具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明提供的移动边缘网络业务卸载方法的流程示意图，如图1所示，包括：

步骤S1，根据终端历史位置信息进行终端位置预测，确定终端在移动边缘计算服务器服务范围内的第一预测位置信息。

具体地，本发明所描述的终端指的是用户终端，终端历史位置信息指的是用户终端在历史时刻的位置坐标。

本发明所描述的移动边缘计算服务器服务范围指的是移动边缘计算(MobileEdge Computing；MEC)服务器对应的基站无线信号的覆盖范围。

需要说明的是，在本发明实施例的移动边缘网络中，包括高速移动用户终端、用户任务以及MEC服务器。移动边缘网络系统中包含有多个MEC服务器，每个MEC服务器对应一个基站。MEC服务器的集合可以表示为K＝{1,2,...,k}；在系统设定的坐标系下，可以是在平面坐标系下，MEC服务器位置坐标表示为(A,B)，其中，A表示MEC服务器位置的横坐标，B表示MEC服务器位置的纵坐标；用户终端位置坐标表示为(x,y)，其中，x表示用户终端位置的横坐标，y表示用户终端位置的纵坐标；将优化算法的全局时间T划分为t个时间段，t个时间段的用户终端位置坐标表示为{(x₁,y₁),(x₂,y₂),...,(x_t,y_t)}。

本发明所描述的第一预测位置信息指的是终端在每个MEC服务器服务范围内的预测位置坐标。

进一步地，根据终端历史位置信息，基于预设的预测网络模型，可以采用长短时记忆人工神经网络模型，预测终端在移动边缘计算服务器服务范围内的第一预测位置信息。

步骤S2，根据所述第一预测位置信息，计算所述终端在所述移动边缘计算服务器服务范围内的第一停留时间，并获取移动边缘计算服务器完成终端待卸载任务计算所需的第一处理时间。

具体地，本发明所描述的第一停留时间指的是终端在MEC服务器服务范围内的停留时间，即从终端进入MEC服务器服务范围的时间开始，到终端离开MEC服务器服务范围的时间结束的这一段时间。

本发明所描述的终端待卸载任务指的是终端在MEC服务器服务范围的停留时间内，系统对用户业务信息进行更新后得到的需要进行卸载的所有用户任务。

本发明所描述的第一处理时间指的是终端待卸载任务从卸载上传开始，到MEC服务器完成终端待卸载任务的计算，最后再将计算结果返回给终端的这一过程所耗费的总时间。

进一步地，根据第一预测位置信息，可以计算出终端在MEC服务器服务范围内的第一停留时间，并获取MEC服务器完成终端待卸载任务计算所需的第一处理时间。

步骤S3，在所述第一停留时间小于所述第一处理时间的情况下，所述终端待卸载任务由本地终端进行处理。

具体地，本发明所描述的终端待卸载任务由本地终端进行处理指的是由于用户终端停留时间短暂，MEC服务器无法在该停留时间内处理完终端待卸载任务，导致MEC基站与用户终端之间会频繁地建立和断开链接，链路频繁波动，因此，终端待卸载任务将不会被卸载到该MEC服务器，而是直接由本地用户终端进行处理。

进一步地，通过上述步骤S2计算出终端在MEC服务器服务范围内的第一停留时间和MEC服务器完成终端待卸载任务计算所需的第一处理时间，将第一停留时间与第一处理时间做比较，在第一停留时间小于第一处理时间的情况下，终端待卸载任务将直接由本地用户终端进行处理。

本发明实施例的方法，通过终端历史位置信息，预测终端在移动边缘计算服务器服务范围内的预测位置信息，进而根据终端预测位置信息，计算终端在移动边缘计算服务器服务范围内的停留时间和终端待卸载任务计算所需的处理时间，在停留时间小于处理时间的情况下，终端待卸载任务直接由本地终端进行处理，从而提前为高速移动用户分配合理资源，提高用户业务的卸载成功率，最小化基站范围内用户的任务处理时间，减少基站切换，提升用户体验。

