基于霧計(jì)算的能耗最小化公平計(jì)算遷移研究

葛欣煒，段聰穎，陳思光,2

(1.南京郵電大學(xué) 江蘇省寬帶無線通信和物聯(lián)網(wǎng)重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210003；

2.南京郵電大學(xué) 江蘇省通信與網(wǎng)絡(luò)技術(shù)工程研究中心，江蘇 南京 210003)

1 概 述

物聯(lián)網(wǎng)(Internet of Things，IoT)和人工智能(Artificial Intelligence，AI)是實(shí)現(xiàn)智慧城市的兩大基礎(chǔ)技術(shù)[1]。隨著智慧城市概念的提出，爆發(fā)式增長(zhǎng)的智能物聯(lián)網(wǎng)設(shè)備產(chǎn)生了巨大的數(shù)據(jù)和計(jì)算工作量[2]。尤其是，當(dāng)智能物聯(lián)網(wǎng)設(shè)備在運(yùn)用深度學(xué)習(xí)之類的AI算法進(jìn)行大數(shù)據(jù)分析時(shí)，有可能造成過高的延遲。移動(dòng)云計(jì)算(Mobile Cloud Computing，MCC)通過將計(jì)算任務(wù)遷移到遠(yuǎn)程云數(shù)據(jù)中心來進(jìn)行計(jì)算，以滿足智能IoT移動(dòng)網(wǎng)絡(luò)中的計(jì)算需求[3]，是一種有效的計(jì)算模式。但是，由于一般這些遠(yuǎn)程數(shù)據(jù)中心距離智能IoT移動(dòng)設(shè)備較遠(yuǎn)，并且它們與遠(yuǎn)程云數(shù)據(jù)中心之間的通信主要依賴于骨干網(wǎng)，因此數(shù)據(jù)中心很難為網(wǎng)絡(luò)邊緣的智能設(shè)備中的延遲敏感型應(yīng)用提供高質(zhì)量服務(wù)[4]。

移動(dòng)邊緣計(jì)算(Mobile Edge Computing，MEC)是解決上述問題的新興計(jì)算模式[5]，通過在智能IoT設(shè)備附近部署邊緣云服務(wù)器來降低計(jì)算延遲。霧計(jì)算是MEC模式的一個(gè)分支，它將計(jì)算任務(wù)遷移到附近的霧節(jié)點(diǎn)(Fog Node，F(xiàn)N)，進(jìn)一步減少傳輸延遲并降低智能IoT設(shè)備的能耗。這是因?yàn)榕cMCC相比，霧節(jié)點(diǎn)更靠近網(wǎng)絡(luò)邊緣，可以提高智能設(shè)備和霧節(jié)點(diǎn)之間的響應(yīng)速度[6]。但與MEC不同，霧節(jié)點(diǎn)分布相對(duì)密集，難以與有利于遷移的智能設(shè)備區(qū)分開來[7]，且霧節(jié)點(diǎn)尺寸更小，資源更少，電池容量更低，這就使得對(duì)霧節(jié)點(diǎn)的相關(guān)資源進(jìn)行合理分配以及對(duì)網(wǎng)絡(luò)整體性能的優(yōu)化變得尤為重要。

文獻(xiàn)[8-13]通過聯(lián)合優(yōu)化網(wǎng)絡(luò)資源分配與遷移決策，實(shí)現(xiàn)延遲與能耗的最小化，改善了整個(gè)霧計(jì)算網(wǎng)絡(luò)的性能。文獻(xiàn)[13]構(gòu)建了含能耗與時(shí)間延遲約束的霧節(jié)點(diǎn)能耗最小化模型，基于對(duì)偶分解的加速梯度算法，快速求出最優(yōu)遷移比，達(dá)到最小化霧節(jié)點(diǎn)能耗的目的，同時(shí)，極大地改善了傳統(tǒng)求解方法的收斂速度，降低了計(jì)算任務(wù)延遲。文獻(xiàn)[14]構(gòu)建了一個(gè)系統(tǒng)能效最大化問題，通過聯(lián)合優(yōu)化計(jì)算頻率、發(fā)射功率以及遷移時(shí)間，采用廣義分式規(guī)劃理論提出一種迭代算法進(jìn)行求解，從而獲得更高的系統(tǒng)計(jì)算能效。

