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
Reinforcement Learning-based Resource Allocation in Fog RAN for IoT with Heterogeneous Latency Requirements
鉴于物联网（IoT）设备和应用的快速增长，最近已经提出了用于第五代（5G）无线通信的雾无线电接入网络（Fog-RAN），以确保无法适应大延迟的IoT应用的超可靠低延迟通信（URLLC）的要求。因此，雾节点（FN）配备了计算，信号处理和存储功能，以将云的固有操作和服务扩展到边缘。我们考虑顺序分配FN的有限资源的异构延迟要求的物联网应用程序的问题。对于来自IoT用户的每个访问请求，FN需要决定是利用其自己的资源在本地对其进行服务，还是将其提交给云以保存其宝贵的资源用于对系统具有潜在更高效用的未来用户（即，较低的等待时间要求）。我们制定的Fog-RAN资源分配问题的马尔可夫决策过程（MDP）的形式，并采用几个强化学习（RL）的方法，即Q学习，SARSA，预期SARSA和蒙特卡洛，通过学习最佳决策策略来解决MDP问题。我们验证了RL方法的性能和自适应性，并将其与基于固定阈值的算法的性能进行比较。考虑到19个具有异构延迟要求的物联网环境的广泛模拟结果证实，无论物联网环境如何，RL方法总是能够实现最佳性能。
2019-01-15 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 Resource Allocation for Demand Intensive Applications in a VLC Based Fog Architecture
本文提出一种用于室内VLC系统的节能PON回传架构以支持雾计算，开发了MILP模型最小化总功耗，实验表明相比SL架构和云服务分别降低84%和86%能耗。
2023-04-10 cs.NI
Energy Efficient Resource Allocation Optimization in Fog Radio Access Networks with Outdated Channel Knowledge
雾无线电接入网络（F-RAN）正在全球范围内获得关注，以实现超越5G的移动边缘计算。然而，为了实现未来的实时和延迟敏感的应用，F-RAN定制的无线电资源分配和干扰管理变得必要。这项工作研究用户关联和波束成形问题，提供能源效率的F-RAN。我们制定的能源效率最大化的问题，其中F-RAN的具体约束，以保证本地边缘处理明确考虑。为了解决这个复杂的问题，我们设计了一个算法的基础上增广拉格朗日（AL）方法。然后，为了减轻计算复杂性，开发了启发式低复杂性策略，其中任务被分成两部分：一种是基于全局但过时的用户信道状态信息（CSI）来解决在云端以集中方式激活用户关联和雾接入点（F-AP）以解决前传延迟，以及第二种基于完美但局部的CSI在每个活动F-AP处以分布式方式求解波束成形。仿真结果表明，所提出的探试法实现了一个可观的性能水平相比，基于AL的方法，同时大大优于基线F-RAN方案的能量效率和限制的和速率最大化算法相比，和速率退化。
2020-09-25 cs.NI
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
Mode Selection and Resource Allocation in Sliced Fog Radio Access Networks: A Reinforcement Learning Approach
雾天无线接入网（F-RAN）中的模式选择和资源分配是提高频谱和能量效率的关键技术。在本文中，我们研究了模式选择和资源分配在上行链路F-RAN的联合优化，其中传统的用户设备（UE）和雾UE都由构造的网络切片实例服务。相关的优化被制定为一个混合整数规划问题，并提出了正交和复用的子信道分配策略，以保证切片隔离。受机器学习发展的推动，开发了两种基于强化学习的算法，以解决传统UE和雾UE特定性能要求下原有的高复杂度问题。该方案的基本思想是根据环境反馈的即时回报产生一个好的模式选择策略。仿真结果验证了我们提出的算法的好处，并表明系统功耗和队列延迟之间的折衷可以实现。
2020-02-13 cs.NI eess.SP
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
A Q-Learning Approach for Dynamic Resource Management in Three-Tier Vehicular Fog Computing
Razi University（拉齐大学）；Kermanshah University of Technology（克尔曼沙赫理工大学）
本文提出基于Q学习的动态资源管理方法，用于优化车载雾计算环境中的资源分配，通过强化学习提升系统性能和任务处理效率。
2026-02-16 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
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
Task Allocation for Energy Optimization in Fog Computing Networks with Latency Constraints
雾网络在距离最终用户不同的距离处提供具有不同容量的计算资源。与云相比，更靠近网络边缘的雾节点（FN）可能具有较弱的计算资源，但FN中计算任务的处理限制了长距离传输。如何在雾和云节点之间分配任务？我们制定了一个通用的非凸混合非线性规划（MINLP）问题，最小化任务传输和处理相关的能量与延迟约束来回答这个问题。它被转换与连续凸逼近（SCA）和分解使用原始和对偶分解技术。提出了两种实用的能量高效资源分配算法（EEFFRA）和低复杂度算法（LC-EEFFRA）。它们允许在各种场景中成功地在FN和云之间分发网络请求，从而显著降低平均能源成本并减少具有未满足延迟要求的计算请求的数量。
2022-05-13 cs.DC cs.NI
An Analysis of Fog Computing Data Placement Algorithms
这项工作评估了三个雾计算数据布局算法，通过实验进行theiFogSim模拟器。本文介绍了三种算法（仅云，映射，边缘向）在物联网场景的背景下，这是基于电子健康系统的应用程序和网络拓扑结构的变化。实验结果表明，边缘放置策略有助于云计算降低延迟和云能耗.