可选地，获取移动边缘计算服务器完成终端待卸载任务计算所需的第一处理时间，具体为：

根据所述第一预测位置信息，计算终端待卸载业务卸载到移动边缘计算服务器的第一上传时间；

获取所述移动边缘计算服务器计算所述终端待卸载业务所需的第一计算时间；

根据所述第一上传时间和所述第一计算时间，获取移动边缘计算服务器完成终端待卸载任务计算所需的第一处理时间。

具体地，本发明所描述的第一上传时间指的是完成终端待卸载任务到MEC服务器的卸载上传所需要的时间。

本发明所描述的第一计算时间指的是MEC服务器完成各个终端待卸载业务计算所需的总时间。

进一步地，对第一上传时间和第一计算时间进行求和，就可以得到移动边缘计算服务器完成终端待卸载任务计算所需的第一处理时间。在本发明的实施例中，每个用户终端的任务集都可以用一个三元组{R_u，Z_u，D_u}来表示，分别代表该用户剩余任务的大小，完成该剩余任务所需的CPU周期数和完成该剩余任务的时延需求。

若用户终端待卸载任务为MEC服务器上执行，则要先将任务上传到MEC服务器，然后再由MEC服务器进行操作。通过推断用户在服务器内的第一停留时间，根据第一停留时间内各时刻的任务上传速率，从而计算出用户终端的任务上传平均速率，可以用香农公式表示为

其中，B_u，k表示信道带宽，固定的MEC服务器分配给用户终端固定的信道带宽，大小为共用信道的所有用户的均分值；P表示用户终端与当前MEC服务器之间的上行信号传输功率；σ²表示加性高斯白噪声；G_u，k(t)表示路径损耗终端待卸载业务卸载到移动边缘计算服务器的第一上传时间为

将终端待卸载任务上传到MEC服务器后，将要使用MEC服务器的资源进行计算，因此，在本发明的实施例中，定义表示用户u在MEC服务器k上的可用计算资源，大小为共用MEC服务器k的所有用户的均分值，则MEC服务器计算终端待卸载业务所需的第一计算时间为

进一步地，当终端待卸载任务是卸载到MEC服务器上执行时，则其MEC服务器完成终端待卸载任务计算所需的第一处理时间为任务上传时间和任务在MEC服务器上的计算时间之和，回传时间可以忽略，即第一处理时间可以表示为：

本发明实施例的方法，通过计算终端待卸载任务卸载到MEC服务器的第一上传时间和获取该MEC服务器计算终端待卸载业务所需的第一计算时间，将第一上传时间和第一计算时间求和，得到MEC服务器完成终端待卸载任务计算所需的第一处理时间，使得到的第一处理时间更符合实际情况，为本发明后续计算终端待卸载任务的卸载决策提供准确的判决条件。

可选地，计算终端待卸载业务卸载到移动边缘计算服务器的第一上传时间，具体为

根据所述第一预测位置信息，计算所述终端在所述移动边缘计算服务器服务范围内的第一任务平均上传速率；

根据所述第一任务平均上传速率，计算终端待卸载业务卸载到移动边缘计算服务器的第一上传时间。

具体地，本发明所描述的第一任务平均上传速率指的是在MEC服务器服务范围内，终端待卸载任务卸载到MEC服务器的过程中的平均上传速率。

进一步地，根据终端在MEC服务器服务范围内的各个预测位置坐标和MEC服务器基站位置坐标，可以得到终端各个预测位置处任务卸载所产生的路径损耗；根据路径损耗，可以计算出终端各个预测位置对应的任务上传速率，进而可以得到终端在MEC服务器服务范围内的第一任务平均上传速率。

在本发明的实施例中，可以通过公式计算出用户终端与MEC服务器之间的距离。根据预测的用户终端实时位置，可以根据公式G＝32.44+20lgd(Km)+20lg f(MHz)(db)，得出用户终端在MEC服务器服务范围内各个预测位置的路径损耗，根据计算出用户终端各个预测位置的任务上传速率，从而可以计算出该用户终端在MEC服务器服务范围内的任务平均上传速率。