文獻(xiàn)[15-17]構(gòu)建了從用戶到FN的計(jì)算遷移模型，以降低能耗并減少延遲。文獻(xiàn)[15]構(gòu)建了一個(gè)混合整數(shù)非線性規(guī)劃問題，提出了一種低復(fù)雜度三階算法，通過平衡終端設(shè)備與霧節(jié)點(diǎn)的工作負(fù)載，實(shí)現(xiàn)了計(jì)算和傳輸延遲的最小化。Hu等人在文獻(xiàn)[16]中提出了一種基于霧計(jì)算的人臉識(shí)別機(jī)制，可以提高處理效率，有效地識(shí)別個(gè)人身份，同時(shí)減少網(wǎng)絡(luò)傳輸?shù)难舆t。文獻(xiàn)[17]提出了一種針對(duì)霧計(jì)算網(wǎng)絡(luò)中的所有FN、數(shù)據(jù)服務(wù)運(yùn)營(yíng)商和用戶的聯(lián)合優(yōu)化機(jī)制，以實(shí)現(xiàn)最優(yōu)的分布式資源分配。雖然上述文獻(xiàn)所做工作在一定程度上降低了能量消耗并減少了延遲，但其優(yōu)化結(jié)果并不是太理想。尤其是，霧計(jì)算網(wǎng)絡(luò)具有大量的霧節(jié)點(diǎn)，其中一些霧節(jié)點(diǎn)處于空閑狀態(tài)，而另一些霧節(jié)點(diǎn)幾乎一直處于滿負(fù)荷工作的狀態(tài)。因此，F(xiàn)N之間的協(xié)作在霧計(jì)算網(wǎng)絡(luò)中起著重要的作用。

文獻(xiàn)[18]提出了一種眾籌算法來整合網(wǎng)絡(luò)中閑置資源的機(jī)制，并對(duì)資源提供者進(jìn)行監(jiān)督，有效提高了任務(wù)完成效率。文獻(xiàn)[19]進(jìn)一步擴(kuò)展了上述工作，提出了更有效的激勵(lì)措施來鼓勵(lì)設(shè)備資源共享。文獻(xiàn)[20]構(gòu)建了一種與傳統(tǒng)霧模型不同的霧計(jì)算模型，提出的基于博弈論的資源共享機(jī)制，提高了計(jì)算效率，但其并未考慮霧節(jié)點(diǎn)本身資源的有限性。文獻(xiàn)[21]在多用戶邊緣計(jì)算場(chǎng)景下，考慮了云邊資源的協(xié)同優(yōu)化，提出一種基于次模理論的貪心算法，在用戶資源受限的情況下仍能夠穩(wěn)定有效的降低系統(tǒng)能耗與時(shí)延。文獻(xiàn)[22]將協(xié)同霧計(jì)算與資源分配優(yōu)化問題結(jié)合，提出了一種基于變量拆分的交替方向乘子法的分布式計(jì)算遷移優(yōu)化算法，以實(shí)現(xiàn)給定功率下的最優(yōu)遷移機(jī)制。文獻(xiàn)[23]構(gòu)建了一個(gè)任務(wù)完成時(shí)延與能耗加權(quán)和的最小化問題，提出了一個(gè)基于深度強(qiáng)化學(xué)習(xí)的遷移算法，以較低的計(jì)算成本實(shí)現(xiàn)最優(yōu)遷移策略的快速求解。

從上述分析可以發(fā)現(xiàn)，現(xiàn)有文獻(xiàn)大都未考慮計(jì)算遷移過程中霧節(jié)點(diǎn)選擇的公平性，而是側(cè)重于最大程度地減少處理延遲與能耗，這可能會(huì)給終端節(jié)點(diǎn)(Terminal Node，TN)或FN帶來極大的計(jì)算負(fù)擔(dān)，導(dǎo)致FN過早失效。這是因?yàn)?，部分霧節(jié)點(diǎn)可能具有強(qiáng)大處理能力和充足電源，而其他的則可能是電源有限甚至是電池供電的節(jié)點(diǎn)，顯然，電池壽命對(duì)于這些FN至關(guān)重要。考慮到FN的不同處理效率和可持續(xù)性，在追求低能耗任務(wù)遷移的同時(shí)，可以通過在FN之間公平地進(jìn)行計(jì)算任務(wù)遷移，從而防止FN由于任務(wù)過載而過早失效。

