雾计算网络分布式计算卸载框架解析
在当今的计算领域，雾计算网络的发展为解决大规模数据处理和低延迟需求提供了新的途径。本文将深入探讨雾计算网络中的分布式计算卸载框架，详细介绍相关的系统模型、问题表述、框架算法以及性能评估。
1. 研究背景与相关工作
在雾计算网络中，任务卸载延迟是一个关键的性能指标。有研究对DATS（Dynamic Adaptive Task Scheduling）在多种因素影响下的性能进行了广泛的模拟分析，这些因素包括任务大小、辅助节点配额和网络带宽等。结果表明，与随机和贪婪卸载策略相比，DATS能显著减少任务卸载延迟。
同时，还有工作建立了M2O（Many-to-One）游戏来建模雾网络的关联问题。在这个模型中，每个物联网节点只能与一个云小站关联，而一个云小站可以匹配多个物联网节点。但由于云小站的最大工作量限制，与之连接的物联网节点数量有限。此外，临近区域的物联网节点在无线连接云小站时存在无线干扰，这在匹配游戏中表现为外部效应。为处理这种外部性，引入了交换匹配的概念以实现稳定的匹配结果。模拟结果显示，与随机关联方法相比，所提出的算法具有减少延迟和提高吞吐量的优势。
另外，还有研究关注物联网 - 雾计算系统中无线电和计算资源分配的联合优化问题，旨在从服务延迟、用户满意度和系统成本等方面优化系统性能。该问题涉及物联网终端用户、雾节点和云服务提供商三个实体，从匹配的角度可将其建模为SPA（Stable Marriage Problem with Preferences）问题。为处理外部效应，开发了面向用户的合作（OUC）程序，通过交换操作评估代理效用值的变化来移除匹配中可能的阻塞对，从而实现稳定匹配，但会带来一定的计算复杂度成本。模拟结果表明，该框
