A lightweight decentralized service placement policy for performance optimization in fog computing
针对雾计算服务放置问题，提出一种轻量级去中心化策略，在 iFogSim 中基于不同规模微服务应用验证，可使热门服务更靠近用户并降低其网络开销与延迟。
2024-01-23 cs.NI
Availability-aware Service Placement Policy in Fog Computing Based on Graph Partitions
针对雾计算应用的服务放置问题，提出基于社区与传递闭包的双重图分区策略，在节点故障下提升应用可用性和QoS。
2024-01-23 cs.NI
Application Component Placement in NFV-based Hybrid Cloud/Fog Systems
应用程序是一组交互组件，可以按顺序、并行或通过使用更复杂的构造（如选择和循环）执行。因此，它们可以被建模为具有由这些构造组成的子结构的结构化图。雾计算可以通过在网络边缘部署一些组件（即，更接近终端设备），同时将其他设备保留在云中。网络功能虚拟化（NFV）将软件从硬件中分离出来，并使网络服务和应用能够作为虚拟网络功能（VNF）进行敏捷部署。在NFV设置中，需要高效的放置算法来将表示VNF转发图（VNF-FG）的结构化图映射到混合云/雾系统的基础设施上。迄今为止，只有具有序列和平行子结构的确定性图才被考虑。然而，一些现实生活中的应用程序确实需要具有子结构的非确定性图作为选择和循环。本文主要研究基于NFV的混合云/雾系统中的应用组件放置问题，并假设表示应用的图是不确定的。目标是最小化总的加权函数的完工时间和成本。该问题被建模为一个非线性规划（ILP）和评估小规模的情况下使用CPLEX优化工具。
2018-05-25 cs.NI
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
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
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
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
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
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
User-Mobility-Aware Optimization of Fiber Placement in Hybrid Fiber-IAB Networks
Chalmers University of Technology（查尔姆斯理工大学）
提出一种元启发式优化方法，将用户动态集成到拓扑设计中，实现更自适应、成本高效的混合光纤-IAB网络回传架构，助力可扩展灵活的6G网络基础设施。
2026-06-17 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
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
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
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
NV-Fogstore : Device-aware hybrid caching in fog computing environments
通过在整个网络中放置分布式存储的边缘缓存是一种有前途的解决方案，可以减少延迟和内容交付的网络成本。随着即将到来的5G未来的到来，将创建数十亿个F-RAN（Fog-Radio Access Network）节点并用于边缘缓存。因此，部署在边缘的内存总量预计将增加100倍。目前，在CDN（内容分发网络）中使用的基于DRAM的高速缓存非常耗电且昂贵。我们的目的是降低F-RAN节点的拥有成本和经常性成本（功耗），同时保持服务质量。为了我们的目的，我们提出了NV-FogStore，一个可扩展的混合键值存储架构，用于在边缘缓存中利用非易失性存储器（如RRAM，MRAM，Intel Optane）。我们进一步详细描述了一种新颖的，分层的，写损坏，大小和频率感知的内容缓存策略H-贪婪我们的架构。我们表明，我们的政策可以根据性能目标进行调整，以降低功耗，能源消耗和总成本超过一个只有DRAM为基础的系统，只有一个相对较小的权衡平均访问延迟。
2020-10-20 cs.AR cs.NI
Networking and processing in optical wireless