針對(duì)上述挑戰(zhàn)，面向霧計(jì)算網(wǎng)絡(luò)，該文提出一種能耗最小化公平計(jì)算遷移機(jī)制，主要貢獻(xiàn)如下：

·在霧計(jì)算網(wǎng)絡(luò)場(chǎng)景下，構(gòu)建了一個(gè)最小化所有任務(wù)完成總能耗的優(yōu)化問題，通過對(duì)任務(wù)遷移比、傳輸功率和霧節(jié)點(diǎn)選擇的聯(lián)合優(yōu)化，在一定延遲約束條件下，實(shí)現(xiàn)總能耗的最小化。

·基于上述優(yōu)化問題，提出一個(gè)任務(wù)遷移候選目的節(jié)點(diǎn)集生成算法，該算法通過二分法，以較低的復(fù)雜度獲得各個(gè)霧節(jié)點(diǎn)在相應(yīng)延遲約束下的最低能耗及其對(duì)應(yīng)的遷移比和傳輸功率，生成任務(wù)遷移候選目的節(jié)點(diǎn)集。進(jìn)一步，為了在低能耗與目的節(jié)點(diǎn)選擇的公平性之間取得平衡，基于公平調(diào)度指標(biāo)，提出一個(gè)目的節(jié)點(diǎn)公平選擇算法，以公平、節(jié)能的方式實(shí)現(xiàn)計(jì)算任務(wù)分配，防止霧節(jié)點(diǎn)過早失效。

·仿真結(jié)果表明，該機(jī)制可以在低能耗的情況下保證各霧節(jié)點(diǎn)之間的公平性，較最大等效處理速率機(jī)制，平均霧節(jié)點(diǎn)存活率提升了10.9%。

2 系統(tǒng)模型

2.1 網(wǎng)絡(luò)模型

構(gòu)建的計(jì)算任務(wù)遷移模型如圖1所示，考慮一個(gè)由1個(gè)終端節(jié)點(diǎn)TN和N個(gè)霧節(jié)點(diǎn)FN組成的霧簇，該霧簇中的終端節(jié)點(diǎn)可以是手機(jī)、電腦等智能設(shè)備，N個(gè)霧節(jié)點(diǎn)(路由設(shè)備、運(yùn)營(yíng)商提供的各種服務(wù)器等)隨機(jī)分布在終端節(jié)點(diǎn)周圍。該霧簇中的霧節(jié)點(diǎn)分為主動(dòng)霧節(jié)點(diǎn)和被動(dòng)霧節(jié)點(diǎn)，主動(dòng)霧節(jié)點(diǎn)由電網(wǎng)供電，對(duì)能量消耗不太敏感，而被動(dòng)霧節(jié)點(diǎn)由電池供電，電池壽命有限，對(duì)能耗敏感。

圖1 計(jì)算任務(wù)遷移模型

當(dāng)終端生成計(jì)算任務(wù)時(shí)，可以在終端設(shè)備本地進(jìn)行處理，也可以分為多個(gè)子任務(wù)，將一部分或全部任務(wù)遷移到霧節(jié)點(diǎn)，再將結(jié)果發(fā)送回終端節(jié)點(diǎn)。

2.2 計(jì)算模型

定義處理1 bit數(shù)據(jù)所需的CPU周期為c，霧節(jié)點(diǎn)i的CPU頻率fi和終端節(jié)點(diǎn)的CPU頻率floc。一旦在TN上生成了具有延遲約束Tmax的計(jì)算任務(wù)，除了在本地處理任務(wù)之外，TN會(huì)根據(jù)已知的FN信息和任務(wù)的約束條件，要求控制器為此任務(wù)的遷移服務(wù)分配一個(gè)選定的目的節(jié)點(diǎn)FNi。然后，根據(jù)遷移比ai將任務(wù)分為兩個(gè)子任務(wù)，分別在本地和FNi上處理。最后，結(jié)果從FNi返回TN。

(1)計(jì)算延遲。

根據(jù)上述遷移過程，任務(wù)延遲包括三個(gè)部分，即計(jì)算任務(wù)遷移到霧節(jié)點(diǎn)i的傳輸延遲ttra，霧節(jié)點(diǎn)i的計(jì)算延遲ti，以及終端節(jié)點(diǎn)本地的計(jì)算延遲tloc。

子任務(wù)遷移到霧節(jié)點(diǎn)i的傳輸延遲可以表示為：

(1)

