霧計算將云計算服務(wù)擴展到網(wǎng)絡(luò)邊緣,彌補了云計算在位置感知、移動性支持、時延等方面的不足。霧計算作為一種新興的計算模式,“以霧節(jié)點作為資源提供者”的特點為其帶來一系列新的問題與挑戰(zhàn)。由于霧節(jié)點具有資源有限性、分布性、異構(gòu)性、自私性等特征,因此如何有效地對霧節(jié)點中的資源進行管理,成為了霧計算領(lǐng)域的重要研究內(nèi)容。在霧計算資源管理方面,存在如下亟待解決的問題:首先,霧節(jié)點貢獻資源時的收入與成本難以得到有效平衡;其次,云服務(wù)提供商缺乏有效的激勵機制促使霧節(jié)點持續(xù)穩(wěn)定的貢獻資源;再次,霧計算應(yīng)用的服務(wù)質(zhì)量難以得到保證。針對以上問題,本文緊密圍繞霧計算的資源管理問題展開研究。受人體神經(jīng)系統(tǒng)工作機理的啟發(fā),本文提出了類人體神經(jīng)系統(tǒng)的霧計算架構(gòu),并在該架構(gòu)的基礎(chǔ)上,利用微分博弈理論、重復博弈理論、改進的NSGA-Ⅱ算法,在資源貢獻、激勵機制、資源分配等方面展開深入研究,其主要工作和創(chuàng)新性成果概括如下:(1)提出基于微分博弈的霧計算資源貢獻模型,構(gòu)建了霧節(jié)點的資源貢獻最優(yōu)控制方案。相比于傳統(tǒng)的靜態(tài)資源貢獻模式,所提出的模型考慮到霧節(jié)點在資源貢獻量策略選擇過程中的動態(tài)性,以及不同霧節(jié)點在貢獻資源時對彼此收益...

【文章頁數(shù)】：106 頁

【學位級別】：博士

【文章目錄】：
致謝
摘要
Abstract
縮寫和符號清單
1 緒論
    1.1 研究背景及意義
        1.1.1 霧計算的發(fā)展歷程
        1.1.2 霧計算的應(yīng)用場景
        1.1.3 霧計算面臨的挑戰(zhàn)
        1.1.4 研究意義
    1.2 論文的研究內(nèi)容及主要創(chuàng)新點
        1.2.1 本文的具體研究內(nèi)容
        1.2.2 本文的主要創(chuàng)新點
    1.3 論文的組織與安排
2 霧計算資源管理國內(nèi)外研究現(xiàn)狀
    2.1 霧計算架構(gòu)國內(nèi)外研究現(xiàn)狀
    2.2 資源貢獻國內(nèi)外研究現(xiàn)狀
    2.3 激勵機制國內(nèi)外研究現(xiàn)狀
    2.4 資源分配國內(nèi)外研究現(xiàn)狀
    2.5 本章小結(jié)
3 類人體神經(jīng)系統(tǒng)的霧計算架構(gòu)研究
    3.1 引言
    3.2 架構(gòu)提出
    3.3 資源管理模式
        3.3.1 資源管理功能介紹
        3.3.2 資源管理流程介紹
    3.4 應(yīng)用場景
    3.5 資源管理關(guān)鍵問題
    3.6 本章小結(jié)
4 霧計算資源貢獻模型研究
    4.1 引言
    4.2 霧計算資源貢獻問題描述
    4.3 基于微分博弈的霧計算資源貢獻模型
        4.3.1 相關(guān)參數(shù)計算
        4.3.2 霧節(jié)點資源貢獻最優(yōu)化模型
    4.4 基于微分博弈的霧計算資源貢獻模型求解
        4.4.1 無限時域下資源貢獻最優(yōu)策略求解
        4.4.2 有限時域下資源貢獻最優(yōu)策略求解
    4.5 仿真與驗證
        4.5.1 有限時域內(nèi)的結(jié)果分析
        4.5.2 無限時域內(nèi)的結(jié)果分析
    4.6 本章小結(jié)
5 霧計算激勵機制研究
    5.1 引言
    5.2 霧計算激勵機制問題描述
    5.3 基于重復博弈的霧計算激勵模型
        5.3.1 單階段博弈過程
        5.3.2 無限次重復博弈過程
    5.4 基于重復博弈的霧計算激勵模型求解
    5.5 仿真與驗證
        5.5.1 激勵模型參數(shù)選取及仿真方法描述
        5.5.2 最優(yōu)獎勵策略及性能分析
    5.6 本章小結(jié)
6 霧計算資源分配模型及算法研究
    6.1 引言
    6.2 霧計算資源分配問題描述
    6.3 霧計算資源分配模型
        6.3.1 服務(wù)延遲描述
        6.3.2 穩(wěn)定性描述
        6.3.3 模型建立
    6.4 RAS-IN資源分配算法
        6.4.1 RAS-IN霧計算資源分配算法基本流程
        6.4.2 編碼和初始化
        6.4.3 改進的擁擠距離計算
    6.5 仿真與驗證
        6.5.1 仿真場景介紹
        6.5.2 RAS-IN算法性能分析
    6.6 本章小結(jié)
7 結(jié)論與展望
    7.1 工作總結(jié)
    7.2 研究展望
參考文獻
作者簡歷及在學研究成果
學位論文數(shù)據(jù)集



本文編號：3868157