光无线通信（OWC）是一种有前途的技术，它可以提供高数据速率，同时支持多个用户。光无线（OW）物理层已经得到了广泛的研究，然而很少有工作致力于多址接入和OW前端如何连接到网络。在本文中，OWC系统，采用波分多址接入（WDMA）方案进行了研究，以支持多个用户的目的。此外，首次提出了云/雾架构，为OWC提供处理能力。云/雾集成架构使用可见室内光来创建与潜在移动节点的高数据速率连接。这些光无线节点被进一步集群并用作雾迷你服务器，通过光无线信道为其他用户提供处理服务。额外的雾处理单元位于房间、建筑物、校园和地铁层。进一步的处理能力由远程云站点提供。一个混合整数线性规划（MILP）模型的开发和利用，以优化室内OWC系统的资源分配。开发了第二个MILP模型，以优化处理任务在不同雾和云节点中的位置。使用MILP模型分析了云/雾集成架构中的任务放置优化。考虑了多个场景，其中移动节点位置在房间中变化，并且每个光无线节点所请求的处理量和数据速率变化。结果有助于确定最佳的颜色和接入点用于通信的一个给定的移动节点的位置和OWC系统配置，最佳的位置，以放置处理和网络架构的影响。确定了今后工作的领域。
2019-07-22 cs.NI eess.SP
Fog Assisted Cloud Models for Smart Grid Architectures- Comparison Study and Optimal Deployment
云计算（CC）是满足现代智能电网（SG）存储和计算需求的关键驱动力。然而，由于网关中心部署在集中和遥远的偏远地区，因此无法保证SG服务的体验质量（QoE）属性，即延迟、带宽、能耗和网络成本。雾计算（FC）将处理能力扩展到网络边缘，为SG的关键任务需求提供位置感知、低延迟和延迟敏感的分析。在这项工作中，我们首先检查了基于云的SG架构的当前状态，并强调了采用FC作为可持续和实时SG分析技术推动者的动机。然后，我们提出了一个分层的FC架构，以支持大量的物联网设备集成到未来的SG。根据这种架构，我们提出了一个成本优化框架，共同调查数据消费者关联，工作负载分布，虚拟机的放置和QoS约束，以实现可行的部署FC模型在SG网络。制定MINLP问题，然后使用改进的差分进化（MDE）算法求解。根据真实世界参数对所提出的框架进行的综合评估表明，对于近50%的应用程序请求实时服务的基础设施，雾计算的整体服务延迟几乎减少到通用云范式的一半。还观察到，雾辅助云框架将纯云计算范例的聚合电力消耗降低了40%以上。
2018-05-14 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
Online Edge Caching in Fog-Aided Wireless Network
在雾无线电接入网络（F-RAN）架构中，边缘节点（EN）（诸如基站）配备有有限容量的高速缓存，以及可以支持来自云处理器的给定传输速率的前传链路。F-RAN中的内容递送的现有信息理论分析集中于具有单独的内容放置和递送阶段的离线缓存。相比之下，这项工作认为在线缓存设置，其中一组流行的文件是随时间变化的，缓存补充和内容交付可以发生在每个时隙。该分析集中在长期的归一化传输时间（NDT），它捕获的时间依赖性的编码延迟在多个时隙中的高信噪比制度的表征。在线缓存和交付计划的基础上反应性和主动缓存的研究，其性能进行了比较，以最佳的离线缓存方案分析和通过数值结果。
2017-12-03 cs.IT cs.NI math.IT
Energy-Efficient AI over a Virtualized Cloud Fog Network
深度神经网络（DNN）已经成为物联网（IoT）时代引入大量下一代服务的催化剂，这要归功于边缘对象收集的大量数据的可用性。目前，DNN模型用于提供许多人工智能（AI）服务，包括图像和自然语言处理、语音识别和机器人技术。因此，这些服务利用各种DNN模型，这些模型使得仅在边缘设备上部署计算密集型。因此，大多数人工智能模型都被卸载到远程云数据中心（CDC），这往往会将大量的计算和存储资源整合到一个或多个CDC中。在CDC中部署服务将不可避免地导致过度的延迟和功耗的总体增加。相反，雾计算允许将云服务扩展到网络边缘，这允许在更靠近最终用户设备的地方执行数据处理。然而，与云数据中心不同，雾节点的计算能力有限，并且在网络中高度分布。在本文中，使用混合线性规划（MILP），我们制定了DNN推理模型的位置，这是抽象为一个网络嵌入问题的云雾网络（CFN）架构，通过处理和网络之间的权衡引入节能。我们研究的CFN架构的性能相比，基线的方法，这是CDC的能量节省。
2021-05-07 cs.NI eess.SP
Edge computing server placement with capacitated location allocation
