Beyond Dedicated-Active: A General Reliability Provisioning Framework for SFC Placement in Fog Computing
Isfahan University of Technology（伊斯法罕理工大学）
本文提出了一种通用框架，用于在雾计算中实现可靠性意识的SFC部署，通过四种冗余策略优化延迟和成本，仿真结果显示共享-备用冗余性能提升达84%。
2025-12-30 cs.NI
Carbon Dioxide Emission Minimized Virtual Machine (VM) Placement in Cloud-Fog Network Architecture
本文提出一个混合整数线性规划模型，在云-雾网络架构中考虑可再生能源，最小化虚拟机放置的二氧化碳排放，并满足服务级别协议要求。
2023-11-16 cs.NI
Towards Auction-Based Function Placement in Serverless Fog Platforms
功能即服务（FaaS）范式作为包括云和边缘节点的雾环境的计算模型具有很大的潜力。当请求速率超过边缘的容量限制时，一些功能需要从边缘卸载到云。在这份立场文件中，我们提出了一种基于拍卖的方法，应用程序开发人员对资源进行投标。这允许雾节点在本地决定哪些功能要卸载，同时最大化收入。对于我们的方法的第一次评估，我们使用模拟。
2020-03-04 cs.DC cs.NI
CRAFT: Latency and Cost-Aware Genetic-Based Framework for Node Placement in Edge-Fog Environments
本文提出CRAFT框架，基于遗传算法优化边缘-雾环境中的节点放置，以最小化延迟和成本，仿真显示延迟降低2.77%、成本降低31.15%。
2025-07-16 cs.AR cs.DC cs.NI
Energy Efficient VM Placement in a Heterogeneous Fog Computing Architecture
近年来，通信和计算系统取得了显著的发展，这主要是由数据和处理密集型应用（例如虚拟现实、M2M、联网车辆、物联网服务等）的日益增长的需求驱动的。各种移动和固定终端将收集大量数据，需要对这些数据进行处理，以便从数据中提取知识。传统上，采用集中式方法来使用连接到核心网络的大型数据中心处理收集的数据。然而，由于互联网连接事物的规模，将原始数据一直传输到核心网络在功耗，延迟和隐私方面是昂贵的。这迫使研究人员提出不同的分散计算范式，如雾计算，以处理在靠近终端和用户的网络边缘收集的数据。在本文中，我们研究，在一个无源光网络（PON）为基础的协作雾计算系统中，雾单元的容量和能源效率的异构性对雾系统的整体能源效率的影响。我们优化了虚拟机（VM）的位置在这个雾系统与三个雾细胞和制定的问题作为一个混合整数线性规划（MILP）优化模型的目标是最大限度地减少网络和处理功耗的雾系统。结果表明，在我们提出的架构中，处理功率消耗是实现节能的虚拟机放置的关键因素。
2022-03-27 cs.NI eess.SP
A Survey of Fog Computing and Communication: Current Researches and Future Directions
在这次调查中，我们讨论了分布式计算从效用计算到雾计算的演变，雾计算环境的发展所面临的各种研究挑战，雾计算研究的现状以及在这个方向上的各种现有工作的分类。然后，我们重点介绍了雾计算系统的体系结构，使雾，雾计算的特点，雾的安全性和隐私，QoS参数，雾的应用，并给出了关键的见解在这一领域所做的各种工作。最后，我们简要讨论了与基于雾的平台和服务的开发密切合作的不同雾计算协会，并总结了与雾计算平台相关的各种类型的开销。最后，我们提供了一个全面的讨论未来的范围和开放的研究领域，在雾计算作为下一代计算范式的使能者。
2018-04-12 cs.NI
History-Aware Online Cache Placement in Fog-Assisted IoT Systems: An Integration of Learning and Control
在雾辅助物联网系统中，通常的做法是在网络边缘缓存流行内容，以实现高服务质量。由于实践中的不确定性，如未知的文件流行度，缓存放置方案设计仍然是一个悬而未决的问题，面临着以下挑战：1）如何将时间平均存储成本保持在预算范围内，2）如何结合在线学习来帮助缓存放置，以最大限度地减少性能损失（也称为后悔），以及3）如何利用离线历史信息来进一步减少后悔。在本文中，我们制定了一个约束的组合多臂强盗（CMAB）问题的缓存放置未知的文件流行的问题。为了解决这个问题，我们采用虚拟队列技术来管理时间平均存储成本约束，并采用历史感知的强盗学习方法，将离线历史信息集成到在线学习过程中，以处理探索-开发权衡。通过在线控制和历史感知在线学习的有效结合，我们设计了一种基于历史感知Bandit学习的Cache放置方案CPHBL。我们的理论分析和仿真结果表明，CPHBL实现了次线性的时间平均遗憾界。此外，仿真结果验证了CPHBL的优势，基于深度强化学习的方法。
2020-12-15 cs.NI eess.SP
Algorithms for Computing in Fog Systems: principles, algorithms, and Challenges
