En kvantinspirerad multiobjektiv schemaläggare för skalbar uppgiftsorkestrering i dimbaserade cyber-fysisk-sociala system

Smartare beräkning i nätverkets utkant

Från smartklockor och uppkopplade bilar till stadsomfattande sensornätverk förlitar sig vårt dagliga liv i allt högre grad på miljontals små enheter som måste reagera i realtid. Denna artikel undersöker hur man kan koordinera all denna digitala aktivitet snabbare, billigare och med mindre energiförbrukning genom att ompröva hur uppgifter schemaläggs på ”fogen” av små servrar som sitter mellan våra prylar och avlägsna molndatacenter.

Varför molnet ensam inte räcker

Moderna cyber-fysiska-sociala system blandar fysiska sensorer, datornät och mänskligt beteende. Exempel inkluderar smarta transporter, fjärrövervakad hälsa och industriell automation. I dessa miljöer måste data ofta bearbetas på millisekunder; att enbart förlita sig på avlägsna molnservrar kan innebära fördröjningar, överbelastning och avbrott i tjänsterna. Fog computing hanterar detta genom att placera beräkningsnoder närmare användarna—på vägkantssensorer, basstationer och lokala gateway-enheter. Men att avgöra vilken fog-nod som ska hantera vilken uppgift är långt ifrån trivialt. Varje beslut påverkar hur länge användare får vänta, hur mycket leverantörer betalar för resurser och påföljder, samt hur mycket elektricitet det övergripande systemet förbrukar.

Utmaningen att jonglera tid, pengar och energi

Uppgiftsschemaläggning i fogmiljöer är vad datavetare kallar ett NP-hårt problem: när antalet enheter och jobb växer exploderar antalet möjliga tilldelningar. Befintliga schemaläggare baserade på svärmintelligens, förstärkningsinlärning eller klassiska evolutionära algoritmer kan hantera två mål, såsom tid och kostnad, men de kämpar ofta när en tredje faktor—energieffektivitet—läggs till, eller när tusentals uppgifter kommer från högt mobila, socialt drivna användare. Dessa metoder kan konvergera långsamt, fastna i lokala optima eller ge ett begränsat utbud av kompromissalternativ, vilket gör det svårt att köra stora, realistiska distributioner.

Låna idéer från kvantfysiken—utan en kvantdator

Författarna föreslår FOG-QIEA, en ny schemaläggningsram som är ”kvantinspirerad” men körs helt på vanliga processorer. Istället för att använda verkliga kubiter kodar algoritmen varje möjlig uppgifts-till-nod-tilldelning som en probabilistisk vektor som efterliknar kvantöverlappning: många möjligheter representeras samtidigt. Specialiserade uppdateringsregler, jämförda med rotationsgrindar och sammanflätning, justerar dessa sannolikheter på ett koordinerat sätt och hjälper sökningen att först utforska brett och sedan fokusera på lovande områden i lösningsutrymmet. En närhetsstrategi förfinar dessutom grupper av relaterade lösningar så att den slutliga uppsättningen scheman erbjuder balanserade kompromisser mellan tre mål: total exekveringstid, total monetär kostnad (inklusive påföljder för missade deadlines) och total energiförbrukning över fog-noderna.

Sätta den nya schemaläggaren på prov

För att utvärdera FOG-QIEA simulerar författarna realistiska smarta-stads-scenarier med hjälp av iFogSim-verktyget och modellerar hundratals till tusentals Internet of Things-uppgifter som flödar genom en tredelad arkitektur av ändenheter, fog-noder och molnservrar. De jämför sin metod med välkända evolutionära algoritmer som NSGA-II, nyare svärm- och inlärningsbaserade schemaläggare samt andra kvantinspirerade tekniker. Över många körningar och uppgiftsstorlekar konvergerar FOG-QIEA till högkvalitativa lösningar 20–35 % snabbare, minskar energianvändningen med cirka 15–25 % och sänker totalkostnader och överträdelser av servicenivåer jämfört med konkurrerande metoder. Den upprätthåller också en rikare Pareto-front—en mer diversifierad uppsättning bäst-kompromiss-alternativ—så att systemoperatörer kan välja scheman som prioriterar hastighet, besparingar eller hållbarhet efter behov.

Vad detta innebär för framtida uppkopplade samhällen

För icke-specialister är huvudbudskapet att idéer från kvantmekanik kan göra dagens klassiska datorer bättre på att hantera komplexa nätverk. FOG-QIEA visar att genom att representera många schemaläggningsval samtidigt och uppdatera dem på ett koordinerat, sannolikhetsdrivet sätt kan fog-baserade system betjäna fler användare mer tillförlitligt samtidigt som de förbrukar mindre energi. Detta gör storskaliga smarta stads-, hälso- och transportsystem mer praktiska och miljövänliga idag, och lägger grunden för framtida hybrida system som en dag kan kombinera sådana algoritmer med verklig kvantmaskinvara.

Citering: Hammouda, N.G., Shalaby, M., Alfilh, R.H.C. et al. A quantum-driven multi-objective scheduler for scalable task orchestration in fog-based cyber-physical-social systems. Sci Rep 16, 6874 (2026). https://doi.org/10.1038/s41598-025-33627-x

Nyckelord: fog computing, uppgiftsschemaläggning, kvantinspirerade algoritmer, smarta städer, energieffektiv databehandling