资 源 简 介
针对在云 雾协作下实现移动用户任务请求的合理分配与调度的问题，提出了一种基于云雾协作模型的任务分配算法一IGA。 首先，采用混合编码的方式对个体进行编码，并采用随机的方式产生初始种群;其次设定服务商的花费作为目标函数;然后进行选择、交叉、变异操作产生出符合条件的新个体;最后，根据染色体中的任务请求类型分配到相应的资源节点上，并更新迭代计数器，直到迭代完成。仿真结果表明，在处理移动用户请求时，与传统的云模型相比，云雾协作模型在时延上降低了近30s，服务水平目标（SL0）违规率上降低了约10个百分比，在服务提供商花费上亦有所减少。
随着网络边缘设备数量的迅速增加，边缘设备产生的数据量越来越大，已经达到了泽字的级别。根据国际电信联盟（ International TelecommunicaTIon Union-TelecommunicaTIonSector， ITU-T）的报告显示，到2020年，每人每秒将会产生1.7 MB的数据 ，显然人类已经进人了大数据时代。集中式的云已经不能高效处理边缘设备产生的海量数据”。雾计算是对云计算的延伸，它是在终端节点和远端云之间再扩展的一层，也可以叫边缘网络层。在物联网应用中有些请求的处理并不需要放到远端的云，而是可以直接在距离用户较近的雾端进行处理。图1是一个简单的雾计算架构图3］，底层是物联网设备层，该层由移动终端（如智能手机、平板电脑等）组成，主要用于信息收集;中间层是雾计算层，该层主要是由雾设备（如路由器、网关、小型服务器等）组成，这些雾设备通常具有一定的处理能力来完成部分任务处理;上层是云数据中心层，该层主要是由云服务器组成，云服务器用来分析和处理大量数据。基于这种架构模式，雾计算具有低延迟、移动性支持、位置感知等特征。