进一步地，根据第一任务平均上传速率和终端待卸载任务的大小，计算终端待卸载业务卸载到移动边缘计算服务器的第一上传时间。

本发明实施例的方法，通过计算出终端在MEC服务器服务范围内的第一任务平均上传速率，来得到终端待卸载业务卸载到该MEC服务器的第一上传时间，有利于本发明后续计算得到MEC服务器完成终端待卸载任务计算所需的第一处理时间，为计算终端待卸载任务的卸载决策提供判决条件。

可选地，计算所述终端在所述移动边缘计算服务器服务范围内的第一停留时间，具体为：

根据所述第一预测位置信息，得到所述终端进入所述移动边缘计算服务器服务范围的第一时间和所述终端离开所述移动边缘计算服务器服务范围的第二时间；

根据所述第一时间和所述第二时间，计算所述终端在所述移动边缘计算服务器服务范围内的第一停留时间。

具体地，本发明所描述的第一时间指的是终端开始进入MEC服务器服务范围的时间。

本发明所描述的第二时间指的是终端离开MEC服务器服务范围的时间。

进一步地，根据终端在MEC服务器服务范围内的第一预测位置信息和MEC服务器基站的位置信息，可以计算出第一时间和第二时间，进而将第二时间与第一时间作差，即可得到终端在MEC服务器服务范围内的第一停留时间。

在本发明的实施例中，根据用户终端进入和离开MEC服务器服务范围的时间，从而得出用户在该MEC服务器的覆盖范围内的停留时间。设用户进入MEC服务器服务范围的时间为pt，离开MEC服务器服务范围的时间为qt，则用户在该MEC服务器服务范围内的停留时间为

通过本发明实施例的方法，根据第一预测位置信息，计算终端进入MEC服务器服务范围的第一时间和终端离开该MEC服务器服务范围的第二时间，进而可以计算出终端在该MEC服务器服务范围内的第一停留时间，为本发明后续计算终端待卸载任务的卸载决策提供判决条件。

可选地，根据终端历史位置信息进行终端位置预测，确定终端在移动边缘计算服务器服务范围内的第一预测位置信息，具体为：

根据终端历史位置信息，基于预设步长，通过滚动窗口进行滚动预测，确定终端在移动边缘计算服务器服务范围内的第一预测位置信息。

具体地，本发明所描述的滚动窗口具有时间属性，具有时间间隔大小。

在本发明的实施例中，随着时间推移，滚动窗口将在本发明优化算法的全局时间轴上不断滚动推进，在其时间间隔内，基于预测网络模型，完成对终端位置信息的预测。

在本发明的实施例中，滚动窗口每滚动一次，将滚动窗口内的终端位置信息输入预测网络，就可以得到一组终端预测位置信息。

本发明所描述的预设步长指的是预先设置的滚动窗口滚动的时间间隔。

进一步地，根据终端历史位置信息和MEC服务器的位置信息，滚动窗口基于预设步长，基于预测网络模型，在全局时间轴上可以进行滚动预测，确定出终端在每个MEC服务器服务范围内的预测位置信息。

