优化问题，并应用凸优化理论对任务卸载比例和计算资源分配策略进一步优化；

所述步骤2中的任务执行成本为：

其中，分别表示分配给本地计算、D2D卸载和边缘卸载的任务的计算比特数目，ml、和me分别表示任务型智能设备、服务型智能设备和边缘服务器提供单位比特计算服务的单价，xi,j∈{0,1}是二进制选择变量，xi,j＝1表示任务型智能设备与服务型智能设备存在D2D通信链路，xi,j＝0表示两者之间不存在D2D通信链路；

将任务划分策略、计算资源分配策略、终端直传卸载选择策略和动态定价策略联合公式化，表示为：其中，Li表示任务型智能设备产生的任务的计算比特数目，表示SSDs执行本地任务的计算频率，表示分配给的计算频率，表示的最大频率；fie表示BS分配给的计算频率，表示BS的最大频率；Tik,k＝{d,e}表示D2D卸载和边缘卸载两个阶段的时延，Ti表示最大可容忍时间阈值，表示经过本地计算、D2D卸载和边缘卸载三个阶段处理后的剩余电池能量；

所述步骤3包括：

步骤31：给定选择策略Xm，求解以下问题得到当前迭代次数下局部最优卸载方案Lm+1和计算频率方案Fm+1：其中，μi,j为辅助变量，Ci表示处理单位比特任务所需CPU周期转数；Cj表示处理单位比特任务所需CPU周期转数；表示D2D卸载阶段数据传输速率；Lj表示SSDs待执行任务总数据大小；νi表示辅助变量，表示边缘卸载中数据传输速率；表示D2D卸载阶段的发射功率；表示边缘卸载阶段传输数据至BS时的发射功率；Ei表示初始能量状态；表示本地计算阶段消耗的能量；

步骤32：根据所述步骤31得到的局部最优卸载方案Lm+1和计算频率方案Fm+1，计算局部最优选择策略Xm+1，求解式如下：利用求解器对上式进行求解，获得可行解；

步骤33：对所述步骤31和步骤32进行迭代，直至获得满足预设条件的卸载方案、计算频率和选择策略。

2.根据权利要求1所述的方法，其特征在于，通信过程采用正交频分多址技术。

3.根据权利要求1所述的方法，其特征在于，所述步骤3采用CVX求解器求解凸优化问题。

4.根据权利要求1所述的方法，其特征在于，所述D2D卸载阶段数据传输速率的计算方式为：其中，B表示每个子信道的传输带宽，和分别表示的发射功率和D2D链路信道功率增益，N表示每个子信道的噪声功率。

5.根据权利要求1所述的方法，其特征在于，边缘卸载中数据传输速率计算公式为：其中，B表示每个子信道的传输带宽，和分别表示通过D2D链路传输数据至SSDs时的发射功率和蜂窝链路信道增益，N表示每个子信道的噪声功率。

6.一种任务卸载和资源分配系统，其特征在于，所述系统用于实现如权利要求1-5任一项所述的方法，所述系统包括：系统模型构建模块，被配置为构建D2D通信辅助的MEC系统模型，定义智能设备的任务处理模式以及边缘服务器的计算任务卸载模式，将任务型智能设备产生的任务划分为本地计算、D2D卸载和边缘卸载三个任务处理模式；

联合优化公式构建模块，被配置为以最小化任务执行成本为优化目标，将任务划分策略、计算资源分配策略、终端直传卸载选择策略和动态定价策略联合公式化；

求解模块，被配置为采用块坐标下降方法和重构-线性化技术将联合优化问题分解为多个子问题，将非凸问题近似为凸优化问题，并应用凸优化理论对任务卸载比例和计算资源分配策略进一步优化。

7.一种电子设备，其特征在于，包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于当执行所述计算机程序时，实现如权利要求1至5任一项所述的方法。

8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1至5任一项所述的方法。