2020-05-24 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
Cutting Throughput on the Edge:App-Aware Placement in Fog Computing
雾计算将云计算技术扩展到基础设施的边缘，使物联网应用能够以更低的延迟、位置感知和动态计算访问对象的数据。通过将工作负载从中央云转移到边缘设备，雾计算克服了通信瓶颈，避免了原始数据传输到中央云，从而为下一代基于物联网的应用铺平了道路。在本文中，我们研究了雾计算中应用程序的调度和放置，这是确保相关利益相关者盈利的关键。我们考虑一个场景，其中新兴的微服务架构允许将应用程序设计为耦合微服务模块的级联。它导致一个混合整数非线性问题，涉及应用程序数据流和计算布局的约束。由于原问题的复杂性，我们诉诸于一个简化的版本，这是进一步解决使用贪心算法。该算法是基于现有虚拟化技术的雾计算平台FogAtlas平台的核心布局逻辑。大量的数值结果验证了模型和所提出的解决方案的可扩展性，显示它达到接近最优解决方案的性能，在我们的实际实施中，它的规模以及服务的应用程序的数量。
2018-10-10 cs.NI
Joint Computing Resource Allocation and Task Offloading in Vehicular Fog Computing Systems Under Asymmetric Information
针对车辆雾计算中信息不对称、资源有限及任务卸载效率低的问题，提出融合RSU与雾车辆能力的分层架构，设计基于凸优化、契约理论和匹配博弈的联合资源分配与任务卸载方法，有效提升系统多方面性能。
2025-10-30 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
Energy Efficient Processing Allocation in Opportunistic Cloud-Fog-Vehicular Edge Cloud Architectures
本文研究车辆边缘云（VECs）中的分布式处理，在车辆边缘云中，停车场、充电站或道路交通交叉口的一组车辆通过组合集群中的计算资源而聚集并形成临时车辆云。研究了VEC中的节能处理任务分配问题，通过建立混合线性规划（MILP）模型，优化不同处理任务在可用网络资源、云资源、雾资源和车载处理节点资源上的分配，以最小化功耗。研究了加工分配的三个维度。第一个维度比较了集中式处理（在中央云中）和分布式处理（在多层雾节点中）。第二个维度引入了低和高车辆节点密度的车辆节点中的机会性处理。第三个维度考虑了不可分割的任务（单一分配）和可分割的任务（分布式分配），分别代表实时和非实时应用程序。结果表明，通过将处理分配给车辆，可以实现高达70%的节能。然而，许多因素对节能有影响，例如车辆处理能力、车辆密度、工作负载大小和生成的任务数量。据观察，通过利用可用车辆之间的任务分配所提供的灵活性，可以提高节能效果。
2020-06-25 cs.NI eess.SP
Load Balancing and Resource Allocation in Fog-Assisted 5G Networks: An Incentive-based Game Theoretic Approach
雾辅助的5G网络允许网络内的用户通过雾节点和雾节点之间的协作来执行他们的任务和流程。结果，与直接涉及基站（BS）或服务器的独立任务执行的情况相比，任务执行的延迟减少。在实际场景中，合作能力显然取决于雾节点的合作意愿。因此，在本文中，我们提出了一种基于激励的讨价还价的方法，鼓励雾节点之间进行合作，从最终用户受益于合作的激励。考虑到用户和雾节点在存储容量、能效等方面的异构性，我们的目标是强调一种公平的激励机制，该机制将激励从用户公平和均匀地分配给参与的雾节点。提出的基于激励的协作方法降低了最终用户的成本，以及平衡的能量消耗的雾节点。所提出的系统模型解决了上述方法并对其进行了建模，并在数学上为雾辅助的5G网络中的雾节点和最终用户制定了成本模型。
2022-04-13 cs.NI math.OC
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
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
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
Fogbanks: Future Dynamic Vehicular Fog Banks for Processing, Sensing and Storage in 6G
