17、雾计算网络中的分布式计算卸载与强化学习资源分配

雾计算网络中的分布式计算卸载与强化学习资源分配

1. 分布式计算卸载框架 DISCO

DISCO 是一种用于异构全卷积网络（FCNs）的分布式计算卸载框架，借助匹配理论来减少任务执行延迟。在雾计算环境中，雾计算设备复杂多样，任务类型也各不相同，DISCO 是实现减少执行延迟的有效卸载解决方案。

• 任务分割与并行计算：通过应用任务分割技术和相关的并行计算，DISCO 允许一个任务由多个主机节点（HN）处理，从而显著减少整体任务执行延迟。
• 最优调度：集成了子任务传输和子任务处理的最优调度，有助于实现延迟降低目标。
• 匹配理论原则：基于匹配理论的原则，消除了单个任务节点（TN）的理性和自私性，同时提供公平的资源分配。

2. 雾计算与物联网

物联网（IoT）范式是实现智慧城市、智能电网和智能工厂等领域智能概念的关键驱动力。传统上，云计算平台在处理物联网数据方面发挥着重要作用，但随着物联网设备的增加和定制应用的增长，数据流量呈指数级增长，导致网络拥塞。此外，一些物联网应用对资源受限设备提出了更高的要求，更严格的服务质量（QoS）要求也暴露了基于云的解决方案的局限性。

为了满足这些需求，雾计算被集成到物联网 - 云系统中。雾计算平台位于物理物联网设备和云服务器之间，能够代表云服务器处理大多数服务请求，从而提高系统在服务延迟、工作负载平衡和资源利用方面的性能。

3. 雾计算面临的挑战

尽管雾计算与云计算的结合带来了诸多