其中，w是總需要處理的任務(wù)大小，Ri是終端節(jié)點(diǎn)到霧節(jié)點(diǎn)i的數(shù)據(jù)傳輸速率，可以用香農(nóng)公式表示為：

(2)

其中，B是上行鏈路帶寬，Pi是終端到霧節(jié)點(diǎn)i的數(shù)據(jù)傳輸速率，G是上行鏈路的無線信道增益，n是上行鏈路的噪聲功率譜密度。

霧節(jié)點(diǎn)i的計(jì)算延遲可以表示為：

(3)

在終端節(jié)點(diǎn)本地計(jì)算的延遲可以表示為：

(4)

終端節(jié)點(diǎn)只有在接收到所有子任務(wù)的處理結(jié)果后才能做出下一步?jīng)Q策，因此，總?cè)蝿?wù)延遲定義為所有子任務(wù)延遲的最大值，即總延遲表示為：

T=max[(ttra+ti),tloc]

(5)

(2)能量消耗。

根據(jù)前面所描述的計(jì)算任務(wù)遷移到霧節(jié)點(diǎn)i的子任務(wù)的傳輸延遲ttra，終端節(jié)點(diǎn)的傳輸能耗表示為：

(6)

霧節(jié)點(diǎn)i的能耗可以表示為：

(7)

本地處理的能耗可以表示為：

(8)

其中，κ表示有效電容系數(shù)。

一般地，霧節(jié)點(diǎn)處理完成后的數(shù)據(jù)大小遠(yuǎn)小于源數(shù)據(jù)，所以結(jié)果返回給終端節(jié)點(diǎn)的傳輸能耗可以忽略不計(jì)。因此，整個(gè)模型處理任務(wù)的總能耗為：

E=etra+ei+eloc

(9)

3 優(yōu)化問題描述

任務(wù)延遲和能耗由任務(wù)遷移比ai和傳輸功率Pi決定。在滿足延遲約束的條件下，恰當(dāng)?shù)胤峙鋋i和Pi，進(jìn)而使總能耗最小，從而將優(yōu)化問題表述為：

(10)

s.t. C1 0≤ai≤1

C2 0≤Pi≤Pmax

C3T≤Tmax

C1是任務(wù)遷移比約束，ai=0表示終端生成的任務(wù)將全部在本地計(jì)算，ai=1表示任務(wù)將全部遷移到霧節(jié)點(diǎn)i上進(jìn)行計(jì)算。C2是傳輸功率約束，確保終端設(shè)備到霧節(jié)點(diǎn)i的傳輸功率不超過Pmax。C3是延遲約束，確保總?cè)蝿?wù)延遲不超過Tmax。

4 聯(lián)合任務(wù)遷移比、傳輸功率與目的節(jié)點(diǎn)選擇的公平計(jì)算遷移算法

4.1 任務(wù)遷移候選目的節(jié)點(diǎn)集生成算法

由于P1是非凸優(yōu)化問題，所以將其轉(zhuǎn)換成關(guān)于終端傳輸功率Pi的單變量問題。通過二分法，以較低的復(fù)雜度獲得各個(gè)霧節(jié)點(diǎn)在相應(yīng)延遲約束下的最低能耗及其對(duì)應(yīng)的遷移比和傳輸功率，生成任務(wù)遷移候選目的節(jié)點(diǎn)集。

首先，在滿足T≤Tmax的條件下，總能耗E最小時(shí)，遷移總時(shí)延滿足ttra+ti=Tmax，即：

(11)

則有：

(12)

為了保證優(yōu)化問題P1可解，必須滿足tloc≤Tmax的條件，結(jié)合公式(12)，可知當(dāng)且僅當(dāng)滿足以下兩個(gè)條件時(shí)，總?cè)蝿?wù)時(shí)延T可以小于上界Tmax，即：

(13)

(14)

其中，

(15)

由于P1的非凸性，原問題P1轉(zhuǎn)化為：

(16)

其中，

(17)

現(xiàn)在，針對(duì)ai和Pi的優(yōu)化問題P1被轉(zhuǎn)換為針對(duì)TN傳輸功率Pi的能量最小化問題P2。

通過對(duì)傳輸功率Pi求二階導(dǎo)數(shù)可知，總能耗E隨傳輸功率Pi單調(diào)遞增，則最優(yōu)的傳輸功率Pi*將直接由Pi定義域中的最小值給出，那么，在問題P2的取值范圍中，若滿足如下條件:

(18)

總能耗E是關(guān)于傳輸功率Pi的嚴(yán)格單調(diào)遞增函數(shù)。因此，Pi最優(yōu)值等于Pi取值范圍內(nèi)的最小值，即:

(19)

對(duì)于系統(tǒng)參數(shù)不滿足上述條件的情況,當(dāng)Pi∈[0,+∞)時(shí)，若滿足如下條件：

(20)

(21)

所以,

(22)

算法1：任務(wù)遷移候選目的節(jié)點(diǎn)集生成算法。

1.輸入：任務(wù)大小w，霧節(jié)點(diǎn)i的CPU頻率fi

3.BEGIN

5.for eachi

9.else

10.if 條件 (18) 滿足,then

12.else

14. end if

17. end if

18.end for

20.END

4.2 目的節(jié)點(diǎn)公平性選擇

各個(gè)霧節(jié)點(diǎn)FN之間的能耗均衡對(duì)于霧計(jì)算網(wǎng)絡(luò)的可持續(xù)性和穩(wěn)定性至關(guān)重要。在這一部分，基于上述任務(wù)遷移候選目的節(jié)點(diǎn)集生成算法，提出一種目的節(jié)點(diǎn)的公平性選擇算法。因此，在延遲約束下，總能耗和計(jì)算任務(wù)公平分配之間實(shí)現(xiàn)了平衡。

首先，為每個(gè)霧節(jié)點(diǎn)定義公平調(diào)度指標(biāo)，如下:

(23)

歷史平均功耗更新如下：

(24)

其中，μ是遺忘因子，0<μ<1。

引入Jain’s公平指數(shù)：

(25)

其中,Jain’s公平指數(shù)F在1/N到1之間，F(xiàn)越大，表示計(jì)算任務(wù)遷移機(jī)制的公平性越高。

基于算法1得到的候選目的節(jié)點(diǎn)集和公平性調(diào)度指標(biāo)，提出如下算法2。

算法2：目的節(jié)點(diǎn)公平選擇算法。

2.輸出：最優(yōu)目的節(jié)點(diǎn)i*

3.BEGIN

5.i*is null；

6.else

7.for eachi∈do

8. 基于公式(23)，計(jì)算公平調(diào)度指標(biāo)Mi；

9.end for

10. 選擇公平性指數(shù)最高的霧節(jié)點(diǎn)進(jìn)行遷移，

11.returni*

12.end if

13.END

5 仿真結(jié)果

在本節(jié)中，將進(jìn)行仿真以驗(yàn)證提出的能耗最小化公平遷移算法的性能。在多種網(wǎng)絡(luò)場(chǎng)景下，對(duì)最小化的遷移能耗、遷移服務(wù)的可行性以及霧節(jié)點(diǎn)選擇的公平性進(jìn)行了驗(yàn)證分析。

在本仿真環(huán)境中，設(shè)定每個(gè)霧節(jié)點(diǎn)的帶寬B=10 Mb/s，上行鏈路的噪聲功率譜密度n=-100 dBm/Hz，總的霧節(jié)點(diǎn)個(gè)數(shù)為10個(gè)，任務(wù)總數(shù)為20個(gè)，終端節(jié)點(diǎn)的計(jì)算速率floc=2 Mbps。

圖2是總能耗與霧節(jié)點(diǎn)的任務(wù)處理速率關(guān)系圖?？梢钥闯?，隨著fi的增加，霧節(jié)點(diǎn)的處理速率上升，霧節(jié)點(diǎn)處理的能效比本地處理的能效高，通過將計(jì)算任務(wù)遷移到霧節(jié)點(diǎn)進(jìn)行處理，減少了總能量消耗。隨著FNi的CPU頻率的進(jìn)一步提高，該任務(wù)將完全遷移到FNi上進(jìn)行處理，這導(dǎo)致恒定的總能耗。因此，當(dāng)fi足夠大時(shí)，總能量消耗趨于收斂。從圖中還可以看出，當(dāng)生成的計(jì)算任務(wù)量越大，進(jìn)行計(jì)算遷移需要任務(wù)處理速率越快。

