[发明专利]雾计算网络中基于交替方向乘子法的分布式资源分配方法

说明书

本发明公开了一种雾计算网络中基于交替方向乘子法的分布式资源分配方法，该方法主要包括两阶段，雾节点信息收集和分布式资源分配。本发明基于多凸不等式约束交替方向乘子法和凸优化理论，充分利用雾计算网络内雾节点的计算资源，通过雾节点间协作的方式，降低了雾计算网络的开销。相较于集中式资源分配算法，本发明中的分布式资源分配算法利用了雾计算网络的分布式特性，将资源分配问题的求解均匀地分散到雾计算网络中的每个节点上，解决了集中式资源分配问题造成单个节点负载过重的问题。同时基站在资源分配问题的求解中只负责任务卸载向量的收集和广播而不用收集所有雾节点的任务，有效降低了基站的负载和网络的传输负载。

技术领域

本发明属于雾计算领域，具体涉及一种雾计算网络中基于交替方向乘子法的分布式资源分配方法。

背景技术

随着物联网(Internet of Things,IoT)技术的快速发展，以及智能终端的快速普及，虚拟现实，增强现实，视频通话等技术逐渐走进人们的生活中，给人们带来全新的体验。然而，移动终端(Mobile Terminal,MT)是资源受限，电池容量受限的设备，其计算能力较弱，内存有限，从而制约了它的响应速度。各种各样的互联网应用在丰富人们的日常生活的同时，也在消耗着有限的移动终端的各种资源，从而降低人们对于互联网应用的体验质量(Quality of Experience,QoE)。

云计算(Cloud Computing,CC)是利用云计算服务器的强大处理能力，基于现有计算机网络和虚拟化技术为用户提供弹性的计算和存储服务。移动云计算(Mobile CloudComputing,MCC)作为云计算的进一步延伸，为众多的移动终端提供了强大的计算能力和存储服务。但是，移动云计算的服务器集群与终端的距离很远，任务的传输时延变得不可忽略，严重影响了用户的QoE。移动边缘计算应运而生(Mobile Edge Computing,MEC)，移动边缘计算将服务器部署在基站(Base Station,BS)等距离终端更近的地方，并且也提供了相对强大的计算能力和存储能力，有效降低了任务的传输时延，提高了用户的QoE。此外，MEC技术还有如下一些优点：①蜂窝内的终端数据集中在MEC服务器中，能够进行小规模的数据分析和数据处理。②通过集中式的管理和控制，能够实现智能的负载均衡，从而降低管理成本。但是MEC仍然有一些缺陷，随着物联网的发展，在现有异构网络(HeterogeneousNetwork,HN)环境下，网络中存在诸多拥有计算和存储能力的设备，诸如智能网关(SmartGateway,SG)，接入点(Access Points,AP)等，它们的计算能力和存储能力并没有被MEC和MCC所利用。因此，雾计算网络(Fog Computing Network,FCN)被提出，将这部分智能网关等设备的计算和存储能力利用起来。

雾计算将MCC和MEC扩展到了网络的边缘，从而实现了新型的应用程序和服务。雾计算的定义特征是：①低时延和位置感知；②地理分布广泛；③具有流动性特征；④节点数量众多；⑤异构性。上述特性使雾计算能够成为许多关键的物联网服务和应用程序的运行平台，比如车联网、智能电网、智慧城市和无线传感器网络(Wireless Sensor Networks,WSN)等。同时，雾节点分布更广泛，节点间距离更近，这也为雾节点间的协作提供了可能。通过这种协作的方式进一步降低了雾计算网络处理任务的时延和能量消耗，提升了用户的QoE。雾计算网络分布式的特性决定了用户数据不会像MCC或者MEC那样集中于某一台服务器之上，在这种架构下，如果再采用集中式算法，则会加重网络的负载。

在雾计算网络中，由于雾节点和移动终端在地理分布上不均匀、终端任务负载的不均匀和雾节点计算资源不均匀的特性，就会导致雾计算网络中某些节点收到过多的任务负载，从而导致雾网络中某些节点响应时间过长，QoE下降。同时，随着雾计算网络中雾节点数量的增多，执行集中式资源分配算法所需要的计算资源也越多，让单个雾节点来执行集中式资源分配算法消耗的时间过长。因此，如何平衡雾节点的任务负载，合理分配计算和通信资源，利用雾网络分布式的特性，让雾节点通过节点间协作的方式降低任务处理的时延和能耗，成为亟待解决的问题。

发明内容