引言

物联网作为一种信息综合体系，通过内部数据的定向传输，保证数据识别、数据对接，可精准的反映出内部事物的运行状态。物联网体系的运行依靠云端对数据信息进行整合，然后通过数据资源的有序性分配，实现物体与人之间的信息交流。但受到物联网内物体所产生多元信息的影响，数据信息在某一节点下的容量呈现出指数增长的趋势，在一定程度上，加大数据传输与存储的冗余性问题，延迟数据信息的运算与响应效率。边缘计算模式的应用，主要是对网络进行分层处理，通过拓扑结构模型，对信息在网络通道内的传输形式以及资源占用比进行计算，测定出网络边缘所能承受到数据迁移值，以降低网络容量的缓存，提高数据响应能力。本文则是针对物联网边缘计算资源分配体系的模糊建模特性进行优化探讨，仅供参考。

1.EC-IoT物联网架构

现阶段，随着物联网基础感知部件的应用，以成本性为主导的计算形式逐渐由集成化，向边缘化方向所转变，这就需要边缘计算在具体实现过程中，需部分计算功能进行边缘推移，保证承接物联网数据运算的云端所具备的运算能力符合边缘设备运行需求，进一步为物联网内部运算形式进行优化处理。在计算形式发生迁移的过程中，边缘架构内部数据信息传输机制主要是以事物层、设备层、网关层、服务层为工序，确保云计算过程可精准的作用到各个数据传输环节中。例如，在边缘网关中的数据处理形式，主要是将整个运算工序放置到虚拟化服务中，保证数据信息处理过程中，上层边缘、下层边缘在进行数据过渡时，减少时间消耗，以此来真正实现数据信息的调度。虚拟化服务器在此过程中，则是起到数据流量监控，业务协议验证、流量验证等作用，这样便可精准的计算出数据运算所消耗的时间以及数据任务的分解情况，极大简化边缘任务的繁琐性，增强EC-IoT物联网架构对内部数据信息的响应效率。

2.系统模型建构及优化策略

2.1 任务驱动模型。EC-IoT物联网架构内部的数据信息传输，具有一定的延时特性，这就造成数据框架内的资源分配呈现出一定的不均衡性，如果系统无法正确描述某一项数据信息，则必然加大资源分配与资源消耗之间存在权重失衡现象。为此，在对任务驱动模型进行建构时，需以目标策略为主，令系统内任务的执行具有可分解属性，这样便可进一步将资源分配呈现出一定的去中心化效果，保证资源所占用的比值，精准的推送到边缘计算任务中。然后系统依据描述特征，将主任务进行分解，找出数据关键因子在系统中的运行轨迹，进而实现不同任务在具体分化过程中所形成的映射关系，通过子任务对资源分配所具备的数据机制，保证任务执行过程中，数据信息可精准的导入到设备资源体系中，以获得与边缘计算值相符合的运算能力。任务驱动模型在建构完成后，以目标为主体的任务驱动在具体执行过程中，具有较强的周期特点，且此类初始值所呈现出间隔特点与不同信息节点下的周期运算时间精准对接，以保证系统任务执行中，时间资源消耗呈现出一定的有序性，加大当前时间段内数据信息处理的连贯性，提高数据运算容量，增强各任务之间的关联属性。

2.2 优化策略。针对系统在处理信息过程中所呈现出的延时、耗能等问题，可采用模糊目标建设的方法，令物联网架构内任务执行周期具有一定的随机特性，这样便可最大限度的提高系统在当前任务处理过程中的资源优化概率。通过任务随机选取的形式，将其与模糊资源之间建立一个对接渠道，以提高不同任务之间的交互能力，便可令任务在执行过程中，按照原有的数据描述，对主任务、子任务等，进行模糊化、随机化的分解，令系统运算形式在当前计算机设备中呈现出资源均衡分配的特点，进而实现在当前网络下基准资源的应用是建立在不同任务资源之上来获取的，提高资源分配的合理性。此外，系统接收到任务分解指令时，配置层面自动生成均衡效果，可有效保证各项子任务的建设消耗最小的资源，达到资源利用效果的最大化，令当前系统可用资源在总资源消耗基础之上，实现集成与边缘的分散，进一步削减任务执行过程中的时延间隔。通过模糊目标的建设，可将问题进行独立目标的设定，保证EC-IoT架构内的簇群数据具有交叉性与初始性，一旦发生数据簇群的突变，系统可自动分析出因子与突变算子之间的耦合关系，然后依据总资源的均衡分配特性，进行自主优化，提高数据信息传输的精准性。

文章来源：《物联网技术》 网址: http://www.wlwjszz.cn/qikandaodu/2021/0203/1334.html