基于雾计算的NB-IoT资源优化模型及仿真

郑忠斌 宋青青 熊增薪

摘 要：针对雾计算的NB-IoT资源优化问题，结合雾计算的特点，将系统的资源优化看成是连续时间的马尔科夫决策过程问题，并给出相关的定义。在定义基础上，以平均时延和平均能耗作下的控制策略作为优化目标函数，引入神经网络的值函数近似算法对目标函数进行求解。最后，在参数设置的基础上，搭建仿真环境，并给出仿真对比结果。结果表明，本研究提出的求解算法得到的综合平均时延和能耗最低，说明本算法可行，具有一定借鉴参考价值。

关键词：雾服务器;NB-IoT;马尔科夫决策过程;目标函数;神经网络

中图分类号：TN929.5;TP391.44        文献标识码：A           文章编号：1001-5922（2021）04-0087-04

Abstract：Aiming at the NB-IoT resource optimization problem of fog computing， combined with the characteristics of fog computing， the system resource optimization is regarded as a continuous time Markov decision process problem， and the relevant definitions are given. Based on the definition， the control strategy with average time delay and average energy consumption is taken as the optimization objective function， and the value function approximation algorithm of neural network is introduced to solve the objective function. Finally， on the basis of parameter setting， the simulation environment is built and the simulation results are given. The results show that the comprehensive average delay and energy consumption of the proposed algorithm are the lowest， which shows that the algorithm is feasible and has certain reference value.

Key words：fog server; NB-IoT; Markov decision process; objective function; neural network

隨着物联网感知技术的发展，使得物联设备成指数级增长。根据相关报道发现，截止到2020年，将有超过500亿台物联设备被连入互联网中，伴随而来的是大量物联设备数据的增长。为解决这个问题，考虑到物联设备自身有限的计算能力和存储能力，提出将大量的数据卸载到云服务器中进行集中存储。但在实际应用中，由于物联设备产生的数据量大，同时物联设备与云服务器之间通信会消耗大量的网络资源，由此造成在部分情况下云技术不能满足时延敏感数据传输的需求。为解决以上的问题，在2012年提出“雾计算”概念，该技术的核心则是在云端和设备端建立一个更接近设备端的设备，从而缩短数据传输和计算，且降低云服务器的通信开销。而要做好“雾计算”的应用，需要解决两方面的问题：一是要解决物联设备将数据发送给雾计算所带来的计算卸载问题。……