固定边缘处理已成为5G网络的一个关键功能，同时在减少延迟、提高能效和按需引入灵活的计算资源利用方面发挥着关键作用，并节省了额外的成本。预计自动驾驶汽车将拥有更多的车载处理能力，并具有更好的连接性。车辆继续在一天中的一小部分时间内使用，因此，当车辆处于短期和长期停车场、道路和道路交叉口时，有可能通过利用这些资源来提高处理能力。这些停车场和路段可以通过6G网络转变为车辆雾群或雾库，可以提供处理，存储和传感功能，从而利用未充分利用的车辆资源。我们介绍了Fogbanks的概念，概述了目前在车辆云方面正在进行的研究工作，并提出了在自动驾驶将变得司空见惯的世界中6G的前景方向。此外，我们研究了基于云的Fogbank架构中的处理分配问题。我们解决这个问题，使用混合编程（MILP），以最大限度地减少总功耗的建议架构，考虑到两个分配策略，单一分配的任务和分布式分配。最后，我们描述了建立可靠性、安全性、虚拟化、能源效率、商业模式和标准化所需的其他未来方向。
2020-05-10 cs.NI eess.SP
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
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
QoE Based Revenue Maximizing Dynamic Resource Allocation and Pricing for Fog-Enabled Mission-Critical IoT Applications
雾计算正在成为物联网（IoT）应用的重要组成部分，充当其计算引擎。任务关键型物联网应用程序对延迟高度敏感，这取决于云服务器的物理位置。云服务提供商（CSP）可以使用不同响应速率的雾节点，并且它面临着将顺序接收的物联网数据转发到其中一个雾节点进行处理的挑战。由于请求的到达时间和性质是随机的，因此重要的是实时地对请求进行最佳分类，并在雾节点处分配可用的虚拟机实例（VMI），以向用户提供高QoE，从而为CSP产生更高的收入。在本文中，我们使用的定价策略的基础上的QoE的应用程序作为分配的结果，并获得一个最佳的动态分配规则的基础上的统计信息的计算请求。所开发的解决方案是统计上最优的，动态的，并在实时实施，而不是在文献中的其他静态匹配方案。所提出的框架的性能进行了评估，使用模拟和结果表明，与基准计划相比，显着改善。
2020-06-02 cs.NI cs.SY eess.SY
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
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
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
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
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
Energy Efficient Virtual Machine Services Placement in Cloud-Fog Architecture
数据量和处理请求的激增需要一种新的按需计算。雾计算通过将处理和存储资源扩展到网络边缘来解决云计算的局限性。云计算和雾计算采用虚拟机（VM）来实现高效的资源利用。为了优化虚拟环境，可以在地理分布的物理机器上迁移或复制VM，以实现负载均衡和能效。在这项工作中，我们调查卸载的VM服务从云到雾考虑英国电信（BT）的网络拓扑结构。该分析解决了不同因素的影响，包括虚拟机工作负载和雾节点与用户的接近程度，考虑到最先进的应用程序的数据率。结果表明，虚拟机的最佳位置显着降低了高达75%的总功耗相比，一个单一的云放置。
2019-04-23 cs.NI
Energy Efficient Resource Allocation in Federated Fog Computing Networks
对时间敏感的应用的需求持续增长，这已经将云范例从集中式计算架构转移到分布式异构计算平台，在分布式异构计算平台中，位于网络边缘的资源用于提供类似云的服务。这种模式被广泛称为雾计算。虚拟机（VM）已被广泛用于这两个范例，以增强网络的可扩展性，提高资源利用率，和能源效率。此外，无源光网络（PON）由于其能量效率和大带宽，是适合于处理接入网络中生成的大量数据的技术。在本文中，我们利用PON提供多个分布式雾单元之间的连接，以实现联合（即合作）计算单元在接入网络中，以满足密集的需求。我们提出了一个混合整数线性规划（MILP），以优化虚拟机放置在联合雾计算单元的目标是最大限度地减少总功耗，同时考虑虚拟机间的流量。结果表明，作为所提出的优化模型的结果，在VM分配中，与在优化框架中分配VM请求而忽略功耗和VM间流量的基线方法相比，节省了高达52%的功率。
2021-10-28 cs.NI eess.SP
A Cloud-Fog Computing Architecture for Real-Time Digital Twins