雾计算是一种架构，用于将计算、存储和内存等资源分布到更靠近最终用户的位置，以改善应用和服务部署。雾计算背后的想法是通过降低计算能力、网络带宽和延迟以及存储需求来改善云计算和物联网基础设施。本文概述了雾计算是什么，相关概念，用于改进雾计算基础设施的算法以及存在的挑战。本文表明，使用雾计算来支持云和物联网系统具有很大的优势。
2020-06-01 cs.NI
Fog Computing& IoT: Overview, Architecture and Applications
本文对雾计算与物联网进行全面调查，介绍了雾计算作为云计算延伸的架构、优势及应用，并分析了其在数据通信系统中的安全问题。
2023-04-14 cs.NI
Energy Efficient Service Placement for IoT Networks
本研究针对IoT网络能源效率问题，分析结合雾计算与云计算的分层架构，发现不同雾层在不同请求量下表现各异，提出实施动态服务放置策略以提升整体能效。
2024-04-25 cs.NI eess.SP
All One Needs to Know about Fog Computing and Related Edge Computing Paradigms: A Complete Survey
随着物联网（IoT）成为我们日常生活和环境的一部分，我们预计连接设备的数量将快速增长。物联网预计将连接数十亿设备和人类，为我们带来有前途的优势。随着这种增长，雾计算及其相关的边缘计算范式，如多访问边缘计算（MEC）和云，被视为处理物联网产生的大量安全关键和时间敏感数据的有前途的解决方案。在本文中，我们首先提供了一个关于雾计算及其相关计算范式的教程，包括它们的相似性和差异性。接下来，我们提供了雾计算的研究主题的分类，并通过全面的调查，我们总结和分类雾计算及其相关的计算范式的努力。最后，我们提供了雾计算研究的挑战和未来的方向。
2019-02-13 cs.NI
FoggyEdge: An Information Centric Computation Offloading and Management Framework for Edge-based Vehicular Fog Computing
本文提出基于命名数据网络和微服务的四层 FoggyEdge 框架，融合车辆雾计算与路侧边缘计算，以降低车联网服务时延和卸载传输成本，并通过 SUMO 实验验证其有效性。
2023-04-20 cs.NI
A Novel Service Deployment Policy in Fog Computing Considering The Degree of Availability and Fog Landscape Utilization Using Multiobjective Evolutionary Algorithms
雾计算是实时和任务关键型物联网（IoT）应用的一个有前途的范例。考虑到雾资源的高度分布性、异构性和局限性，应用程序应该以分布式方式放置，以充分利用这些资源。在本文中，我们提出了一个线性公式，以确保不同的应用服务的可用性要求，同时最大限度地利用雾资源。我们还比较了三个多目标进化算法，即MOPSO，NSGA-II，和MOEA/D之间的权衡提到的优化目标。iFogSim模拟器中的评估结果证明了所有三种算法的效率以及MOPSO算法在获得的目标值、应用截止日期满意度和执行时间方面的普遍更好的行为。
2022-02-04 cs.NI
Fog Computing: Focusing on Mobile Users at the Edge
随着智能设备，特别是智能手机，成为我们的日常伴侣，无处不在的移动互联网和计算应用渗透到人们的日常生活。随着人们对随时随地提供高质量移动服务需求的不断增长，如何满足无处不在的用户需求，适应移动业务的爆炸式增长，是下一代移动网络的关键问题。雾计算是实现这一目标的一个有前途的解决方案。雾计算是对云计算的一种扩展，它通过向移动网络边缘提供虚拟化资源和基于位置的服务，从而更好地服务于移动业务。因此，雾计算是云计算与移动应用结合的润滑剂。在本文中，我们概述了雾计算的主要功能，并描述了其概念，架构和设计目标。最后，我们从网络的角度讨论了一些未来的研究问题。
2016-03-30 cs.NI
Efficient Fog Node Placement using Nature-Inspired Metaheuristic for IoT Applications
针对物联网场景下雾节点部署需兼顾连通性与覆盖度的多目标优化难题，提出基于海洋捕食者算法（MPA）的部署方案，在多基准测试中性能优于现有前沿方法。
2023-02-12 cs.DC cs.NI
A Fog-based Architecture and Programming Model for IoT Applications in the Smart Grid
智能电网利用许多物联网（IoT）应用来支持其智能电网监测和控制。物联网应用的要求因智能电网中的不同任务而异。在本文中，我们提出了一种新的计算范式，提供位置感知，延迟敏感的监测和智能控制物联网应用在智能电网。特别是，一个新的基于雾的架构和编程模型的设计。雾计算将计算扩展到网络边缘，与物联网应用完美匹配。然而，现有的方案很难满足智能电网中雾计算节点之间的分布式协调。在该模型中，我们引入了一个新的分布式雾计算协调器，它周期性地收集雾计算节点的信息，例如，此外，雾计算协调器还管理作业，以便所有计算节点可以在复杂任务上进行协作。此外，我们还构建了一个智能电动汽车服务的工作原型来评估所提出的模型。实验结果也表明，我们提出的模型超过了传统的雾计算方案的物联网应用在智能电网。
