近期，清华大学王凌教授等关于雾计算下的节能进化调度算法的研究成果被国际重要期刊《IEEE Transactions on Cloud Computing》录用。
近年来物联网发展迅速，传感器等设备被应用到了生产生活的方方面面，产生了大量亟待处理的数据。虽然传统云计算可以为我们提供高效的计算服务，但物联网的发展带来了数据的隐私性、传感器节能、本地数据处理等新的挑战。目前，雾计算和云计算的协同计算模式将计算资源本地化，为物联网应用提供了新的解决方案。本研究针对"物联网设备-雾计算节点-云计算节点三层网络"模型，将物联网应用建模为有向无环图(DAG)并考虑其在三层网络下的计算资源分配问题，利用混合分布估计算法，最小化应用的完成时间和雾计算节点能耗，并延长物联网设备生命周期。
本研究对上图中三层网络进行系统建模，并给出物联网应用的任务模型和计算节点的能耗模型，同时面向客户的需求，考虑客户端雾计算节点的能耗优化，并用生命周期(电池电量耗尽所用时间)度量物联网中电池供电的设备的能耗。此外还给出了问题的混合整数规划模型和完成时间的下界分析。基于系统特性，本研究将任务DAG分解成两部分，一部分留在物联网层，剩下的任务上传至雾计算和云计算层。由于无线数据传输耗能较高，所以DAG的分解应尽量降低层间数据传输量。经过问题特性分析，本研究给出了同时考虑特定任务与其父节点、子节点的数据传输量以及处理时间等因素的分解操作。DAG分解后，分配到物联网层的任务按一定优先顺序分配到各计算节点上处理。对于其他任务，本研究应用分布估计算法，基于任务先后关系概率模型采样产生处理顺序序列，并按此顺序将任务分配到相应计算节点，计算其完成时间和雾节点能耗。迭代过程中利用帕累托解集更新概率模型直到满足终止准则。
本研究开展了丰富的仿真对比实验。在3种任务数和4种通讯计算比(CCR)下利用大量算例进行单一DAG的仿真实验和算法性能对比，比较完成时间和雾计算节点能耗指标，验证了分解操作和整体算法相对启发式算法和单一分布估计算法的有效性。在随机任务数和4种CCR下展开了离散仿真实验，其中50个DAG为一组，以随机时间到达系统并利用算法给出资源分配方案，比较系统的生命周期、总完成时间和雾计算节点能耗。实验结果显示，混合分布估计算法在雾计算节点能耗相近情况下，完成时间最短且延长了系统的生命周期，可见所提算法在本问题上相对对比算法的显著有效性。
此项研究得到了国家重点研发计划项目(2016YFB0901900)和国家杰出青年科学基金(61525304)的资助。
论文信息：
Title: Hybrid Evolutionary Scheduling for Energy-efficient Fog-enhanced Internet of Things
Authors: Chu-ge Wu, Wei Li, Ling Wang* and Albert Y. Zomaya
Source: IEEE Transactions on Cloud Computing (Early Access, Dec 2018)
全文链接：
https://ieeexplore.ieee.org/document/8587216