当滚动窗口遍历完全局时间，就可以得到用户终端在全局时间轴上的预测位置信息，即可以预测得到用户终端的运动轨迹和实时位置信息。

在本发明的实施例中，预测网络模型可以采用长短时记忆人工神经网络(LongShort-Term Memory；LSTM)模型。

在本发明的实施例中，首先采用多步预测的方法，设定滚动窗口的长度为L，之后由预测网络根据损失函数的大小，自适应调整预测步数，以使预测结果更加精确。

在全局时间T划分的t个时间段上，采用滚动窗口的方法进行滚动预测。输入用户终端前m个时间段的历史位置{(x₁，y₁)，(x₂，y₂)，...，(x_m，y_m)}，通过LSTM网络预测出后n个时间段的用户终端位置{(x_m+1，y_m+1)，(x_m+2，y_m+2)，...，(x_n，y_n)}，m+n＜＜t，为保证准确度规定：m＞n。之后，滚动窗口向前滚动1个时间间隔输入{(x_1+l，Y_1+l)，(x_2+l，y_2+l)，...，(x_m+l，y_m+l)}，其中L≤m。由已知终端历史时间段的值，通过LSTM网络预测终端未来时间段的未知值。以此类推，直到完成全部时间间隔的预测。通过预测，输出预测的用户终端位置，可以提前得知移动用户终端的移动轨迹和实时位置。

通过本发明实施例的方法，根据终端历史位置信息，基于LSTM网络和滚动窗口进行预测，将全局长时预测转化为局部短时优化预测，有利于提高预测精度，使得到的终端在MEC服务器服务范围内的第一预测位置信息更为精确。

可选地，计算所述终端在所述移动边缘计算服务器服务范围内的第一停留时间，并获取移动边缘计算服务器完成终端待卸载任务计算所需的第一处理时间之后，所述方法还包括：

在所述第一停留时间不小于所述第一处理时间的情况下，基于遗传算法，获取所述终端待卸载任务的最优卸载方案。

具体地，本发明所描述的最优卸载方案指的是用户终端待卸载业务的最优卸载决策。其中，卸载决策包括终端待卸载任务由本地终端进行处理或终端待卸载任务卸载到MEC服务器上进行处理。

进一步地，在第一停留时间不小于第一处理时间的情况下，基于遗传算法，获取终端待卸载任务的最优卸载方案。

本发明实施例的方法，通过判断获知第一停留时间不小于第一处理时间时，可以采用遗传算法对用户终端待卸载任务处理时间进行优化，获取终端待卸载任务的最优卸载方案，从而有利于移动边缘网络资源的合理分配，提高系统性能。

可选地，基于遗传算法，获取所述终端待卸载任务的最优卸载方案，具体为：

基于二进制编码方法，生成多条染色体，作为初始种群；

其中，二进制编码方法中，0表示任务由本地终端进行处理，1表示任务卸载到移动边缘计算服务器上进行处理；

基于所述初始种群进行遗传操作，在满足预设终止条件的情况下，获得最优染色体；

根据所述二进制编码方法，对所述最优染色体进行解码，获取所述终端待卸载任务的最优卸载方案。

具体地，本发明所描述的预设终止条件包括预设的收敛条件，或者预设的迭代最大次数。

在本发明的实施例中，可以利用遗传算法来求解获取终端待卸载任务的最优卸载方案。

在遗传算法中，编码方法是遗传算法的关键，变异概率和交叉概率都受到编码方法的影响，因此编码问题极大的影响了遗传计算的效率。

其中，编码方法包括二进制编码、浮点型编码法等，考虑到本发明是通过优化卸载决策，从而优化用户任务处理时间，本发明可以选用二进制编码法。

在本发明的实施例中，每个解决方案可以由染色体定义，本实施例采用二进制编码方法来定义染色体。若任务由本地终端进行处理，则编码为0；若任务卸载到MEC服务器上进行处理，则编码为1。

进一步地，基于上述二进制编码方法，可以生成多条染色体，作为初始种群；

基于上述得到的初始种群，通过选择、交叉和变异的遗传操作，生成子代群体。将双亲群体和子代群体合并到新的群体中，并根据计算出的适合度按降序对所有染色体进行排序。根据自然进化原理，将适应度差的染色体剔除，只在新种群中保留一定数量的适应度好的染色体。基于种群进化算法，重复进行适应度计算、选择操作、交叉操作和变异操作，直到达到预设终止条件，获得最优染色体。