2018-04-04 cs.NI
Energy Efficient Cloud-Fog Architecture
云计算的进步是信息和通信技术（ICT）服务部署和维护方式的根本转变。云计算提供了对提供给大量地理上分布的用户的基于互联网的处理、存储和通信资源池的无处不在的按需访问。随着云计算基础设施的增长和需求的增加，对能够有效地维持服务质量（QoS）要求的新型按需计算的需求已经增加。雾计算是为了解决云计算在延迟和高带宽要求方面的局限性而提出的，它将云的按需资源扩展到网络边缘，使其更接近用户。云-雾服务的大规模增长和广泛使用带来了严重的功耗问题。本文通过提出与以下问题相关的标题问题来深入研究云雾服务的能耗：问题本身有多重要，不同的条件/场景如何影响架构的能耗，以及如何以节能的方式协调架构的使用。我们首先总结了云雾架构，包括不同的通信和计算层。此外，我们还简要介绍了虚拟机（VM）放置在以动态方式优化使用云雾资源中的作用。然后，我们提出了节能虚拟机放置问题并提供了数值结果。
2020-01-16 cs.NI
A Review of Resource Management in Fog Computing: Machine Learning Perspective
雾计算是一种很有前途的技术，可以在用户附近处理用户请求，以减少延迟敏感请求的响应时间。尽管雾计算具有诸多优点，但其资源的异构性、局限性以及动态性和不可预测性等特性极大地降低了其效率。因此，预测雾的动态行为并相应地管理资源至关重要。在这项工作中，我们提供了一个审查的机器学习为基础的预测资源管理方法在雾环境。资源管理分为六个子领域：资源供应、应用程序放置、调度、资源分配、任务卸载和负载均衡。回顾资源管理方法进行了分析的基础上的客观指标，工具，数据集，并利用技术。
2022-09-07 cs.NI
A View of Fog Computing from Networking Perspective
随着智能设备，特别是智能手机，成为我们的日常伴侣，无处不在的移动互联网和计算应用渗透到人们的日常生活。随着人们对随时随地提供高质量移动服务需求的不断增长，如何满足无处不在的用户需求，适应移动业务的爆炸式增长，是下一代移动网络的关键问题。雾计算是实现这一目标的一个有前途的解决方案。雾计算是对云计算的一种扩展，它通过向移动网络边缘提供虚拟化资源和基于位置的服务，从而更好地服务于移动业务。因此，雾计算是云计算与移动应用结合的润滑剂。在本文中，我们概述了雾计算的主要功能，并描述了其概念，架构和设计目标。最后，我们从网络的角度讨论了一些未来的研究问题。
2016-03-08 cs.NI
Priority-Queue based Dynamic Scaling for Efficient Resource Allocation in Fog Computing
在这个连接设备的新兴世界中，对更多专注于延迟敏感应用的计算设备的需求至关重要。在本文中，我们提出了一种基于优先级队列的雾计算架构结合动态可扩展性的雾设备，它不仅减少了延迟敏感的任务所经历的延迟，通过分类延迟敏感和延迟不敏感的任务，但也动态分配雾设备在网络中的计算负载，以减少功耗。结果表明，该算法是能够实现一个显着较低的延迟与其他相关计划相比，具有14.5%的低功耗时，延迟敏感和不敏感的任务。
2021-07-17 cs.NI
Fog Computing for Sustainable Smart Cities: A Survey
物联网（IoT）旨在将数十亿个智能物体连接到互联网上，这可以为智慧城市带来充满希望的未来。这些对象预计将生成大量数据并将数据发送到云进行进一步处理，特别是用于知识发现，以便可以采取适当的行动。然而，在现实中，感测由智能对象捕获的所有可能的数据项，然后将完整的捕获数据发送到云是不太有用的。此外，这种方法还将导致资源浪费（例如，网络、存储等）。已经提出了雾（边缘）计算范式，通过将使用数据分析的知识发现过程推向边缘来应对弱点。然而，边缘设备具有有限的计算能力。由于固有的优势和弱点，云计算和雾计算范式都不能单独解决这些挑战。因此，这两种模式需要共同努力，为智慧城市构建可持续的物联网基础设施。在本文中，我们回顾了现有的方法，已经提出了解决雾计算领域的挑战。具体来说，我们描述了雾计算的几个鼓舞人心的用例场景，确定了雾计算的十个关键特征和共同特征，并比较了该领域现有的30多个研究成果。基于我们的回顾，我们进一步确定了理想的雾计算平台应该支持的几个主要功能以及实现它们的一些开放挑战，从而为实现雾计算以建设可持续的智慧城市提供了未来的研究方向。
2017-03-21 cs.NI
Architectural Design Alternatives based on Cloud/Edge/Fog Computing for Connected Vehicles
