智能环境下基于雾计算的推理节点优化分配研究OA北大核心CSCDCSTPCD
Study on Optimal Allocation of Inference Nodes for Fog Computing in Smart Environment
智能环境传统的规则推理机制中,网关内布置的推理机从各种传感器中获取推理所需数据并与规则库相匹配,承担整个推理工作.本文利用Rete算法将规则构建为推理网络,并结合雾计算的概念将Rete推理节点分配至环境内配置的智能节点中协同推理以减轻网关负载,由此推理节点的分配成为关键,分配不合理将导致资源利用不平衡及响应延迟.本文利用活动影响下规则触发的规律设计了活动聚类算法CoA(Clustering of Activities)对活动聚类后分别建立其推理网络,计算出智能节点之间的最短路径后将结果代入针对其层次延迟性而设计的分配算法AAoRN(Allocation Algorithm of Rete Inference Nodes),从而将推理节点最优分配至各个智能节点.理论分析和实验结果表明,本文机制在有效利用智能节点资源的同时降低了大致55％的延迟.
汪成亮;黄心田
重庆大学计算机学院,重庆400044重庆大学计算机学院,重庆400044
信息技术与安全科学
智能环境规则推理Rete算法雾计算活动模式
《电子学报》 2020 (1)
35-43,9
国家自然科学基金(No.61672115)重庆市社会事业与民生保障科技创新专项(No.cstc2017shmsA30003)
评论