雾计算和边缘计算环境下的生物启发式优化

Bio-Inspired Optimization in Fog and Edge Computing Environments

一个复杂性科学的新时代正在兴起，在这个时代中，受自然和生物启发的原理正在被应用以提供解决方案。同时，由于物联网 (IoT) 和雾计算等模型，系统的复杂性正在增加。应用自然原理的复杂性科学能否应对高度复杂的网络系统带来的挑战？

雾和边缘计算中的仿生优化：原理、算法和系统试图回答这个问题。它为雾计算和边缘计算提出了创新的、受生物启发的解决方案，并强调了机器学习和信息学的作用。受自然或生物启发的技术是理解和分析集体行为的成功工具。正如本书所展示的那样，复杂自然系统的算法和自组织机制已被用于解决优化问题，特别是在自然界具有适应性、不断发展和分布的复杂系统中。

这些章节着眼于使用基于自然的优化技术增强雾网络在实际应用中的性能的方法。他们讨论挑战并针对云数据中心节点和雾计算网络中的安全、隐私和功耗问题提供解决方案。本书还探讨了如何：

• 现有的雾和边缘架构用于为未来的挑战提供解决方案。

• 地理信息系统 (GIS) 可与雾计算一起使用，以帮助城市地区的用户获得优质医疗服务。

• 优化框架有助于云资源管理。

• 雾计算可以提高农业生产的质量、数量、长期生存能力和成本效益。

• 虚拟化可以支持雾计算，增加资源分配，适用于不同的网络层。

• 雾计算与物联网或云计算的结合可以帮助医护人员预测和分析患者的疾病。