1.一种雾计算网络中基于雾节点协作的负载均衡方法，其特征在于：该方法包括以下步骤：S1：多个雾节点协作执行任务负载的网络场景模型的构建；

S2：雾节点协作过程的通信模型和计算模型的构建；

S3：协作贡献度 和协作雾节点筛选算法的设计；

S4：协作贡献比系数χm的设计和引入协作贡献比系数的系统总开销优化问题的构建；

S5：基于雾节点协作贡献度的负载均衡算法的设计。

2.根据权利要求1所述的一种雾计算网络中基于雾节点协作的负载均衡方法，其特征在于：所述步骤S1具体为：假设网络中共有K个小基站SeNB，那么SeNB共处雾节点的总个数也为K。将网络中所有SeNB的集合表示为K＝{1,2,…,k,…K}，将所有SeNB共处雾节点的集合表示为Φ＝{f1,f2,…,fk,…,fK}，知雾节点fk与SeNBk呈唯一对应关系；将SeNBk服务范围内的用户集合表示为Uk，当雾节点fk接收到终端用户u发来的计算任务 且无法独立处理全部任务时，雾节点均衡控制器即需要协调处理用户任务在多个雾节点服务器之间的负载分配问题；其中，fk∈Φ，k∈K，u∈Uk，bu表示计算任务输入数据的大小，cu表示计算该任务所需的计算量，即CPU周期数，Tumax表示用户u容忍的最大时延，即计算任务在Tumax时间内完成，则不会影响用户的QoE；用户u通过监测任务的应用配置获取任务输入数据大小bu并评估其所需的计算资源信息cu；当雾节点fk作为主雾节点无法独立完成计算任务 时，需向负载均衡控制器请求执行负载均衡算法，并依据算法执行的最佳分配结果将计算任务 进行切割，分发到其他合适的雾节点进行协作处理；假设网络中共有N个可参与协作的雾节点组成了协作雾节点待选集合Γ＝{j1,j2,…,jn,…,jN}，其中M≤N-1，负载均衡控制器需要根据协作贡献度阈值对Γ进行截断，获取执行负载均衡算法的协作雾节点子集Γ*＝{i1,i2,…,im,…,iM}，M≤N；主雾节点fk从Γ*中选择协作雾节点进行任务分配，最后收集处理结果并汇总返还给用户。

3.根据权利要求1所述的一种雾计算网络中基于雾节点协作的负载均衡方法，其特征在于：所述步骤S2具体为：(1)通信模型的构建

通信模型的构建包含雾节点与雾节点间的通信和用户与雾节点的通信两个部分；

雾节点间的通信采用无线或WiFi的通信方式；假定雾节点间的通信全部采用无线通信方式，并将主雾节点fk与协作雾节点im的通信速率表示为Rk,m；

考虑用户u将任务负载bu传输至主雾节点fk的上行链路传输过程，假定MeNB与SeNB采用异频组网方式部署，且接入同一宏小区或小小区的用户均采用正交频分多址接入体制OFDMA接入基站，忽略同一小小区内的用户之间的相互干扰，仅考虑小小区间的同频干扰；

依据香农公式，上行链路传输通信过程的通信传输速率Du,k表示如下：

其中，Bk表示用户传输计算任务至雾节点fk的上行链路传输带宽；pu,k、gu,k表示用户u与雾节点fk通信过程的发送功率和上行链路功率增益；υu',u表示来自相邻小小区所服务的用户u'的同频干扰指示标识，υu',u＝1表示用户u'与用户u占用相同信道资源，产生同频干扰，υu',u＝0反之，此时用户u'不会带来同频干扰，具体取值在实际仿真中随机设置；所有用户的发送功率大小都在(0,pmax]的区间范围内， 表示上行链路噪声功率；

(2)计算模型的构建

计算模型的构建包含雾节点协作过程的时延成本、能耗成本和支付成本三部分；

首先，步骤S2所述的计算模型中所包含的时延成本建模如下：

①假设主雾节点fk将卸载到本地执行的用户任务负载进行切割划分，将保留在其处执行的任务表示为 其中， 表示卸载的任务负载的数据大小， 表示卸载下来的任务负载 对应的计算量大小，且 表示主雾节点fk能够提

