在目前科技技術發達興盛的年代，人與人之間與企業組織之間透過網路搭起 了隨時連結的繫結橋梁，已是個密不可分的關係。而此種隨時進行的資料處理使我 們的裝置以及應用程式產生了大量數據及資料，同時也產生了相當複雜的任務以 及運算，這些任務包含了如：語音辨識(Speech recognition)、電話會議(Conference call)、網路交易(Online transaction)、車上GPS定位系統(Global Positioning System)、
智慧家庭(Smart home)…等。相當多樣的線上作業裝置與網路間的結合都需要多時 多工運算環境，而運算環境所需要的網路應用進步下，所有的資訊處理已從原本的 本地端處理轉成了雲端運算(Cloud Computing)，然而由於提供雲端運算的資料中心 (Data Center)往往因距離需求端太遠而導致延遲時間回應太長，加上來自四面八方 的龐雜資料亦容易造成頻寬不足的窘困，致使任務回覆無法達到即時的效果。因此 在需求端增加伺服器概念的霧端運算(Fog Computing)則成近年來新興的熱門議題 [1-4]，而在此一環境下的任務卸載問題(Task Offloaded)則是其中重要研究議題之一。
雲端運算(Cloud Computing)在1970年代後是一環相當大的資訊服務轉變，而在 圖1雲中的架構顯示雲端運算服務主要提供基礎設施服務(Infrastructure as a service, IaaS)、平臺即服務(Platform as a service, PaaS)、軟體即服務(Software as a service, SaaS)等三項處理服務。雲端運算像在一個區域內的伺服器(Servers)全部結合而成 並將其串起，雲端運算中最上層的雲是處理較高成本且較耗效能的作業，而因比較
Cloud
圖 1：雲端架構示意圖
耗成本的關係，虛擬化的技術，將每一項任務運算成本降低，並且充分利用到機器 內部所有的效能資源，較不造成浪費。而在雲中主要是處理經由多項底層基本通訊 設備或是設施(如個人電腦、手機)上的任務。諸如語音辨識(Speech recognition)、車 上 即 時 資 訊 情 境 感 知 (Real-time situational awareness ) 與 本 地 高 清 地 圖 (High-definition local maps)…等，這些都可透過網際網路傳送到我們所有不同的伺服器去 做複雜且大量的運算，而在這一個傳送的程序當中亦牽扯了相當多的問題，像是我 們在傳輸中會考慮到傳送之間的頻寬 佔用(bandwidth consumption)、能量消耗 (energy consumption)、成本(cost)跟價格(price)等皆是，然而誠如前述，雲伺服器與 使用者基本裝置相互接收任務所需的上傳時間與下載時間因距離過遠，造成延遲 的時間過高，降低服務品質。
Cisco公司於2014年提出了稱之為霧端運算(Fog Computing)的新技術(或稱霧 聯網(Fog network))架構如圖2所示，這一項技術是為了減輕雲端目前所承受的沉重 負擔，由於霧是更貼近地面的雲，一般來說如果有任務要傳送到雲端且雲的容量有 限或成本、頻寬跟消耗的能量較高，則在減少開銷的期待下，霧端伺服器成了一項 不錯的選擇。這一項技術將雲分成了上層的大雲、中層的小雲、最下層就是我們使 用者的基本請求任務行動裝置。而霧端是以分散的方式，主要是為了處理使用者所
Cloud Layer Cloud Layer
Fog Layer
End User
圖 2：霧端架構示意圖
傳送的任務到靠近本身的中層雲取得相對的資源，不用再大老遠到最上層的大雲 來取得資源，而如果中層的鄰近雲若也超過了負擔，則會尋找次近(或次佳)的候選 伺服器來幫忙分擔任務，這樣一來解決了距離較遠的問題，亦降低了成本，更幫助 大雲分擔大多數任務減輕其負擔。
本學位論文針對霧端環境中任務卸載決策的最佳化問題進行探討。學位論文 架構如下：第一章、緒論主要描述霧端運算的相關背景、研究目的以及架構；第二 章、相關研究，針對霧端運算的架構類型以及霧端的最佳資源選擇方式的相關文獻 進行探討；第三章、為本學位論文進行之霧端任務卸載決策研究之問題描述；第四 章、針對本學位論文進行所提之混合型(Hybird)與優先演算法及其他權重混合方法 比較並描述及呈現實驗之結果；最後、結論以及未來期許則至第五章。