进一步地，根据二进制编码方法，对获得的最优染色体进行解码，获取终端待卸载任务的最优卸载方案。

本发明实施例的方法，基于二进制编码方法，得到初始种群，对该初始种群进行遗传操作，迭代计算得到最优染色体，通过对最优染色体进行解码，获取终端待卸载任务的最优卸载方案，进而实现移动用户的任务处理时间最小化，提高用户任务的卸载成功率，从而提高系统的性能。

图2是本发明提供的移动边缘网络业务卸载方法的算法总体流程示意图，如图2所示，本发明实施例提供的移动边缘网络业务卸载方法的算法总体流程主要包括预测模块部分和计算模块部分，其具体流程步骤包括：

步骤S210，初始化用户，记录系统参数；

具体地，可以根据用户、任务、MEC的结构，建立系统模型。

在本发明的移动边缘网络中，包括高速移动用户、任务以及MEC服务器。图3是本发明实施例提供的移动边缘网络业务卸载方法的整体方案模型图。

在本发明的实施例中，用户终端集合可以表示为U_t＝{1，2，3...u_t}。每个用户在每个时间段的开始会获得一个新的任务，任务按照泊松分布到达，任务的三元组表示为{R，Z，D}，分别代表任务的大小，完成该任务所需的CPU周期数和完成该任务的时延需求，每个任务具有两种可选的卸载模式，该任务可以选择在本地用户设备计算或者卸载到MEC服务器上计算。引入变量表示任务是在本地用户设备处理还是卸载到MEC服务器上进行计算，即

系统中有多个MEC服务器，每个MEC服务器都具有自己固定的服务范围。每个时间段开始时更新各基站内的用户及各用户的任务集，如果用户将任务在本地处理，则只需要占用自身计算资源，不需要占用信道带宽及MEC服务器的资源；如果将任务卸载到MEC服务器上进行计算，则需要占用信道带宽将任务上传到MEC服务器，再使用MEC服务器上的计算资源进行计算。信道总带宽和同一个MEC服务器总资源的固定的，可供多个用户共同使用。

在本发明的实施例中，根据用户、任务、MEC状态信息，建立任务模型。

在本发明的实施例中，优化算法的总时间为T，T的大小大于普通任务的容忍时间。将总时间T划分为t个时间段，在同一时间段中用户默认静止。每个时间段的开始，通过前期的预测模块得到的用户实时位置，更新基站范围内的用户和各用户的任务集。每个用户的任务集都可以用一个三元组{R_u，Z_u，D_u}表示，分别代表该用户剩余任务的大小，完成该剩余任务所需的CPU周期数和完成该剩余任务的时延需求，系统中有多个MEC服务器，MEC服务器的集合可以表示为K＝{1，2，...，k}，坐标为{(A₁，B₁)，(A₂，B₂)，...，(A_k，B_k)}。

在本发明的实施例中，预测模块中的处理步骤具体包括：

步骤S211，输入用户历史轨迹；

步骤S212，LSTM预测网络预测；

步骤S213，输出预测的用户位置。

在本发明的实施例中，采用长短时记忆网络(LSTM网络)作为预测网络。图4是本发明实施例提供的长短时记忆网络的经典神经元结构示意图。

图5是本发明实施例提供的预测模块采用滚动预测的原理示意图，如图5所示，预测方式主要分为单步预测和多步预测。

在本发明的实施例中，由于用户高速移动，在有限的服务器覆盖范围内停留的时间相对较短，本发明引入预测模块，考虑以用户历史轨迹作为输入，以预测后期实时位置，保证用户在离开MEC服务器覆盖范围前完成任务计算，提高卸载成功率。由于需要用到前期的轨迹数据且前期已知数据较少，为了提高预测精度，本发明采取了长短时记忆网络(LSTM网络)和滚动预测的方法，用前几个时间段的历史信息去预测下几个时间段的用户位置，将预测得到的用户位置用于后期的计算中。

步骤S214，推断用户在基站内停留时间；

在本发明的实施例中，通过预测模块，更新用户的实时位置，从而推断出用户在MEC服务器的服务范围内的停留时间为

具体地，根据预测的用户位置，可以推断出用户是否进入新的MEC服务器的覆盖范围，得知用户在该MEC服务器的服务范围内的停留时间，计算出用户的任务平均上传速率，提前为用户分配资源，制定卸载决策。