随着车辆在人们的日常生活中发挥越来越重要的作用，对更安全和更舒适的驾驶体验的要求已经出现。互联车辆（CV）可以提供实现这些要求的使能技术，并引起了学术界和工业界的广泛关注。这些需求要求一个精心设计的计算架构，以支持CV应用程序的服务质量（QoS）。云计算、边缘计算和雾计算等计算卸载技术可以帮助CV处理计算密集型和大规模计算任务。此外，不同的云/边缘/雾计算架构适合于支持具有高度不同的QoS要求的不同类型的CV应用，这证明了计算架构设计的重要性。然而，大多数针对CV的云/边缘/雾计算的现有调查都忽略了计算架构设计，它们（i）只关注一个特定的计算架构，（ii）缺乏对不同架构替代方案的好处，研究挑战和系统要求的讨论。在本文中，我们对基于云/边缘/雾计算的CV的不同架构设计方案进行了全面的调查。本文的贡献是：（i）对现有的基于云/边缘/雾计算的CV架构设计方案进行了全面的文献调查，（ii）提出了基于云/边缘/雾计算的CV计算架构的新分类：计算辅助和计算使能的架构，（iii）基于CV系统的功能需求，对CV的不同云/边缘/雾计算架构进行全面比较，包括优势、劣势和研究挑战。
2020-09-26 cs.NI
Energy Efficiency of Fog Computing Health Monitoring Applications
雾计算提供了一种可扩展且有效的解决方案，以克服物联网（IoT）设备日益增长的处理和网络需求。在本文中，我们研究了使用雾计算的健康监测应用程序。我们考虑心脏监测应用，其中患者在美国心脏协会（AHA）推荐的时间限制内发送其30分钟的心电图（ECG）信号记录，以在雾处理单元处进行处理、分析和决策，以在检测到ECG信号异常时挽救心脏患者。处理服务器的位置得到优化，从而使处理和网络设备的能耗最小化。结果表明，与在中央云处理相比，在雾处理单元处理ECG信号可节省高达68%的总能耗。
2018-08-18 cs.NI
What is a Fog Node A Tutorial on Current Concepts towards a Common Definition
雾计算已经成为一种有前途的技术，可以使云应用更接近网络边缘的物理物联网设备。虽然云计算是什么、数据中心如何构建云基础设施以及应用程序如何利用此基础设施已广为人知，但雾计算和雾节点（作为其主要构建块）究竟是什么却没有共同的认识。思科首次尝试定义雾节点，将雾计算系统定义为一个迷你云，位于网络边缘，通过各种边缘设备实现，通过各种通信技术（主要是无线通信技术）互连。因此，雾节点将是实现所述微型云的基础设施。其他提案对雾节点有自己的定义，通常与特定的边缘设备，特定的用例或应用程序有关。在本文中，我们首先调查的雾计算节点作为雾计算的构建块的技术，特别注意的贡献，分析边缘设备在雾节点定义中发挥的作用。我们总结和比较的概念，从他们的实施经验教训，并展示了一个概念框架是如何出现一个统一的雾节点定义。我们专注于雾节点的核心功能，以及在不久的将来实现这些功能的机会和挑战。
2016-11-28 cs.NI
Optimizing Microservices Placement in the Cloud-to-Edge Continuum: A Comparative Analysis of App and Service Based Approaches
本文针对云边连续体中微服务部署优化以降低延迟的问题，对比基于应用和基于服务的两种部署方法及四种算法，通过YAFS模拟验证了基于服务的方法在延迟和负载均衡上更优或相当，为高效部署提供了见解。
2024-12-02 cs.NI
A Resources Representation For Resource Allocation In Fog Computing Networks
雾计算正在成为一种新的范例，通过使数据处理和分析接近其来源来处理延迟敏感的应用。由于雾中设备的异构性，设计新的解决方案很重要，该解决方案考虑到每个设备中可用的不同物理资源，以有效地和动态地分配处理。在本文中，我们提出了一种资源表示方案，该方案允许通过移动边缘计算应用程序编程接口（MEC API）暴露每个设备的资源，以优化雾中的监督实体的资源分配。然后，我们制定的资源分配问题作为一个李雅普诺夫优化，我们讨论了我们提出的方法对延迟的影响。仿真结果表明，我们提出的方法可以最大限度地减少延迟，提高系统的性能。
2022-01-27 cs.NI
PORA: Predictive Offloading and Resource Allocation in Dynamic Fog Computing Systems
在多层雾计算系统中，为了加速实时物联网应用的计算密集型任务的处理，资源有限的物联网设备可以将其部分工作负载卸载到附近的雾节点，然后这些工作负载可以卸载到具有更大计算能力的上层雾节点。这种分层卸载虽然有望缩短处理时延，但也可能引起无线传输的过度功耗和时延。随着各种系统动态的时间变化，这种权衡使得进行有效和在线卸载决策变得相当具有挑战性。与此同时，雾计算系统的预测卸载的根本好处仍然没有得到探索。在本文中，我们专注于在多层雾计算系统的流量预测的动态卸载和资源分配的问题。通过将该问题转化为一个随机网络优化问题，我们的目标是在保证系统所有队列稳定的情况下，最小化系统的时间平均功耗。我们利用独特的问题结构，并提出PORA，一个有效的和分布式的预测卸载和资源分配计划的多层雾计算系统。我们的理论分析和仿真结果表明，PORA招致近最优的功耗与队列稳定性保证。此外，PORA仅需要中等价值的预测信息来实现显著的延迟减少，即使有预测误差。
2020-12-15 cs.NI
ENGINE:Cost Effective Offloading in Mobile Edge Computing with Fog-Cloud Cooperation