边缘计算基础设施的部署需要仔细放置边缘服务器，旨在改善应用程序的延迟并减少机会主义物联网系统中的数据传输负载。在边缘服务器布局中，重要的是要考虑边缘服务器和底层骨干网络拓扑的计算能力、可用部署预算和硬件要求。在本文中，我们彻底调查了边缘服务器布局的现有文献，确定了差距，并提出了一套广泛的参数要考虑。然后，我们开发了一种新的算法，称为PACK，作为一个容量限制的位置分配问题的服务器放置。PACK最大限度地减少了服务器与其相关接入点之间的距离，同时考虑了负载均衡的容量限制，并支持服务器之间的工作负载共享。此外，PACK还考虑了诸如优先位置和可靠性等实际问题。我们在两个不同的场景中评估该算法：一个是一般用于边缘计算的高容量服务器，另一个是用于雾计算的低容量服务器。评估是用在真实网络中收集的数据集进行的，该网络由城市区域内密集和稀疏部署的接入点组成。由此产生的算法和相关工具作为开源软件公开提供。
2021-05-10 cs.NI
MEGA: Maximum-Entropy Genetic Algorithm for Router Nodes Placement in Wireless Mesh Networks
针对无线网状网络中路由器节点放置这一NP难问题，本文提出最大熵遗传算法MEGA，通过多场景仿真验证其在网络连通性和用户覆盖率上优于COA、FA、GA和PSO等算法。
2024-06-13 cs.NI
Maximizing UAV Fog Deployment Efficiency for Critical Rescue Operations
University of Science and Technology Beijing（北京科技大学）；School of Computer Science, University College Dublin（都柏林大学学院计算机科学学院）；University of Djelfa（杰勒法大学）
本文针对灾害救援场景，提出基于动态无人机雾部署的优化模型，将问题分解为连通覆盖与网络寿命两个子问题，并引入自适应鲸鱼优化算法（WOA）实现高效雾节点放置，以最大化覆盖和延长网络寿命。
2024-02-25 cs.AI cs.NI eess.SP
VNF and Container Placement: Recent Advances and Future Trends
随着对开放性、可扩展性和粒度的需求不断增长，移动网络功能虚拟化（NFV）已经成为大多数移动网络运营商的关键使能器。NFV从硬件设备中分离网络功能。这种解耦允许被称为虚拟化网络功能（VNF）的网络服务托管在商用硬件上，这简化并增强了提供商的服务部署和管理，提高了灵活性，并导致高效和可扩展的资源使用以及更低的成本。VNF在托管基础设施中的适当放置是主要的技术挑战之一。这种布局会显著影响网络的性能、可靠性和运营成本。VNF放置是NP难的。因此，需要一种安置方法，可以随着问题的复杂性而调整，并在合理的时间内找到适当的解决方案。本研究的主要目的是提供一个分类的优化技术来解决VNF布局问题。我们根据性能指标、方法、算法和环境对研究论文进行分类。虚拟化不仅限于简单地用虚拟机或VNF替换物理机，还可能包括微服务、容器和云原生系统。在这种情况下，本文的第二部分重点关注边缘/雾计算中容器的放置。许多问题已经被认为是交通拥挤，资源利用，能源消耗，性能下降，安全等。对于每一个问题，通过不同的调查和研究论文提出了各种解决方案，其中每一个都以特定的方式解决布局问题，提出基于不同类型的算法，如启发式，元启发式，和机器学习算法。
2022-04-01 cs.NI
Online Edge Caching and Wireless Delivery in Fog-Aided Networks with Dynamic Content Popularity
雾无线电接入网络（F-RAN）架构可以利用云处理和边缘缓存来向用户提供内容。为此，F-RAN利用边缘节点（EN）处的缓存和将云处理器连接到EN的前传链路。假设时不变的内容流行度，F-RAN中内容交付的现有信息理论分析依赖于具有单独内容放置和交付阶段的离线缓存。相比之下，这项工作的重点是场景中的一组流行的内容是随时间变化的，因此有必要在线补充的EN的高速缓存随着所请求的文件的交付。该分析集中在长期的归一化传输时间（NDT），它捕获的时间依赖性的编码延迟在多个时隙中的高信噪比制度的表征。在线边缘缓存和交付计划的串行和流水线传输模式的前传和边缘段。分析结果表明，在内容流行度随时间变化的情况下，前传链路的速率对F-RAN系统的长期无损检测设置了根本限制。分析结果进一步验证了数值模拟，产生重要的设计见解。
2018-04-22 cs.IT cs.NI math.IT
LLM-Empowered Cooperative Content Caching in Vehicular Fog Caching-Assisted Platoon Networks
