一种物联网雾计算中信息不对称不确定下的任务卸载机制

摘要

随着智能设备和计算密集型应用的快速发展，雾计算已成为满足不断增长的计算需求的有前途的解决方案。特别地，在高峰时间，通过利用需求侧的未充分利用的计算资源，可以将计算任务从过载基站（BS）卸载到雾服务器。然而，在物联网（IoT）中阻碍雾计算的广泛部署存在两个主要障碍，即缺乏有效的激励机制和任务卸载算法。在本发明中，我们通过将契约理论与计算智能相结合来开发一种物联网雾计算中信息不对称不确定下的任务卸载机制。在第一阶段，我们提出了一种有效的激励机制，鼓励服务器通过契约理论分享其剩余的计算资源。在第二阶段，利用多臂赌博机（MAB）的在线学习能力，提出了一种分布式任务卸载算法。具体来说，我们提出了具有距离感知，服务器发生时间感知和任务属性感知的波动上置信区间算法，以最小化长期延迟任务卸载。