步骤S215，更新基站内用户位置及业务信息；

步骤S216，推断用户任务在MEC服务器上的计算时间；

用户的每个任务具有两种可选的卸载模式，本地终端处理或卸载到MEC服务器上进行计算。通过前期的预测，如果用户在MEC服务器服务范围内停留时间较短，任务在用户离开MEC服务器前无法计算完成，则规定任务在此MEC服务器范围内在本地处理；如果用户在MEC服务器范围内停留时间较长，则将任务上传到MEC服务器进行计算。

在本发明的实施例中，根据用户，任务，MEC状态信息，建立时延模型。

当任务在本地执行时，本发明定义为用户u的本地可用资源，则该任务在本地的执行时间为：

当任务在MEC服务器上执行时，则其处理时间应该为上传时间和计算时间的和，回传时间可以忽略，即该任务在MEC服务器k的处理时间为任务上传时间与任务在MEC服务器上的计算时间之和，即

步骤S217，判断用户在基站内停留时间是否不小于MEC计算时间，在用户在基站内停留时间小于MEC计算时间的情况下，进入步骤S218，任务本地处理；在用户在基站内停留时间不小于MEC计算时间的情况下，进入步骤S219，遗传算法进行优化问题求解。

在本发明的实施例中，根据用户，任务，MEC状态信息，建立任务逻辑模型。

作为高速移动的用户，由于移动速度较快，在基站覆盖范围内停留的时间相对较短，在路径中必会经历基站切换的问题。本发明中针对此现象提出了预测模块，根据历史轨迹预测用户的实时位置。预测模块的作用在于通过预测提前推断出用户在某MEC服务器覆盖范围内的停留时间，如果用户在MEC服务器服务范围内停留时间较短，任务在用户离开MEC服务器前无法计算完成，则规定任务在此MEC服务器范围内在本地处理；如果用户在MEC服务器范围内停留时间较长，则将任务上传到MEC服务器进行计算。以提高卸载成功率，保证用户体验。

步骤S219，遗传算法进行优化问题求解。

具体地，根据系统模型，将系统任务卸载优化目标设定为最小化基站服务范围内的用户业务完成时间。因此，优化目标可以表示为

其中，C1表示保证任务在本地执行，或在某个MEC服务器上处理；C2表示保证每个用户每次只在一个MEC服务器上进行任务计算；C3表示保证任务若在MEC服务器上处理，既要确保满足任务的时延要求，也要确保在用户离开MEC服务器服务范围前将任务处理完成。

在本发明的实施例中，遗传算法进行优化问题求解的具体步骤包括：

步骤S2190，对潜在解进行数字化编码和解码。

遗传算法的编码方式有二进制编码及浮点型编码法等，考虑到本项目想要通过优化卸载决策从而优化任务处理时间，本项目选用二进制编码法。若任务在本地处理，则编码为0；若任务在MEC服务器执行，则编码为1。

即0—本地执行；1—MEC服务器。

步骤S2191，设置适应度函数和选择函数。

通过对个体编码进行解码后，得到用户的卸载决策，即0为任务在本地处理；1为任务在MEC服务器上计算。由卸载决策可计算出用户的总任务处理时间，由于本项目的优化目标是最小化所有用户的任务处理时间，所以用一个较大的值减去优化目标并加入约束条件作为适应度函数去评价个体的好坏用于筛选。之后，再用轮盘赌的方式选择父代，即每个个体进入下一代的概率等于它的适应度值与整个种群中个体适应度值和的比例。被选中的个体可以作为父代去进行后续操作。

