随着5G时代的来临,雾计算作为新兴技术正在蓬勃发展。雾节点为用户提供强大计算能力与存储资源,并提供低时延、高带宽、位置感知和内容缓存等服务,使得用户得到更好的服务体验与更低的能量消耗。计算迁移充分利用雾节点的资源正逐渐成为雾计算的主要研究内容。计算迁移常以终端用户的能耗为衡量,而忽略了雾节点的能耗;随着动态电压调节(Dynamic Voltage Scaling,DVS)在设备中的集成,计算迁移机制可以变得更加灵活高效。本文以雾节点能耗和用户时延为性能指标,旨在找出最优的计算迁移机制,更好的提升雾计算中计算迁移方案的性能以及用户体验感。本文的主要贡献包括以下三方面:1)工业物联网场景下时延保证的能量高效计算迁移机制:针对雾计算中的工业物联网场景提出了一种具有时延保证的能量高效的计算迁移机制。该机制以雾节点能耗最小化为目标,以能量开销和时间延迟为主要约束条件构建优化问题模型。它在雾节点能耗的组成部分有一个综合考虑,包括本地计算能耗,传输和等待状态的能量消耗。为了解决该优化问题,本部分提出了一种加速的梯度下降计算迁移算法,它可以快速地找到最优的迁移比率,提高了传统方法的收敛速度。最后,数值结果表明,所提出的迁移机制在具有延迟保证下实现了能耗的大幅度降低,进一步验证了所设计的加速梯度算法的有效性和优势。2)工业物联网场景下能耗最优的动态计算迁移机制:为了更好地满足IIo T应用对能耗和时延的严格要求,针对集成有DVS技术的雾节点,提出了能耗最优的动态计算迁移机制。该机制以雾节点能耗最优为目的,以时延为主要约束构建最小化问题模型。它通过联合优化雾节点可变的计算速度、迁移占比、传输功率以及传输时间,确定雾节点的计算速度并做出最合适的迁移决策。基于上述考量,提出一种交替最小化算法,即逐步减少变量个数,最终确定两个单一变量凸优化问题继而交替求解。最后,数值结果表明,提出的迁移机制在能耗和时延两方面都是优于其他对比方法的,并且还进一步确认了本机制的可适应性和可扩展性。3)融入内容缓存的时延最小化计算迁移机制:为了减少因计算任务重复所产生的时延,提出一种融入内容缓存的时延最小化迁移机制。该机制以终端用户的任务时延为优化目标,以内容缓存限制为约束条件。该机制利用云雾的缓存能力,结合无线传输资源和计算资源的分配做出合理的迁移决策。先提出云雾协作缓存策略,将融入缓存状态的优化问题转换为一般问题,再提出基于贪婪的两段式启发算法求解优化问题。最后,通过仿真结果表明,所提出的迁移机制在提升缓存命中率的同时可以有效减少时延,验证了该机制的有效性和优势。