异构雾资源计算环境下基于QoE的聚类适配算法.pdfVIP

***第44卷第12期绥化学院学报2024年12月

Vol.44No.12JournalofSuihuaUniversityDec.2024

异构雾资源计算环境下基于QoE的聚类适配算法

徐显日陈欢

（福建商学院信息工程学院福建福州350506)

摘要：为进一步改善雾环境给用户请求带来的客户体验(QualityofExperience,QoE)问题，根据当前异构雾环境特征和用户请

求的多属性需求特征，提出一种基于资源属性差异化的聚类算法和业务属性多样化的高精度资源适配算法。该聚类适配算法通过

引入自适应性评估函数来自适应更新每一个粒子的个体最优值和全局最优值，从而提升聚类辨析度，增强聚类中心可信度。通过引

入权值机制，在全局范围内为异构属性用户请求设计雾资源调度评估函数。最终以权值评估值最大的资源适配方案为依据，为用户

请求实施时延代价可控的、精准高效的雾资源调度。实验对比数据表明，异构雾资源计算环境下的聚类适配算法在多个QoE相关指

标测试中均表现出相对优势。

关键词：属性；雾计算；自适应；权值；适配

中图分类号：TP393文献标识码：A文章编号：2095-0438(2024)12-0156-05

近些年信息技术的持续发展进一步促进物联网技术的部时限。文献[3]根据终端环境的异构特征，通过为求解雾任务建

署走向纵深。虽然由此产生的海量数据在得到远程云端数据立优化的移动模糊聚类模型，并设计自适应资源适配和反馈机

中心的计算响应后一定程度上满足了资源处理的服务质量要制约束的雾任务计算时延。然而上述研究均未考虑到用户业

求，但对于处在物联网边缘的终端用户而言，其发起的业务计务类型和资源属性的关联度，其关于计算响应的服务对象皆为

算请求却无法在数据服务方面获得较好的响应。究其原因，远混合型资源，皆未实现基于差异化的个性服务。基于此，本文

程云端数据中心远离物联网边缘终端，受理业务时不可避免遭通过结合粒子群算法的固有优势，针对异构雾资源计算环境设

遇数据拥塞、路由时延等资源调度的实时性问题。此外，由于计基于QoE的聚类适配算法。该算法可根据物联网终端雾用

物联网的异构特征导致终端用户发起的业务请求呈现多样化，户需求多样性特征开展自适应聚类，不仅可实现雾资源的差异

也加剧了云计算技术调度物联网资源的难度。随着物联网技化归类和搜索，通过精确匹配机制也可实现较低的时延代价完

术部署的持续推进，终端用户的异构性和发起业务类型的多样成雾资源的调度服务。

性将愈加凸显，这势必进一步弱化物联网QoE问题。为解决该

问题，业界围绕物联网终端用户环境相继开展了一系列雾计算一、雾资源计算过程

技术的研究，希望通过该技术将远程云端的部分计算服务迁移

到边缘用户侧，以改善QoE问题。以文献为例，结合遗传算法受限于云端和终端用户的距离，端到端之间直接承载海量

设计了一种通过模糊聚类云雾两端计算资源的调度模型，来实数据势必消耗大量网络资源开销。尤其在应对用户侧发起的

现数据通信和计算响应之间的动态权衡，以确保最小化响应时时延型业务时，通过调度云端资源响应用户请求不仅加剧云端

负荷，用户侧QoE(4]也无法得到保障。因此，本文考虑通过调度

延代价。文献[2]考虑在物联网终端环境中引人软件定义网络技

术，利用管控解耦的固有优势将带宽管理、资源适配、业务调用户侧异构雾环境资源为用户提供个性化计算服务。

度、中断权衡等业务响应的重要技术问题转化为整数非线性求由于物联网终端用户的多样性，其发起的用户请求属性也

解的数学模型，进而设计雾资源调度算法以控制雾任务的计算呈现差异化。诸如，部分用户提请的业务需求趋于带宽型，雾

收稿日期：2024-04-19

作者简介：徐显日（1983一），男，福建建