移动边缘计算（MEC）作为一种利用云节点或雾节点将远程云计算扩展到网络边缘的新兴范例，被认为是下一代无线网络的关键技术。通过将计算密集型任务从资源受限的移动设备卸载到雾节点或远程云，可以节省移动设备的能量并且可以增强计算能力。对于雾节点，他们可以租用资源丰富的远程云来帮助他们处理来自移动设备的传入任务。在这种架构中，可以充分利用移动设备的短计算和计算延迟的好处。然而，现有的研究大多假设雾节点具有无限的计算能力，这是不实际的，特别是当雾节点也是能量受限的移动设备。为了提供雾节点的激励和降低移动设备的计算成本，我们提供了一个成本有效的卸载方案在移动边缘计算与雾节点和远程云之间的合作与任务依赖约束。移动设备的预算有限，必须确定哪些任务应该在本地计算或发送到雾。为了解决这个问题，我们首先制定的卸载问题作为一个任务完成时间最小化的问题，给定的预算的移动设备，这是NP-难的。然后，我们设计了两个以上的算法来研究网络的性能。仿真结果表明，所提出的贪心算法可以达到接近最优的性能。平均而言，蛮力法和贪心算法在应用程序完成时间上优于模拟退火算法约28.13%。
2018-10-13 cs.NI
A Paradigm For Collaborative Pervasive Fog Computing Ecosystems at the Network Edge
本文研究网络边缘的雾到雾（f2f）合作范式，通过连续时间马尔可夫链模型将多节点合作转化为优化问题，证明其优于传统三层雾计算。
2024-04-17 cs.NI
YAFS: A simulator for IoT scenarios in fog computing
我们提出了一个雾计算模拟器分析的设计和部署的应用程序，通过定制和动态的战略。我们通过复杂网络理论对部署的应用程序、网络连接和基础设施特性之间的关系进行建模，从而实现在动态和可定制的策略中集成拓扑措施，例如应用程序模块的放置、工作负载位置以及服务的路径路由和调度。我们提出了一个比较分析的效率和收敛的结果，我们的模拟器与最引用的实体，iFogSim。为了突出YAFS的功能，我们模拟三种情况下，据我们所知，不能实现与当前的雾模拟器：动态分配的新的应用程序模块，动态故障的网络节点和用户的移动性沿拓扑结构。
2019-02-04 cs.NI
Survey of Communication Protocols for Internet-of-Things and Related Challenges of Fog and Cloud Computing Integration
物联网（IoT）设备数量的快速增长正在加速对新解决方案的研究，以使云服务具有可扩展性。在这种情况下，雾计算的新概念以及雾到云计算的组合范式对于分散云计算变得至关重要，同时使服务更接近终端系统。本文调查了满足物联网通信要求的应用层通信协议，以及它们在基于雾和云的物联网系统中实施的潜力。为此，本文首先对物联网通信协议的主要特点进行了比较分析，包括请求-应答和订阅-订阅协议。在此之后，本文调查了在系统的每个部分（物联网，雾，云）中广泛采用和实施的协议，从而展开了关于它们的互操作性和更广泛的系统集成的讨论。最后，本文回顾了主要的性能问题，包括延迟，能量消耗和网络吞吐量。该调查预计将有助于系统架构师和协议设计师在集成的物联网到雾到云系统架构中选择通信协议。
2019-02-27 cs.NI
Exploring the Effectiveness of Service Decomposition in Fog Computing Architecture for the Internet of Things
物联网（IoT）旨在将日常物理对象连接到互联网。这些对象将产生大量的数据。传统的云计算架构旨在在云中处理数据。因此，需要将大量数据传输到云。这产生了许多挑战，例如设备和云之间的高通信延迟，在频繁的数据上传到云期间设备的能耗增加，高带宽消耗，同时通过连续发送数据使网络繁忙，以及由于对传输到服务器的数据的控制较少而导致的隐私减少。雾计算已经被提出来对抗这些弱点。雾计算旨在在边缘处理数据，并大大消除将数据发送到云的必要性。然而，将面向服务的体系结构（SOA）与雾计算体系结构相结合仍然是一个开放的挑战。在本文中，我们建议分解服务以创建链接微服务（LMS）。链接微服务是在多个节点上运行的服务，但与其链接的合作伙伴密切相关。链接微服务允许在物联网架构中的不同计算节点上分配计算。使用四种不同类型的架构，即云，雾，混合和雾+云，我们探索和证明服务分解的有效性，通过应用四个实验，三种不同类型的数据集。对这四种架构的评估表明，将服务分解到节点可以将网络上的数据消耗减少10% -70%。总体而言，这些结果表明，在雾计算的上下文中分解服务以提高服务质量的重要性。
2019-03-31 cs.NI
Disaggregation for Improved Efficiency in Fog Computing Era
本文评估了在电信网络的近边缘（地铁中心局，无线电小区站点和企业分支机构，形成一个雾作为服务系统的一部分），以尽量减少在电信网络的远边缘所需的雾节点的数量使用分散的服务器的影响。为此，我们制定了一个混合整数线性规划（MILP）模型。我们的研究结果表明，在电信网络的近边缘用分散式服务器取代传统服务器可以减少所需的远边缘雾节点的数量高达50%，如果访问近边缘计算资源不受网络瓶颈的限制。这种提高的效率是以工作负载源和处理位置之间的更高平均跳数以及总体城域网和接入网流量和功耗的边际增加为代价实现的。
2019-04-02 cs.NI
Hierarchical Reinforcement Learning for Integrated Cloud-Fog-Edge Computing in IoT Systems