School of Internet of Things Engineering, Jiangnan University（江南大学物联网工程学院）；School of Information Engineering, Jiangxi Provincial Key Laboratory of Advanced Signal Processing and Intelligent Communications, Nanchang University（江西省级先进信号处理与智能通信重点实验室，南昌大学信息工程学院）；Department of Electronic Engineering, State Key Laboratory of Space Network and Communications, and the Beijing National Research Center for Information Science and Technology, Tsinghua University（电子工程系，空间网络与通信国家重点实验室，信息科学与技术国家研究中心，清华大学）；Department of Computer Science, Brunel University（计算机科学系，布鲁内尔大学）；State Key Laboratory of ISN and the School of Telecommunications Engineering, Xidian University（信息与通信国家重点实验室，西安电子科技大学电信工程学院）
本文提出利用大语言模型实现车辆雾缓存辅助车列网络中的协同内容缓存，通过智能决策提升缓存效率与内容检索性能。
2026-02-04 cs.AI cs.NI
Fog-Aided Wireless Networks for Content Delivery: Fundamental Latency Trade-Offs
研究了一种雾辅助无线网络架构，其中边缘节点（EN），如基站，通过专用的前传链路连接到云处理器，同时也被赋予缓存。云处理使得能够在EN处集中实现协作传输策略，尽管代价是由于前传传输而增加的延迟。相比之下，在EN处对流行内容的主动缓存允许缓存文件的低延迟交付，但是通常具有在EN之间的合作传输的有限机会。云处理和边缘缓存之间的相互作用从信息理论的观点通过调查高信噪比（SNR）度量的基本限制来解决，称为归一化交付时间（NDT），其捕获用于将任何所请求的内容递送到用户的最坏情况的编码等待时间。NDT定义的假设下，无论是串行或流水线的前传边缘传输，并作为一个函数的前传和缓存容量的限制进行了研究。提出了跨前传和无线或边缘段的放置和交付策略，目的是最大限度地减少NDT。NDT的信息理论下限也来自。可扩展性参数和下限被用来描述最小NDT在一些重要的特殊情况下，包括没有缓存能力的系统，以及证明所提出的方案实现最优性在一个常数乘因子2的所有值的问题参数。
2019-12-18 cs.IT cs.NI math.IT
Split-Aware Function Placement with Availability Guarantees and Optical Provisioning in vRANs
Indian Institute of Technology Indore（印度印度理工学院印多尔分校）；Indian Institute of Technology Jodhpur（印度印度理工学院焦特普尔分校）
针对 5G 后及 6G 网络对 vRAN 架构的需求，提出集成框架，通过联合优化功能放置与光资源分配来最大化运营商利润，将问题建模为 ILP 模型，开发算法求解，实验表明共享备份变体有利润和 CPU 使用率优势。
2026-07-20 cs.NI
Edge-Based QoS-Aware Adaptive Task Placement: A Closed-Loop Control in Multi-Robot Systems
Deakin University（德肯大学）；RMIT University（皇家墨尔本理工大学）；Zhejiang University（浙江大学）；Swinburne University of Technology（西姆伯恩理工大学）
提出一种QoS感知的自适应任务放置（ATP）控制器，通过多指标成本评分和闭环控制，在共享边缘节点上动态切换任务放置，以降低尾延迟和截止时间违规。
2026-07-28 cs.DC cs.NI cs.OS
Energy Efficient Service Distribution in Internet of Things
物联网（IoT）网络预计将涉及无数设备，从简单的传感器到功能强大单板的计算机和智能手机。嵌入式技术计算能力的巨大进步使这些设备能够集成到物联网网络中，从而使云功能能够扩展到数据源附近。在本文中，我们研究了一种由雾和云支持的多层分布式物联网架构。我们优化了物联网服务在此架构中的位置，以便最大限度地降低总功耗。我们的研究结果表明，与中央云中的通用服务器相比，在物联网层引入本地计算可以节省高达90%的功耗。
2018-08-18 cs.NI
