刘林东，邬依林

广东第二师范学院计算机学院，广东广州 510303

计算密集型应用和资源受限型设备之间的矛盾［1-3］已成为雾计算中提供满意体验的瓶颈，需要通过任务调度来解决此问题。雾计算［4］相对于传统的分布式计算和云计算［5］，由数量众多的位置分布的雾结点和终端设备构成，一般由计算性能有限的设备组成，包括路由器、交换机、网关和终端设备等［1，6-8］。由于带宽以及能耗因素影响，性能异构的物联网［9-12］设备（IOT） 得到的数据可以边缘设备上进行计算、分析和调度，从而可以减轻云端的负担。

现有的雾计算任务调度研究［13］，一般根据资源利用率、时间、能耗、成本、负载均衡等优化目标进行资源分配或任务分配。文献［14］ 提出了一种面向雾计算的多用户小区聚类资源优化策略，该策略以最大交付时延作为衡量服务质量的重要指标；文献［15］ 通过定义计算延迟以及通信延迟模型的方法，为雾计算结点的任务调度提供依据；文献［16］ 通过边缘计算和云计算之间的协作，达到功耗以及传输延迟间的负载平衡；文献［17］ 提出了一种启发式任务调度算法，达到调度跨度以及调度成本间的平衡。雾计算任务调度是一个NP完全问题［1，18］。

文中对独立任务流水线任务调度问题进行研究，通过改进的分类挖掘算法建立雾计算任务调度模型以及相应的调度算法，以任务调度跨度和平均等待时间作为主要优化目标，从而提升雾计算用户服务质量以及任务调度吞吐量。……