随着物联网技术的日渐成熟,物联网连接设备不断增多,数据量迅速增加,使云数据中心压力过大,致使一些时延敏感的用户请求不能得到快速响应,给传统的云计算网络架构带来了巨大的挑战。雾计算作为一种新兴计算模式,将云计算延伸到了网络边缘,具有实时性、低延时等特点,能更好的满足延迟敏感的用户请求。目前,资源调度是雾计算中的一个新兴研究热点,是影响雾计算服务性能的重要因素,资源调度过程会面临大规模任务和多样的用户需求,给雾计算架构带来了巨大的挑战。因此,论文选择雾计算中的资源调度问题作为研究课题。本文结合雾计算架构,建立资源调度模型,从用户和任务角度提出基于模糊聚类算法的资源调度算法和基于改进蜂群算法的资源调度算法。具体研究内容如下。(1)基于模糊聚类算法的雾计算资源调度算法设计。首先,对资源的各种性能指标进行标准化和归一化处理,解决对聚类结果影响不均衡问题;然后,将模糊聚类算法和粒子群算法结合改善聚类效果,完成资源的聚类划分,缩小资源的搜索规模;最后,根据不同的用户需求偏好,通过权重匹配方法获得最高分数,将最终调度结果返回给用户,实现用户需求与资源的匹配,完成资源的合理调度。实验结果表明,本文所提出的调度算法能够对雾资源进行正确聚类,获得用户需求和资源匹配结果,相比传统的Min-min算法,本文算法有效地提高了用户满意度。(2)基于改进蜂群算法的雾计算资源调度算法设计。首先,对雾计算资源调度问题进行描述,建立雾计算资源调度数学模型;然后,在人工蜂群算法初始化中引入混沌策略进行优化,得到采用混沌变量的种群初始化公式,一定程度上改善了标准人工蜂群算法的缺陷;最后,将改进后的算法用于求解雾计算资源调度问题,得到雾计算资源调度最优方案。实验结果表明,改进后的蜂群算法具有更快的收敛速度,所提出的调度算法减少了雾环境中的任务完成时间,较好的改善了雾计算的调度性能。