摘要
随着近几年移动通信网络的飞速突破与创新，物联网已成为人们日常生活中至关重要的一项技术。移动云计算作为物联网大规模数据存储和计算中应用最广泛的手段，己不能满足终端用户对数据处理服务低时延、多样化的需求。雾计算是一种将云计算拓展到靠近用户的新型计算模式，它可在用户侧提供缓存数据、下载资源、卸载计算等服务，可以有效地减轻云服务器处理大规模数据的负担。虽然雾计算已引起研究人员的广泛关注，但其中仍有许多问题的研究还未完善。首先需要针对不同数据类型、任务的优先级等条件制定有效的任务卸载策略。其次需要有效的激励机制促使雾节点提供资源辅助终端用户处理数据。针对上述问题，本文对雾计算网络中数据下载和任务卸载策略深入展开研究，提出了雾计算网络中数据处理的基本框架，并对计算卸载、资源分配、激励机制等问题进行优化。本文主要研究及创新内容如下: (1)提出了物联网中基于Stackelberg博弈的数据辅助下载系统。针对终端用户下载数据的规模及时延等需求，设计了一种辅助用户选择合适雾节点下载数据方案。首先对雾计算网络中用户和雾节点之间的交互关系进行建模，基于数据下载时延和支出之间的关系，引入了效用函数来权衡它们在辅助下载过程中的收益。然后将效用函数描述为优化问题，使用Stackelberg博弈求得该优化问题的最优解，得到用户和雾节点的最佳策略。最后设计了数据差分化辅助下载算法，该算法可以在缩短终端用户下载数据时延的同时为雾节点带来可观的收益，并有效地激励雾节点参与辅助终端用户下载数据。 (2)提出了基于能耗和时延优先级的任务卸载系统。综合考虑到终端用户的计算资源、移动性、任务优先级、网络带宽资源等因素，设计了一种任务卸载及资源优化方案。该方案同样将用户和雾节点的效用函数描述成优化问题，通过求解该优化问题提出了任务卸载算法。该算法有效地提高了带宽受限的雾计算网络中用户任务卸载效率，缓解了用户因计算、存储资源不足引起的问题，减少了用户计算复杂任务的时延及能耗。
NETL