步骤S2192，进行染色体交叉操作和变异操作。

在已经选中的父代中，随机选择个体编码串中的一个交叉点，与另一个配对个体进行基因交换，从而形成两个新的个体，完成染色体交叉遗传。之后以一定概率对某一位进行变异，即0变1，1变0，再次形成新的个体。之后进行演化，即使用适应度函数选择合适的个体进行保留，以此类推，得到最后最优的卸载决策。

遗传算法(Genetic Algorithm；GA)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。其主要优点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，不需要确定的规则就能自动获取和指导优化的搜索空间，自适应地调整搜索方向。

本发明实施例提出的算法是基于预测与遗传算法相结合的任务卸载和资源分配优化算法，用于决定用户的卸载决策和分配信道的公共资源。通过对表现型潜在解的数字化编码，通过一系列遗传算法的计算得到最优的卸载决策，进而最小化移动用户的任务处理时间，提高了用户任务的卸载成功率，从而提高了系统的性能。

进一步地，步骤S220，输出卸载决策与最终业务处理时间；

步骤S221，结束算法。

本发明实施例的方法，在用户高速移动的移动边缘网络场景中，通过预测用户的实时位置，根据用户进入和离开MEC服务器基站的时间，推断用户在MEC服务器服务范围内的停留时间，根据用户与基站的距离计算路径损耗，从而计算出在MEC服务器范围内用户终端的任务上传平均速率，从而为用户提供卸载决策和资源分配的优化，提高卸载成功率，将系统的性能达到最优，用户体验达到最佳。

本发明实施例提出的算法，是基于LSTM网络预测与遗传算法相结合的任务卸载和资源分配优化算法，用于决定用户终端待卸载任务的卸载决策和分配信道的公共资源。通过对表现型潜在解的数字化编码，通过一系列遗传算法的计算得到最优的卸载决策，进而最小化移动用户的任务处理时间，提高用户任务的卸载成功率，从而提高系统的性能。

图6是本发明提供的移动边缘网络业务卸载装置的结构示意图，如图6所示，包括：

终端位置预测模块610，用于根据终端历史位置信息进行终端位置预测，确定终端在移动边缘计算服务器服务范围内的第一预测位置信息；

卸载方案计算模块620，用于根据所述第一预测位置信息，计算所述终端在所述移动边缘计算服务器服务范围内的第一停留时间，并获取移动边缘计算服务器完成终端待卸载任务计算所需的第一处理时间；

卸载方案获取模块630，用于在所述第一停留时间小于所述第一处理时间的情况下，所述终端待卸载任务由本地终端进行处理。

本实施例所述的装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。

图7是本发明提供的电子设备的结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行所述移动边缘网络业务卸载方法，该方法包括：根据终端历史位置信息进行终端位置预测，确定终端在移动边缘计算服务器服务范围内的第一预测位置信息；根据所述第一预测位置信息，计算所述终端在所述移动边缘计算服务器服务范围内的第一停留时间，并获取移动边缘计算服务器完成终端待卸载任务计算所需的第一处理时间；在所述第一停留时间小于所述第一处理时间的情况下，所述终端待卸载任务由本地终端进行处理。

此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的所述移动边缘网络业务卸载方法，该方法包括：根据终端历史位置信息进行终端位置预测，确定终端在移动边缘计算服务器服务范围内的第一预测位置信息；根据所述第一预测位置信息，计算所述终端在所述移动边缘计算服务器服务范围内的第一停留时间，并获取移动边缘计算服务器完成终端待卸载任务计算所需的第一处理时间；在所述第一停留时间小于所述第一处理时间的情况下，所述终端待卸载任务由本地终端进行处理。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的所述移动边缘网络业务卸载方法，该方法包括：根据终端历史位置信息进行终端位置预测，确定终端在移动边缘计算服务器服务范围内的第一预测位置信息；根据所述第一预测位置信息，计算所述终端在所述移动边缘计算服务器服务范围内的第一停留时间，并获取移动边缘计算服务器完成终端待卸载任务计算所需的第一处理时间；在所述第一停留时间小于所述第一处理时间的情况下，所述终端待卸载任务由本地终端进行处理。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。