雾计算网络资源管理若干算法研究

This project aims at researching on the resource management algorithms for Fog computing networks. By research on the modeling of Fog computing networks and their resource scheduling, incentive mechanisms and protection strategies, the product of this project will theoretically be innovative in the resource management of Fog computing networks. The detailed research content and objective are described as follows: the Fog computing networks with multiple service providers and heterogeneous node equipments will be modeled as a two-layer system, with the virtual control layer and the physical service layer. Reasonable sensing algorithms will be proposed and the multi-objective network resource scheduling algorithms will be studied in order to utilize the network resource more efficiently. Due to the fact that selfish nodes, or even malicious nodes may exist in the Fog computing networks, we will finally propose the algorithms based on game theory and pricing strategy to motivate the heterogeneous nodes to share their resources and prevent the node misbehavior, so that the Fog computing resources in the networks will be utilized efficiently. The results of this project will provide important theoretical supports and practical design guidelines for future deployment of Fog computing networks.

本项目拟深入研究雾计算网络资源管理的若干算法，通过对雾计算网络系统建模，对网络资源调度、激励机制和防御策略算法的研究，能够在雾计算网络资源管理的基础理论和关键技术方面有所创新。具体研究内容及目标是：将多个服务运营商及异构网络节点共存场景下的雾计算网络建模为虚拟控制面和物理业务面协同的网络架构，设计合理感知算法，为网络资源调度奠定基础；研究雾计算网络资源协同调度算法，提高网络资源使用效率；针对网络中存在自私甚至恶意节点这一真实场景，将博弈理论引入雾计算网络资源管理的研究中，建立激励节点共享资源的博弈模型；研究雾计算网络中可能存在的节点恶意行为的防御策略，利用节点信任参数定义节点行为，提出基于信任参数的恶意行为触发定价算法，确保雾计算网络资源调度算法有效实施。通过深入的理论分析、仿真并辅之必要的实验，能够使雾计算网络资源利用更合理，所提出的资源管理算法在将来能够应用于实际的雾计算网络系统中。

雾计算网络可以提供定制化本地服务，降低服务时延，有效提升整个网络的资源利用效率。其中对于网络中雾节点服务资源的高效准确感知，是雾计算网络为终端节点提供高质量服务的重要前提。通过对服务资源的合理调度，为终端节点提供低时延和高能效的定制化任务卸载服务，并维持网络中雾节点间负载和能耗均衡，可保障整个雾计算网络的高效长久运行。本研究首先建立了雾计算网络任务卸载服务中能耗和时延等性能指标的分析模型，并基于此模型推导得出了雾节点为具有时延阈值要求的终端任务提供卸载服务的可行性条件。然后，本研究给出了基于能耗和时延优先级的任务卸载系统。综合考虑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，设计了任务卸载及资源优化方案。最后，考虑多用户多服务器场景，针对串行依赖型任务的部分卸载方式提出智能化资源分配策略，包括选择卸载任务传输子信道、确定卸载数据传输功率以及调度服务器可用计算资源。并进一步考虑卸载数据的隐私保护，提出了基于隐私感知的任务卸载策略。从用户位置隐私和卸载熵隐私两方面对串行任务的隐私属性进行量化。