随着物联网的发展和云计算技术的日益成熟,接入网络的设备不断增多,造成云数据中心的负荷增大,一些对延迟敏感的服务无法及时响应,导致服务质量(Quality of Service,QoS)下降。目前大多数物联网应用需要快速的响应,一些应用可能涉及数据安全问题,对此,传统的云计算模式不能满足这些应用要求。雾计算是云计算在网络边缘的延伸,数据处理更靠近终端用户,能够进行本地存储和计算,具有低延迟、高移动性等优点,目前已成为物联网研究的热点之一。物联网的发展使得用户对应用服务的需求日益复杂,并且具有相同服务功能的资源也逐渐增多,资源管理成为一项挑战。如何满足用户的应用需求并且保证资源利用率是雾计算研究的主要方向之一。因此,论文选择资源评估作为研究的课题,从单用户和多用户的角度给出资源评估的方法,考虑用户需求的特性和资源的多QoS属性,提出了基于QoS的资源评估方法和基于匹配博弈的资源评估方法。具体内容如下。(1)提出一种基于Qo S的资源评估方法。该方法考虑了资源的多QoS属性和随机波动特性,通过相似度匹配和预测方法进行评估。首先依据加权的欧氏距离相似度对资源进行分类和匹配。考虑到资源的约束条件,引入惩罚因子和灰色关联矩阵,以修正相似度匹配函数。然后,使用回归-马尔科夫链组合预测的方法对候选资源自身的负载状态变化进行分析。为削弱数据波动对预测结果的影响,文中加入动态序列权重调节函数对数据序列进行优化。实验结果表明,本文改进的相似度匹配方法在准确率方面优于传统的相似度方法,并且回归-马尔科夫链预测方法能够提高预测精度。(2)提出一种基于匹配博弈的资源评估方法。该方法充分考虑了用户和资源提供者,采用一对多双边匹配博弈方法对多用户资源评估选择问题进行建模。为解决资源属性间的冲突,本文采用VIKOR方法建立用户请求对资源的偏好序列。然后依据用户请求和资源对彼此的满意度给出效用函数,通过稳定匹配方法,评估所有可能的匹配结果,选择出综合效用函数最大的匹配结果。实验结果表明,本文提出的方法能够保证用户和资源提供者的双方满意度,提高整体资源的利用效率。