智能工厂中的雾计算资源调度

摘要

随着新一代信息技术的发展,许多传统工厂开始向智能工厂转型。如何对智能工厂中海量数据进行处理,从而提高工厂的生产效率仍然是一个严峻的问题。基于智能工厂的特性提出适用于智能工厂的雾计算框架,使用Kubernetes对容器化的智能工厂应用进行自动化部署。并且提出基于遗传算法改进的区间划分遗传调度算法(interval division genetic scheduling arithmetic,IDGSA)对智能工厂中的容器应用进行调度分配。仿真实验表明,与Kubernetes缺省的调度算法相比,IDGSA算法可使数据处理时间减少50%,雾计算资源使用率提高达60%;与传统的遗传算法相比,在迭代次数更少的情况下,可使数据处理时间减少7%,雾计算资源的使用率提高9%。