数字孪生系统被设计为两个相互连接的镜像空间，一个真实的，一个虚拟的，每个反映另一个，共享信息，并根据分析和模拟进行预测。实时的【形】数字孪生的正确行为不仅取决于计算的逻辑结果，而且还取决于时序约束。为了应对需要存储和分析的大量数据，现代大规模数字孪生部署通常依赖于基于云的架构。数字孪生的整体响应时间的很大一部分都花在将数据从边缘移动到云端上。因此，使用云雾架构实现数字孪生成为一种替代方案，可以使计算能力更接近边缘，减少延迟并允许更快的响应时间。本文研究了如何合适的使用云雾架构是处理实时的【形】要求的数字孪生。基于Digital Twin软件组件的实际实施和部署，可以得出结论，在雾计算设置中分布数字孪生可以减少响应时间，满足其实时的【形】应用要求。
2021-05-07 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
Joint Sensing, Communication, and Computation Resource Allocation for Cooperative Perception in Fog-Based Vehicular Networks
为了扩大自主车辆的感知范围和可靠性，协同感知受到了广泛的关注。然而，考虑到大量的共享消息，有限的带宽和计算资源在车辆网络成为瓶颈。在本文中，我们研究如何平衡共享消息和有限的资源在基于雾的车辆网络的体积。为此，我们首先考虑其时空价值和延迟性能的合作感知的总满意度的特征。然后，在满足车辆最大延迟和逗留时间约束的前提下，联合分配感知块消息、通信资源块和计算资源，以最大化协作感知的满意度和.由于其非凸性，我们将原问题解耦成两个独立的子问题，并设计相应的解决方案。仿真结果表明，与现有的基线相比，我们提出的方案可以有效地提高合作感知的总满意度。
2021-12-12 cs.NI eess.SP
SPATO: A Student Project Allocation Based Task Offloading in IoT-Fog Systems
物联网（IoT）设备高度依赖云系统来满足其存储和计算需求。然而，由于云服务器的远程位置，物联网设备经常遭受间歇性广域网（WAN）延迟，这使得延迟关键型物联网应用程序的执行变得不可想象。为了克服这个问题，服务提供商（SP）通常在网络边缘部署多个雾节点（FN），这有助于执行从IoT设备卸载的计算，并改善用户体验。由于FN的资源有限，因此将物联网服务与FN相匹配，同时从最终用户的角度确保最小的延迟和能量，并从SP的角度最大化收入和满足最后期限的任务是具有挑战性的。因此，在本文中，我们提出了一个学生项目分配（SPA）为基础的有效的任务卸载策略SPATO，考虑到不同的利益相关者的关键参数。仿真结果表明，SPATO算法在保证99.3%的任务在截止期内完成的情况下，可使负载能量和延迟分别降低29%和40%，收益提高25%。
2021-05-22 cs.GT 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
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
Joint Task Offloading and Resource Allocation in Aerial-Terrestrial UAV Networks with Edge and Fog Computing for Post-Disaster Rescue
针对灾后救援场景下无人机计算与续航资源不足的问题，提出结合MEC与VFC的三层计算架构及MVTORA方法，有效提升系统效用。
2023-10-06 cs.GT cs.NI eess.SP
Optimal Energy Efficiency with Delay Constraints for Multi-layer Cooperative Fog Computing Networks
针对多层协作雾计算网络，提出了一种联合卸载和资源分配的框架，旨在最小化多个移动设备在满足服务延迟要求的情况下的总能耗.由此产生的优化涉及二进制（卸载决策）和实变量（资源分配），使其成为一个NP难和计算棘手的问题。为了解决这个问题，我们首先提出了一种改进的分支定界算法（IBBA），以集中的方式实现。然而，由于协作雾计算网络的规模较大，所提出的IBBA的计算复杂性相对较高。为了加快最优解的搜索，以及使其分布式实现，我们然后利用独特的结构的基础问题和雾节点的并行处理。为此，我们提出了一个分布式的框架，即可行性发现Benders分解（FFBD），分解成一个主问题的卸载决策和子问题的资源分配的原始问题。主问题（MP），然后配备了强大的切割飞机，利用雾节点的资源限制的事实。资源分配的子问题（SP）可以找到他们的封闭形式的解决方案，使用我们的快速解决方案检测方法。这些（更简单的）子问题可以在雾节点上并行求解。数值结果表明，FFBD总是以显著更少的计算时间返回问题的最优解（例如，与集中式IBBA方法相比）。具有快速解检测方法的FFBD，即FFBD-F，与传统的FFBD，即FFBD-S和IBBA相比，可以分别减少高达$60\%$和$90\%$的计算时间。
2020-08-23 cs.DC 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