针对物联网应用海量数据和实时需求给传统云计算带来的压力，本文提出分层物联网处理架构（HIPA），利用机器学习在云、雾、边缘层动态分配任务，以提升物联网系统的延迟、可扩展性和数据隐私保障能力。
2025-11-13 cs.NI
Energy Minimized Federated Fog Computing over Passive Optical Networks
对时间敏感的应用程序和服务的快速增长推动了计算基础设施的增强。这些应用需要解决的主要挑战是最终用户需求的最佳放置，以减少总功耗和延迟。解决这一挑战的一个广泛采用的范例是雾计算。将雾单元放置在靠近网络边缘的最终用户的地方，可以帮助缓解一些延迟和能效问题。与传统的超大规模云数据中心相比，雾计算单元受到计算能力的限制，因此，雾单元的容量在满足终端用户由于密集处理工作负载而产生的严格需求方面起着关键作用。在本文中，我们的目标是优化部署的虚拟机（VM）的需求来自最终用户在雾计算设置通过制定一个混合线性规划（MILP）模型，以最大限度地减少总功耗，通过使用由多个分布式雾单元组成的联邦架构。获得的结果显示，与非联邦雾网络相比，雾层的处理能力有所增加，功耗降低了高达26%。
2021-05-21 cs.NI eess.SP
AdaptiveFog: A Modelling and Optimization Framework for Fog Computing in Intelligent Transportation Systems
雾计算一直被认为是智能互联车辆中计算密集型服务的一种使能技术。大多数现有的工作集中在分析与雾计算相关的延迟和工作负载处理延迟，忽略了无线访问延迟有时会主导整体延迟的事实。这激发了本文中的工作，在本文中，我们报告了一项为期五个月的测量研究，测量联网车辆和商用LTE网络支持的雾/云计算系统之间的无线接入延迟。我们提出了AdaptiveFog，这是一种新的框架，用于在实现雾/云基础设施的不同LTE网络之间进行自主和动态切换。AdaptiveFog的主要目标是最大化服务置信度，定义为给定服务类型的延迟低于某个阈值的概率。为了量化不同LTE网络之间的性能差距，我们引入了一种新的统计距离度量，称为加权Kantorovich-Rubinstein（K-R）距离。两个方案的基础上，有限和无限的地平线优化的短期和长期的信心。对于每种情况，提出了一种简单的阈值策略，基于加权K-R距离，并证明了最大化的延迟的智能车辆的信心。基于我们的延迟测量进行了广泛的分析和模拟。我们的研究结果表明，AdaptiveFog分别在雾和云的置信水平上提高了约30%至50%。
2021-06-29 cs.NI
Energy-Efficient Joint Optimization of VLC and Fog Computing Resources Allocation
本文针对室内VLC-PON回程网络架构，提出MILP模型联合优化VLC与雾计算资源分配，可降低平均总功耗，实现节能效果。
2026-08-12 cs.NI
Optimizing Server Placement for Vertical Federated Learning in Dynamic Edge/Fog Networks
Department of Electrical and Computer Engineering, Purdue University（普洛威斯顿大学电子工程与计算机科学系）
本文研究动态边缘/雾网络中垂直联邦学习的控制与优化，提出SC-DN方法，通过联合优化服务器部署、传输功率、处理器频率和本地训练迭代数，提升模型性能与资源利用率。
2026-05-10 cs.DC cs.LG cs.NI
Disaggregation for Energy Efficient Fog in Future 6G Networks
我们通过评估未来雾6G网络中交互式应用程序的节能放置，研究了在雾计算层中采用服务器分解的好处。使用混合整数线性规划（MILP）模型，我们比较采用传统的服务器（TS）和分散的服务器（DS）架构的雾网络，包括选定的雾计算站点在地铁和接入网络。相对于TS的使用，我们的结果表明，DS的采用提高了雾网络的能源效率，并使雾网络的总计算功耗降低了高达18%。交互式雾应用程序的更多实例在雾网络中提供，该雾网络在具有高延迟惩罚的网络拓扑上实现。这确保了分布式用户经历的延迟最小。我们的研究结果还表明，雾计算站点，如地铁中央办公室和无线电小区站点的地理分布的用户的交互式雾应用程序的接近，使他们成为重要的边缘位置提供适度延迟敏感的雾应用程序。然而，具有更严格的延迟阈值的雾应用需要在直接连接的无线电小区站点处或在请求用户的位置处进行原位处理。最后，我们提出了一个启发式的能源效率和延迟感知的互动雾应用程序在雾网络中的位置，复制的趋势，通过解决本文中制定的MILP模型获得的确切结果进行综合分析。本文的研究结果以及提出的MILP和启发式算法为雾网络的设计和部署提供了很好的参考和工具。
2021-02-01 cs.NI eess.SP
Grey Wolf-Based Task Scheduling in Vehicular Fog Computing Systems
本文提出一种基于灰狼优化的车载雾计算任务调度算法，通过多目标优化降低完工时间和货币成本，实验证明其成本最低。
2024-12-15 cs.NI
S-HIDRA: A blockchain and SDN domain-based architecture to orchestrate fog computing environments
