.png){kind=icon}
返回
Dynamic task allocation in fog computing using enhanced fuzzy logic approaches
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-03621-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
雾计算将云服务扩展到网络边缘，实现了低延迟处理和资源利用率的提升，这对实时物联网（IoT）应用至关重要。然而，由于雾环境的动态性和异构性，高效的任务分配仍是一个重大挑战。传统的任务调度方法往往难以管理任务需求和资源可用性的不确定性，导致性能欠佳。本文提出了一种新颖的方法DTA-FLE（基于模糊逻辑增强方法的雾计算动态任务分配），利用模糊逻辑处理任务调度中的固有不确定性。我们的方法能动态适应变化的网络条件，优化任务分配以提高效率、降低延迟并增强系统整体性能。与常规方法不同，DTA-FLE引入了一种新颖的分层调度机制，通过模糊逻辑动态适应实时网络条件，确保任务分配最优并提升系统响应能力。通过使用iFogSim框架进行仿真，我们证明DTA-FLE在执行时间、资源利用率和响应能力方面优于常规技术，使其特别适用于分层雾-云架构中的实时IoT应用。
Keyword:
Dynamic task allocation
Internet of things
Fuzzy logic
Task scheduling
Fog computing
期刊
IF:
3.9
论文数:
27.8W
被引数:
83.5W
机构
引用论文
.png){kind=icon}
分享收藏Why it does not work? Metaheuristic task allocation approaches in Fog-enabled Internet of Drones
OAAI
OAAI分享收藏Auto-scaling and computation offloading in edge/cloud computing: a fuzzy Q-learning-based approach
PREAI
分享收藏Mobility Aware-Task Scheduling and Virtual Fog for Offloading in IoT-Fog-Cloud Environment移动感知任务调度和虚拟雾在IoT-雾-云环境中的卸载
PREAI
分享收藏Cost-Efficient Service Function Chain Orchestration for Low-Latency Applications in NFV NetworksNFV网络中低延迟应用的经济高效的服务功能链编排
PREAI
分享收藏
查看更多内容