供的剩余计算量，ak表示雾节点fk的计算能力，单位为cycle/s，Tuk表示主雾节点fk处理卸载任务 的计算时延；本文假设协作的前提为主雾节点fk无法独立处理用户发来的全部任务负载，只能卸载部分负载进行处理，有a.用户发送全部任务负载bu至主雾节点fk的通信传输过程所耗的通信时延 表示如下：其中，

b.主雾节点fk计算卸载下来的部分任务负载 所耗的计算时延 表示如下：②主雾节点fk将无法执行的任务负载卸载到其他合适的协作雾节点im，im∈Γ*,Γ*＝{i1,i2,…,im,…,iM}，M≤N；N为有资格作为协作雾节点的个数，由本文所提的协作雾节点筛选算法确定；假设主雾节点fk卸载到协作雾节点im的任务负载为其中， 表示卸载至协作雾节点im的任务负载的数据大小， 表示卸载下来的任务负载对应的计算量大小，且 表示协作雾节点im能够提供的剩余计算量，am表示雾节点im的计算能力，单位为cycle/s，Tkm表示协作雾节点im处理卸载任务 的计算时延；

主雾节点fk本地卸载的任务负载 与卸载至其他协作雾节点的任务负载 满足如下关系：即主雾节点作为执行与转发节点，将用户的全部任务负载进行分割，与合适的协作雾节点共同执行；

a.主雾节点fk将任务负载切割后，转发至协作雾节点im的通信过程所耗通信时延 表示如下：其中， 为主雾节点fk卸载至协作雾节点im的任务负载的数据大小， 为主雾节点fk与协作雾节点im之间的数据传输速率；

b.协作雾节点im处理卸载任务 的计算时延，表示如下：

其中， 为卸载至协作雾节点im的任务负载 对应的计算量大小，am表示雾节点im的计算能力，单位为cycle/s；

c.主雾节点fk将M个协作节点的处理结果，进行汇总处理，所需汇总的计算量表示为此过程的处理时延表示如下：综合式(2)、(3)、(5)、(6)、(7)，所考虑的雾节点协作计算场景总的时间成本Tu表示如下：其中，等式右边第一、二项为用户发送任务至主雾节点的通信时延和主雾节点执行部分负载的计算时延，第三、四项为主雾节点将分割后的任务转发至所有可协作雾节点的通信时延总和以及所有协作雾节点执行任务负载的计算时延综合，第五项为雾节点汇聚处理所有执行完后的任务负载所需的计算时延；

其次，步骤S2所述的计算模型中所包含的能耗成本建模如下：

①将用户上传任务负载至主雾节点fk所消耗的能量记作 表示如下：

其中，pu,k为用户u与主雾节点fk通信的上行链路发送功率，为终端设备传输功率放大器的效率， 为上行链路通信过程的通信时延；

②将主雾节点fk计算卸载下来的部分任务负载 所消耗的能量记作Ek，表示如下：其中， 为预设参数，表明雾节点处理任务的计算功耗函数为计算数据量的单调递增的严格凸函数；

③主雾节点fk将分割后的任务负载转发至协作雾节点im过程所消耗的能量记作 表示如下：其中，系数 为雾节点间单位时间传输负载的平均转发功率， 为转发过程所耗时延；因此，转发至所有可协作的雾节点所耗的能量总和如下：④协作雾节点im处理分割负载 所消耗的能量记作Em，表示如下：

所有协作雾节点的计算总能耗表示如下：

综合式(9)、(10)、(12)和(14)，所考虑的雾节点协作计算场景总的能耗成本Eu表示如下：最后，步骤S2所述的计算模型中所包含的支付成本建模如下：

假设终端用户需要为使用的雾节点资源支付一定费用，雾节点之间的协作也需要终端用户支付额外的费用作为对雾节点贡献自身计算资源的贡献激励；将使用雾节点处理计算任务的单位计算支付成本记作 将激励协作雾节点的单位激励支付成本记作 雾计算场景下用户的支付成本 表示如下：其中，等式右边第一项表示用户需要向参与协作的主雾节点和所有协作雾节点支付的处理任务的计算支付成本；等式右边第二项表示用户需要为参与协作的所有协作雾节点支付的激励支付成本。

4.根据权利要求1所述的一种基于雾节点协作贡献度的负载均衡方法，其特征在于：所述步骤S3具体为：(1)协作贡献度的设计如下：

为了在除主雾节点以外的剩余雾节点当中筛选出可以参与协作的雾节点，并构建最终参与负载均衡算法的协作雾节点子集合，提出协作贡献度的概念；

①协作可行性

可行性指的是基本可行性，从雾节点的计算能力、剩余计算资源和雾节点间的通信距离三个方面来考虑；只有雾节点具有剩余计算资源，才能够处理分配过来的任务，而雾节点的剩余计算资源越多，就能接受更多的分配任务，且接受分配任务对其自身造成的影响越小；雾节点的计算能力越强，与主雾节点的通信距离越短，其作为协作雾节点就能够提供更良好的计算性能和通信性能，保证用户的QoE；定义雾节点fj的协作可行性衡量因子fj∈Φ,fj≠fk表示如下：其中，α1,α2,α3∈[0,1]，且α1+α2+α3＝1，为三个考虑因素的权衡因子； 为雾节点fj的剩余计算量，cu为原始用户发出的任务负载所需要的计算量；aj为雾节点fj的计算能力，ak为主雾节点fk的计算能力； 为雾节点fj到主雾节点fk的通信距离， 为主雾节点fk与所有其他雾节点的通信距离的平均值，在密集异构蜂蜜网络雾计算场景下，雾节点部署在基站一侧，基站间的距离即其共处雾节点之间的距离，此距离假设已事先测量，计算并保存在负载均衡器的网络端；

