摘要：为提升雾节点应对任务请求的响应能力,在梳理当前相关研究改进空间的基础上构思了一种雾计算服务提升(SI)算法。算法从全局性收敛角度出发设计了食物源生成优化机制、蜂群寻觅食物源优化机制、食物源的优劣分析机制等。然后将各优化机制部署在雾系统中用于响应不同规模雾任务的计算请求。考察表明,SI算法思路在受理雾任务时所消耗的时延成本较传统算法方案有显著的优势,不仅如此,SI算法经经典函数测试后也表明了该算法收敛的全局性。该算法可部署在无人驾驶、无人机飞行等自控领域。

摘要：为进一步增强云任务计算请求响应度,构思一种基于自适应的虚拟计算资源重置方案。该方案首先为云环境的各类资源建立一个基于云计算时效约束的优化模型,并结合经典算法寻优解优势引入一系列非线性设计理念扩展算法应对大规模云任务计算时的动态适应能力。然后将论证的重置方案部署于云环境中虚拟计算资源,为云环境开展云任务虚拟计算求出具有更高精度的最优映射值。算法测试表明,所构思的网络功能虚拟化(NFV)虚拟资源计算算法应对云任务计算时具有更佳的效能度。