针对雾计算环境节点地理分布广、工作负载动态性强带来的编排及网络连接难题，提出集成SDN与区块链的域架构S-HIDRA，实现低延迟高可用的容器服务编排，概念验证验证了其功能可行性。
2024-01-29 cs.NI
IoT-Fog: A Communication Framework using Blockchain in the Internet of Things
在大型云结构或大型数据结构中，雾计算可以被解释为在物联网（IoT）设备之间访问信息时日益增长的问题和问题。雾计算可用于计算、存储、控制和连接智能设备。物联网是一个由唯一标识的相互关联的物理事物组成的架构，这些物理事物能够相互通信，并可以发送和接收信息。提出了一种物联网与雾计算相结合的框架。区块链也是一种新兴技术，它提供了一个超级、分布式、公共、真实的账本来记录交易。区块链技术是一种安全的技术，可以为下一代计算带来巨大好处。雾、区块链和物联网在这一领域的融合引入了一个新的激励机制。在这项研究工作中，作者提到了区块链、雾和物联网技术创新的融合，以提供一个有效的通信框架。该框架是使用不同的场景实现和测试。
2020-06-04 cs.NI
Reinforcement Learning for Resource Allocation in Vehicular Multi-Fog Computing
针对车载多雾计算中动态车辆移动和波动负载导致的资源分配难题，本文将其建模为马尔可夫决策过程，应用Q-learning、DQN和Actor-Critic等强化学习算法实现自适应任务分配，有效降低了延迟并提升了负载平衡与任务成功率。
2025-10-31 cs.NI
Multi-Dimensional Payment Plan in Fog Computing with Moral Hazard
近年来，旨在提供时间敏感的数据服务的雾计算的概念已经变得流行。在这个模型中，计算在网络边缘执行，而不是将大量数据发送到云端。因此，雾计算为最终用户提供了低延迟、位置感知，并提高了服务质量（QoS）。该模型的一个关键特征是设计从网络运营商（NO）到雾节点（FN）的支付计划，以租用其计算资源，如计算能力、频谱和传输功率。本文利用契约理论中的道德风险模型，研究了如何设计有效的支付方案，使NO的收益最大化，同时保持FN的合作激励。我们提出了一个多维的合同，它考虑了FN的特性，如位置，计算能力，存储，传输带宽，等等。首先，合同支付FN通过评估他们提供的资源，从多个方面提出。然后，制定的NO的效用最大化问题。此外，我们还利用数值结果分析了最优支付方案，并比较了不同支付方案下NO的效用。
2017-01-15 cs.NI
FogGrid: Leveraging Fog Computing for Enhanced Smart Grid Network
本手稿集中在雾计算的智能电网网络，包括一个分布式发电系统称为微电网的应用。它解决了智能电网的特点和优势。讨论了基于共享信息资源的按需处理的两种计算方法。雾计算作为计算和/或通信节点的附加层，在处理大量数据的同时将云后端从多任务中卸载。比较了雾计算和云计算分层体系结构在资源利用效率方面的差异。为了缓解雾计算的优势，提出了一种基于Intel Edison的雾计算框架。所提出的架构已硬件实现的微电网系统。所获得的结果显示了雾计算在低功耗、降低存储需求和覆盖分析能力方面对智能电网网络的功效。
2017-12-27 cs.DC cs.NI
Characterizing Task Completion Latencies in Fog Computing
雾计算将计算资源分配到物联网（IoT）设备和云之间的多个位置，正吸引着学术界和工业界的广泛关注。然而，尽管人们对雾计算的潜力感到兴奋，但雾计算架构的属性很少有全面的定量特征。在本文中，我们研究了雾计算中的任务完成延迟的性质。首先，我们提出了我们的经验基准为基础的研究任务完成延迟的结果。该研究涵盖了一系列设置，并独特地考虑了传统和无服务器雾计算执行点。它展示了不同位置的执行点特性的范围以及给定位置的延迟特性的相对稳定性。它还强调了现有雾计算算法中没有包含的无服务器执行的属性。其次，我们提出了一个框架，我们开发的协同优化任务完成质量和延迟，这是我们的实证研究的见解的启发。我们描述雾计算任务分配问题，我们制定了在这个框架下，并提出了我们开发的算法来解决这些问题。
2018-11-06 cs.DC cs.NI
PON-based connectivity for fog computing
雾计算通过将数据处理移动到终端用户附近，在满足联网车辆、智能电网和执行器网络等延迟敏感型应用的要求方面发挥着至关重要的作用。无源光网络（PON）被广泛应用于接入网中，以在灵活的设计下降低功耗，同时为终端用户提供高带宽。通常，接入网络中的分布式雾计算单元具有有限的处理和存储容量，其可以根据瞬时需求而被利用不足或过度利用。为了扩展接入网的可用容量，提出一种基于SDN PON的雾计算架构，实现分布式雾计算服务器之间的全连通。功耗结果表明，与基于具有相同数量服务器的主干和叶子数据中心的传统雾计算相比，该架构可以实现高达约80%的功耗节省。
2020-05-02 cs.NI eess.SP
Load balancing mechanisms in fog computing: A systematic review