②协作公平性

定义的协作公平性从雾节点的角度，基于雾节点的资源贡献比来考量；假设网络中的雾节点已经事先协商好自身可以贡献的最大资源，将雾节点fj能够贡献的最大计算资源表示为 fj∈Φ,fj≠fk，自身的全部计算资源表示为 定义雾节点fj的协作公平性衡量因子 表示如下：的值越大，表明雾节点fj越愿意贡献自身资源参与协作，将其纳为选择协作雾节点的标准可以体现对雾节点所有者的公平性；

③协作稳定性

不同的雾节点具有不同的计算能力和可靠性，选择协作雾节点时，需要考虑对系统稳定性的影响；只有保障雾节点执行任务的稳定性，才能更好的保证用户的QoE和系统的稳定性；本文根据雾节点的信誉度设计雾节点的稳定性模型；

信誉度分为统计信誉度和认知信誉度两个方面，雾节点fj的统计信誉度 需要根据雾节点执行历史任务的情况统计得出；认知信誉度旨在面向历史任务较少的不同类型的雾节点进行主观定义，鉴于计算场景的雾节点全部为特定类型的雾节点——雾服务器，不具移动性且具有将强计算能力，设定所有雾节点的认知信誉度 为0.9；

雾节点fj的统计信誉度 求解如下：

假设雾节点fj每次完成负载均衡器传达给它的协作任务，即本次算法执行需求以前的时间周期内的协作任务，负载均衡器都会对fj进行执行任务的满意度评价，sl∈[0,1]代表第l次满意度评价，sl的大小决于雾节点完成任务的成功率、执行效率和用户反馈；假设雾集群管理方满意度评价表中存放的对雾节点fj的评价次数为L次，则统计信誉度 应为雾集群管理者L次评价的平均值；为使雾节点信誉度的计算更加准确，信誉度模型需要区别不同阶段对于信誉度计算的影响，时间较近的评价应该具有更高的权重值，Sun定义了考虑时间衰减的最终统计信誉度的计算公式如下：其中， 为交易次数因子，反应满意度评价量越多时，做出的信任度评价越准确；

综合统计信誉度 与认知信誉度 定义雾节点fj的协作稳定性衡量因子 表示如下：其中，ω1,ω2∈[0,1]，且ω1+ω2＝1，为权衡 与 的权衡因子，根据对雾节点fj的评价次数来决定； 值越大，表明雾节点fj的信誉度越高，其执行任务越稳定；

综合考虑雾节点fj的协作可行性、协作公平性以及协作稳定性，提出作为筛选协作雾节点标准的协作贡献度 为协作可行性衡量因子 协作公平性衡量因子协作稳定性衡量因子 的加权融合值， 的加权融合值大小由本文所涉及的协作雾节点筛选算法求得；

(2)协作雾节点筛选算法的设计如下：

由于 和 的量纲不一样，所提算法将除主雾节点fk以外的所有雾节

点fj作为决策方案，求解每个方案的加权融合属性值 并通过fj的剩余计算容量 对其进行判断，若 则将其纳入协作雾节点待选集合，否则不纳入，其中， 为雾节点fj的剩余计算容量保留阈值；定义协作雾节点待选集合Γ＝{j1,j2,…,jn,…,jN}，N为经剩余计算容量保留阈值筛选后得到的有资格参与协作的雾节点的总个数；Γ的确定为整个协作系统的负载均衡算法的执行做前期准备；负载均衡器根据网络端保存的相关信息，包括所有雾节点的计算能力、剩余计算量、通信距离和已执行任务反馈；以及主雾节点fk发送的用户请求任务负载的相关信息，执行协作雾节点筛选算法；具体步骤如下：①定义决策矩阵：将除主雾节点fk以外的所有雾节点fj,(fj∈Φ,fj≠fk)作为决策方案，对应到决策矩阵的行向量，而矩阵的列向量由每个fj的 和 三个属性值来确定；

②规范化决策矩阵：采用极差变换法对决策矩阵进行规范化处理；

③决策矩阵加权：将最优组合权重与规范化的决策矩阵相乘得到加权规范化决策矩阵；其中，最优组合权重的设计依据最小鉴别信息原理将主观权重与客观权重结合构建组合权重，在此基础上釆用拉格朗日乘子法求得最优组合权重表达式；

