雾计算网络中分布式任务卸载的合作与资源感知框架
1. 雾计算网络分布式任务卸载的开放研究问题
雾计算将成为下一代物联网系统的重要组成部分，以满足用户对服务提供的各种需求。随着技术的发展，雾计算在网络、通信、存储和计算方面的能力有望得到提升。然而，网络和互联网用户的新需求也给系统高效提供服务带来了新问题，当前的解决方案可能无法有效解决这些问题，因此需要先进的技术、算法和框架。
- 数据碎片化
- 数据划分是降低复杂异构雾环境中延迟的关键方法。但实际应用中输入数据结构的多样性，需要采用不同的划分解决方案来优化系统性能。
- 例如，当关联工作流模型中考虑子任务间的数据依赖约束时，协作任务卸载机制需相应调整。
- 数据还可根据不同特征（如大小）进行划分，通过优化可找到最优的数据子集数量和大小，以优化系统性能。
- 雾网络分布
- 异构雾的分布会影响算法性能。当前工作假设雾在操作区域内均匀分布以实现负载平衡，但当雾非均匀分布时，任务不平衡会成为显著问题，因此需要重新设计卸载解决方案。
- 设计算法时还需考虑雾节点和/或终端用户的移动性，因为这会强烈影响雾资源状态。
- 分布式算法的进展
- 现有文献中提出的启发式算法在卸载不同上下文应用时是有效的，但从总体角度解决卸载问题仍存在局限性。
- 应用机器学习、强化学习和数
)