最近，雾计算已经作为现代分布式范例被引入，并且作为云计算的补充来提供服务。Fog系统将存储和计算扩展到网络边缘，除了支持位置感知和移动性支持外，还能显著解决延迟敏感型应用的服务计算问题。负载均衡是雾网络的一个重要方面，它可以避免某些雾节点负载不足或过载的情况。通过负载均衡可以提高服务质量（QoS）参数，例如资源利用率、吞吐量、成本、响应时间、性能和能耗。近年来，人们对雾网络中的负载均衡技术进行了一些研究，但还没有系统的综述来巩固这些研究。本文系统地回顾了雾计算中的负载平衡机制，分为四类，包括近似方法、精确方法、基本方法和混合方法（2013年至2020年8月期间发表）。此外，本文还研究了负载均衡指标，以及与雾网络中所选负载均衡机制相关的所有优点和缺点。评价技术和工具，适用于每一个审查的研究进行了探讨。此外，这些机制的基本开放的挑战和未来的趋势进行了讨论。
2020-12-01 cs.DC cs.NI
Fog Computing Architectures: a Reference for Practitioners
在意识到云计算确实可以帮助几个行业克服以产品为中心的传统方法，转而支持更经济实惠的面向服务的商业模式后不久，我们就见证了一种新的颠覆性计算模式的兴起，即雾计算。从本质上讲，雾计算可以被认为是云计算的演变，从某种意义上说，前者将后者扩展到网络的边缘（即连接的设备-事物-所在的地方），而没有中断，实现了所谓的“云到物的连续体”。自其诞生之初，雾计算就被认为是多个物联网（IoT）领域（一个为所有：工业物联网）的必要条件，更一般地说，无论在哪里，嵌入式人工智能和/或更先进的分布式功能是必需的。雾计算不能被认为只是一个花哨的流行语：根据独立的权威分析，到2022年，其全球市场将达到180亿美元，而到2025年，全球近45%的数据将被转移到网络边缘。在本文中，我们将从标准化、商业化和开源社区的角度来总结最现代、最成熟的雾计算计划。
2019-09-03 cs.CY cs.NI
Trends, Opportunities, and Challenges in Using Restricted Device Authentication in Fog Computing
在物联网中受限的设备上可用的资源很少，这是我们考虑安全性时的一个重要问题。从这个角度来看，我们的工作提出了一个敏捷的系统审查文献涉及物联网，身份验证和雾计算的作品。因此，在这些领域的交叉点发现的相关工作，机会和挑战被带来，支持在这些领域工作的其他研究人员和开发人员。
2022-09-30 cs.CR cs.NI
Accelerator Virtualization in Fog Computing: Moving From the Cloud to the Edge
云上的硬件加速器可用于增强分析。下一代云的目标是使用加速器将增强的分析功能更接近网络边缘的用户设备，通过最小化端到端延迟和响应时间来提高服务质量。在包括云、边缘和用户设备的多层层次结构中利用云边缘连续体处的资源的集体计算模型被称为雾计算。本文确定了使加速器在边缘可访问的挑战和机遇。雾架构的整体视图是在这一领域进行有意义的研究的关键。
2018-10-14 cs.DC cs.NI
Energy Efficiency of Server-Centric PON Data Center Architecture for Fog Computing
在本文中，我们利用混合线性规划（MILP）模型来比较以服务器为中心的无源光网络（PON）为基础的数据中心设计的能源效率和性能与不同的数据中心网络拓扑用于雾计算。对于典型的MapReduce工作负载，完成时间结果表明，与具有同等性能的DCell相比，以服务器为中心的基于PON的设计实现了67%的能耗降低。
2018-08-18 cs.DC cs.NI
Blockchain and Fog Computing for Cyberphysical Systems: The Case of Smart Industry
区块链通过确保安全和可审计的点对点协调，彻底改变了交易的进行方式。这是由于权力下放的发展和促进同行之间的信任。区块链和雾计算目前正在被评估为软件和广泛应用的潜在支持，从银行业务和数字交易到网络物理系统。这些系统被设计用于在高度复杂的环境中工作，有时甚至是对抗性的环境，并在网络计算空间中同步异构机器和制造设施，并解决诸如计算复杂性、安全性、信任和数据管理等关键挑战。将区块链与雾计算技术相结合有可能识别和克服这些问题。因此，本文介绍了在服务质量、数据存储、计算和安全性方面改善网络物理系统所需的区块链和雾计算知识。
2020-09-12 cs.CR cs.NI
Optimal Trajectory Planning and Task Assignment for UAV-assisted Fog Computing
雾计算是一种新兴的物联网（IoT）分布式计算模型。它将计算和缓存功能扩展到无线网络的边缘。无人机（UAV）为雾计算提供了足够的支持。无人机不仅可以充当移动用户和物理远程边缘设备之间的中继，以避免昂贵的远程无线通信，而且还配备了可以接管特定任务的计算设施。在本文中，我们的目标是通过规划无人机的轨迹，并将计算任务分配给不同的设备，包括无人机本身，以优化由单个无人机辅助的雾计算系统的能源效率。我们提出了两个算法的基础上，经典的蚁群和粒子群优化技术和解决问题的连续凸逼近。不像大多数现有的研究中的轨迹被假定为直线，我们考虑的障碍物，如建筑物的影响，并故意避免他们在轨迹规划阶段。通过大量的仿真实验，我们证明了我们提出的方法可以实现显着更好的能源效率比现有的基准算法。
2022-10-31 cs.NI math.OC
