雾计算将云计算服务扩展到网络边缘,弥补了云计算在位置感知、移动性支持、时延等方面的不足。雾计算作为一种新兴的计算模式,“以雾节点作为资源提供者”的特点为其带来一系列新的问题与挑战。由于雾节点具有资源有限性、分布性、异构性、自私性等特征,因此如何有效地对雾节点中的资源进行管理,成为了雾计算领域的重要研究内容。在雾计算资源管理方面,存在如下亟待解决的问题:首先,雾节点贡献资源时的收入与成本难以得到有效平衡;其次,云服务提供商缺乏有效的激励机制促使雾节点持续稳定的贡献资源;再次,雾计算应用的服务质量难以得到保证。针对以上问题,本文紧密围绕雾计算的资源管理问题展开研究。受人体神经系统工作机理的启发,本文提出了类人体神经系统的雾计算架构,并在该架构的基础上,利用微分博弈理论、重复博弈理论、改进的NSGA-Ⅱ算法,在资源贡献、激励机制、资源分配等方面展开深入研究,其主要工作和创新性成果概括如下:(1)提出基于微分博弈的雾计算资源贡献模型,构建了雾节点的资源贡献最优控制方案。相比于传统的静态资源贡献模式,所提出的模型考虑到雾节点在资源贡献量策略选择过程中的动态性,以及不同雾节点在贡献资源时对彼此收益的影响,给出了雾节点在有限时域和无限时域下的资源贡献最优控制方案,解决了雾节点在贡献资源时收入与成本之间的权衡问题。(2)提出基于重复博弈的雾计算激励机制,构建了云服务提供商的最优奖励方案。相比于传统的激励机制缺乏对未来因素的考虑,所提方案考虑到未来收益对云服务提供商制定奖励策略的影响,并引入了对博弈双方具有可信威胁的触发策略。通过比较云服务提供商和雾节点之间的无限次重复博弈的收益情况,给出了云服务提供商能够激励雾节点持续稳定贡献资源的最优奖励策略。(3)提出面向服务延迟和稳定性优化的雾计算资源分配模型及算法,在减少用户服务延迟的同时,提高了用户任务执行的稳定性。相比于传统的雾计算资源分配方案,所提方案考虑到不同雾节点的服务性能和信誉度等方面都存在较大差异,以优化服务延迟和任务执行的稳定性为目标进行资源分配,有效保障了雾计算服务的服务质量。此外,针对传统NSGA-Ⅱ算法容易产生最优解集中解的分布不理想的问题,对拥挤距离的计算方法进行了优化,使得资源分配解集具有了更好的分布性。仿真结果显示,我们提出的资源分配算法在降低服务延迟和提高任务执行过程的稳定性方面具有较好的性能。