雾计算领域的最新进展第 1 部分（AI + IOT）

1.边缘计算和雾计算中基于微服务的物联网应用调度：分类和未来方向（ arXiv )

抽象的： 边缘和雾计算范式利用网络边缘的分布式、异构和资源受限的设备来有效部署延迟关键和带宽密集型物联网应用服务。此外，越来越多地采用微服务架构 (MSA) 来满足快速发展的物联网应用程序的快速开发和部署需求。由于微服务的细粒度模块化及其可独立部署和可扩展的特性，MSA 在利用雾和云资源来满足物联网应用服务的各种 QoS 要求方面表现出巨大的潜力，从而催生了渗透计算等新范式.然而，需要高效且可扩展的调度算法来利用 MSA 的上述特性，同时克服架构引入的新挑战。为此，我们对最近有关边缘和雾计算环境中基于微服务的物联网应用程序调度的文献进行了全面分类。此外，我们组织多个分类法来捕捉调度问题的主要方面，分析和分类相关工作，确定每个类别中的研究差距，并讨论未来的研究方向。

2. 雾计算中的资源管理回顾：机器学习视角（ arXiv )

作者： 穆罕默德法希穆拉 , 肖赫雷·阿瓦尔 , 玛丽亚·特罗坎

抽象的： 雾计算成为一种很有前途的技术，可以在用户附近处理用户的请求，以减少对延迟敏感的请求的响应时间。尽管具有优势，但资源的异质性和局限性等特性，以及其动态和不可预测的性质，极大地降低了雾计算的效率。因此，预测雾的动态行为并相应地管理资源至关重要。在这项工作中，我们回顾了雾环境中基于机器学习的预测资源管理方法。资源管理分为六个子领域：资源供应、应用程序放置、调度、资源分配、任务卸载和负载平衡。根据客观指标、工具、数据集和使用的技术分析审查的资源管理方法。

3. 一个重复的未知博弈：车载雾计算中的去中心化任务卸载（ arXiv )

作者： Byungjin Cho , Yu Xiao

抽象的： 将计算卸载到附近的边缘/雾计算节点，包括移动车辆携带的节点，例如车辆雾节点 (VFN)，已被证明是实现低延迟和计算密集型移动应用程序的一种有前途的方法，例如协作和自动驾驶。这项工作考虑了车载雾计算场景，其中计算卸载服务的客户端试图在决定哪些 VFN 卸载他们的任务时尽量减少自己的成本。我们专注于在重复的未知博弈中分散多智能体决策，其中每个智能体（例如服务客户端）只能观察自己的行为和实现的成本。换句话说，每个智能体都不知道游戏的组成，甚至不知道对手的存在。我们应用完全解耦的学习规则来概括 \cite{Cho2021} 中针对多智能体案例提出的分散决策算法。在这项工作中提出的多智能体解决方案可以在对抗性框架下捕获对资源拥塞敏感的未知卸载成本变化，其中每个智能体都可以进行隐式成本估计和合适的资源选择，以适应与波动的供需相关的动态。根据模拟评估，这项工作表明，这种对不确定性的鲁棒性和对动态性的适应的个体扰动确保了社会福利方面的一定程度的最优性，例如，将实际的游戏序列与未知和不对称的属性收敛并降低代理人自利行为导致的社会福利相应成本

本文链接：https://www.qanswer.top/30250/11171208