④根据网络端保存的属性信息，计算除主雾节点fk以外的所有雾节点fj的决策矩阵，进而得到所有决策方案的加权规范化决策矩阵；

⑤根据④所获得的加权规范化决策矩阵，计算每个fj对应的加权融合值，即fj的协作贡献度的融合值大小⑥通过fj的剩余计算容量 对fj进行判断，若 则将其纳入协作雾节点待选集合，将所有 的待选协作雾节点按照 从大到小的顺序进行排序，构建协作雾节点待选集合Γ＝{j1,j2,…,jn,…,jN}。

5.根据权利要求1所述的一种雾计算网络中基于雾节点协作的负载均衡方法，其特征在于：所述步骤S4具体为：(1)协作贡献比系数的设计

本文提出了协作贡献比系数，用来激励参与协作的雾节点，假设执行负载均衡算法的协作雾节点的个数为M个，M≤N，M的取值根据能够主观调节的协作贡献度阈值对Γ进行截断，构建协作雾节点子集Γ*＝{i1,i2,…,im,…,iM}来确定；所贡献的计算资源的比例，在保证协作可行性、协作公平性以及协作稳定性的前提下，平衡雾节点间的负载分配；

Γ*中所有雾节点的协作贡献度的平均值 表示如下：

定义雾节点im的协作贡献比系数χm，表示如下：

其中，

(2)引入协作贡献比系数的系统总开销优化问题：

提出了协作贡献比系数χm，旨在将其作为协作雾节点im的激励因子引入到系统能耗总成本和用户支付总成本的函数项中作加权系数，从而促使最优解中，被χm激励的协作雾节点最终分到的负载大小与其自身的协作贡献度大小成正比；

引入χm后的系统能耗总成本的激励因子加权项Ecost，表示如下：

引入χm后的用户支付总成本的激励因子加权项Ucost，表示如下：

提出的优化问题以优化系统能耗成本和用户支付成本为目标，考虑到计算负载的分配面向的是计算密集型任务需求，用户的时延敏感略次之，仅在保障用户QoE的前提下，将时延用作约束；优化问题表示如下：其中， 为主雾节点 卸载到本地执行的负载的数据

大小 为所有协作雾节点im(im∈Γ*)被分配的负载的数据大小；β为权衡系统能耗成本与用户支付成本的系数，0＜β≤1；约束条C1表明所有雾节点执行的任务负载的总和为用户请求的任务负载；约束条件C2为时延限制，确保执行任务的同时保证用户QoE需求；

约束条件C3限制用户上行链路的传输功率不能超过最大发射功率pmax；约束条件C4和C5确保雾节点需要执行的负载的计算量在自己的可供使用的剩余计算量以内，和为主雾节点fk和协作雾节点im的剩余计算量的保留阈值，保证雾节点除在可用资源范围内执行协作任务以外，预留计算资源给其他任务。

6.根据权利要求1所述的一种雾计算网络中基于雾节点协作的负载均衡方法，其特征在于：所述步骤S5具体为：①用户将计算任务发送至其所关联的SeNBk，SeNBk的共处雾节点fk无法独立执行全部任务负载，向雾集群管理方，即MeNB的共处雾节点上报，提供自身及任务负载的相关信息，请求帮助；

②雾集群管理方收到请求，触发与其共同部署的负载均衡器执行协作雾节点筛选算法，从所有除主雾节点fk以外的剩余雾节点fj,(fj∈Φ,fj≠fk)中筛选出可供选择的协作雾节点，并按照协作贡献度从大到小的顺序，构建协作雾节点的待选集合Γ＝{j1,j2,…,jn,…,jN}；

③负载均衡器依据设置好的并且可主观调节的协作贡献度阈值Θthreshold对Γ进行截断，选取前M个jn 组成子集Γ*＝{i1,i2,…,im,…,iM}；设置轮流对比方案，从起始数量开始，以1为步长，前2个协作雾节点、前3个协作雾节点，....,一直到前M个协作雾节点，共M-1个方案，对这M-1个方案都使用外部罚函数法求解最优分配结果，并将最优分配结果中的成本与时延进行综合对比，选出最佳的一种，作为最佳的协作方案；

④引入M个选择使能因子ηm，m∈{1,2,…,M}，ηm的取值由最佳分配结果中im分得的负载的数据量大小确定，若im在最优方案中分得的负载数据量大小不为0，那么ηm＝1，否则，ηm＝

0；

⑤负载均衡器将最佳分配方案的协作雾节点使能选择与对应的负载分割结果通告给主雾节点fk，fk按照通告执行对任务负载的分割以及相应协作雾节点的选择。