圖2 總能耗與霧節(jié)點(diǎn)的任務(wù)處理速率關(guān)系圖

圖3是不同霧節(jié)點(diǎn)分布半徑下三種任務(wù)遷移機(jī)制的Jain’s公平性指標(biāo)圖?？梢钥闯?，隨著霧節(jié)點(diǎn)分布半徑增大，最大等效處理速率機(jī)制和完全相等任務(wù)遷移機(jī)制的公平性指標(biāo)均大幅下降，遠(yuǎn)低于該文所提機(jī)制的公平性指標(biāo)。這是因?yàn)榘霃皆酱箪F節(jié)點(diǎn)分布越稀疏，選擇遠(yuǎn)程霧節(jié)點(diǎn)進(jìn)行任務(wù)遷移的概率越小。該文提出的公平遷移機(jī)制在霧節(jié)點(diǎn)半徑變化時(shí)始終保持較高的公平性指數(shù)，這是由于它在所有備選霧節(jié)點(diǎn)之間采取公平的遷移策略。

圖3 霧節(jié)點(diǎn)分布半徑與Jain’s指數(shù)關(guān)系圖

圖4是任務(wù)遷移概率與最大傳輸功率的關(guān)系圖。可以看出，隨著終端發(fā)射功率上限的增大，任務(wù)遷移的概率從0增加到1，并且增加的幅度近似線性。圖5是任務(wù)遷移概率與最大容忍延遲的關(guān)系圖?？梢钥闯?，隨著延遲上限的增加，計(jì)算任務(wù)遷移概率從0增加到1。當(dāng)最大容忍延遲為2 s時(shí)，4 MB大小的任務(wù)可以全部在本地處理以滿足延遲上限，因此該情況下任務(wù)遷移概率始終為0。結(jié)果表明，更嚴(yán)格的延遲和傳輸功率約束導(dǎo)致能夠?yàn)門N提供可行的任務(wù)遷移服務(wù)的FN減少。

圖4 任務(wù)遷移概率與最大傳輸功率關(guān)系圖

圖5 任務(wù)遷移概率與最大容忍延遲關(guān)系圖

圖6 霧節(jié)點(diǎn)存活率與生成任務(wù)數(shù)關(guān)系圖

圖6是霧節(jié)點(diǎn)存活率與生成任務(wù)數(shù)的關(guān)系圖，可以看出，隨著生成任務(wù)數(shù)的不斷增加，三種機(jī)制的霧節(jié)點(diǎn)存活率都呈下降趨勢(shì)，這是因?yàn)殡S著任務(wù)數(shù)的不斷增加，能量有限的霧節(jié)點(diǎn)能量不斷消耗殆盡，最終當(dāng)能量耗盡時(shí)霧節(jié)點(diǎn)也就隨之死亡。而該文的公平遷移機(jī)制霧節(jié)點(diǎn)的存活率始終更高，比完全相等任務(wù)遷移機(jī)制和最大等效處理速率機(jī)制的平均霧節(jié)點(diǎn)存活率分別高31.9%和10.9%。這是因?yàn)樵撐目紤]了霧節(jié)點(diǎn)之間遷移的公平性，終端節(jié)點(diǎn)始終傾向于將任務(wù)遷移給剩余能量較高且歷史平均能耗較低的霧節(jié)點(diǎn)，保證了霧節(jié)點(diǎn)之間的公平性，從而保證了霧節(jié)點(diǎn)不會(huì)過早耗盡能量而失效。

6 結(jié)束語

該文提出了一個(gè)基于霧計(jì)算的能耗最小化公平計(jì)算遷移機(jī)制，通過聯(lián)合優(yōu)化遷移比、傳輸功率和霧節(jié)點(diǎn)選擇達(dá)到公平且低能耗的計(jì)算遷移。提出任務(wù)遷移候選目的節(jié)點(diǎn)集生成算法, 通過二分法獲得霧節(jié)點(diǎn)在相應(yīng)延遲約束下的最低能耗及其對(duì)應(yīng)的遷移比和傳輸功率；基于公平調(diào)度指標(biāo)，通過目的節(jié)點(diǎn)公平選擇算法，以低能耗且公平的方式進(jìn)行計(jì)算任務(wù)分配，實(shí)現(xiàn)低能耗與目的節(jié)點(diǎn)選擇公平性之間的平衡。仿真結(jié)果表明，該機(jī)制可以在總能耗較低的情況下保證各個(gè)霧節(jié)點(diǎn)之間的公平性。