针对跨数据中心的资源调度问题，提出了一种基于组合双向拍卖（PCDA）的资源调度方案。首先，将云资源拍卖分为三个部分：云用户代理报价、云资源提供商要价、拍卖代理组织拍卖；其次，在定义用户的优先级及任务紧迫度的基础上，在拍卖过程中估算每一个工作发生的服务等级协议（SLA）违规并以此计算云提供商的收益，同时每轮竞拍允许成交多项交易；最终达到根据用户等级合理分配云资源调度的效果。仿真实验结果表明该算法保证了竞拍成功率，与传统一次拍卖成交一项的组合双向拍卖方案相比，PCDA在竞拍时间段产生的能耗降低了35.00%，拍卖云提供商的利润提高了约38.84%。
针对在云雾协作下实现移动用户任务请求的合理分配与调度的问题，提出了一种基于云雾协作模型的任务分配算法——IGA。首先，采用混合编码的方式对个体进行编码，并采用随机的方式产生初始种群；其次设定服务商的花费作为目标函数；然后进行选择、交叉、变异操作产生出符合条件的新个体；最后，根据染色体中的任务请求类型分配到相应的资源节点上，并更新迭代计数器，直到迭代完成。仿真结果表明，在处理移动用户请求时，与传统的云模型相比，云雾协作模型在时延上降低了近30 s，服务水平目标（SLO）违规率上降低了约10个百分比，在服务提供商花费上亦有所减少。
针对移动群智感知任务中区域全覆盖感知成本过高问题，提出基于压缩感知的移动群智感知任务分发（CS-TD）机制。首先提出了感知任务整体成本模型，该模型综合考虑了参与感知任务的节点个数、节点的感知次数与数据上传次数；然后基于成本模型，分析感知节点的日常移动轨迹，结合压缩感知数据采集技术，提出了一种基于感知节点轨迹的压缩感知采样方法；其次通过区域全覆盖最少节点（RCLN）算法，选出最佳节点集合，对节点进行任务分配，利用压缩感知技术恢复节点数据；最后在多次感知任务的迭代中对感知节点的可信程度进行评定，保证任务方案的最优性。对CS-TD分发模型进行多次实验验证，与已有的CrowdTasker算法相比，CS-TD算法平均成本降低了30%以上。CS-TD模型能有效降低感知节点的消耗，能在全覆盖感知任务中降低整体感知成本。
针对高速数据传输及计算所带来时延和终端设备能耗问题，提出了一种在上行链路采用等功率分配的传输方案。首先，依据增强现实（AR）业务的协作属性建立了针对AR特性的系统模型；其次，详细分析了系统帧结构，建立以最小化系统消耗总能量为优化目标的约束条件；最后，在保障延迟和功耗满足约束的条件下，建立了基于凸优化的移动边缘计算（MEC）资源优化求解数学模型，从而获得最优的通信和计算资源分配方案。与独立传输相比，该方案在最大延迟时间分别为0.1 s和0.15 s时的总能耗降幅均为14.6%。仿真结果表明，在相同条件下，与基于用户独立传输的优化方案相比，考虑用户间协作传输的等功率MEC优化方案能显著减少系统消耗的总能量。
针对延迟容忍网络（DTN）拓扑结构动态变化和节点存储空间有限的问题，提出一种具有拥塞控制策略的DTN传染路由（ERC2）方法。该方法基于一种动态存储状态模型（DSSM），节点可通过感知网络状况动态调整节点半拥塞状态的门限降低网络发生拥塞的可能性，增加ACK索引以及消息管理队列，使节点存储状态随着网络负载的随机变化而动态更新并主动删除冗余包，并根据不同拥塞状态结合传染路由和Prophet路由的优点选择单一或混合模式进行消息转发，从而达到预防、避免、解除拥塞的目的，实现节点自适应缓存管理以及网络的动态拥塞控制。在模拟器ONE上采用Working Day Movement模型进行仿真，其中与Prophet相比，ERC2方法在消息递交率上提高66.18%，平均时延降低48.36%，转发次数提高22.83%。仿真结果表明，在拥塞程度不同的场景中，ERC2与Epidemic、Prophet路由算法相比具有更好的网络性能。
为解决共享交通下的共乘用户群体发现效率低、准确率不高问题，依据R-树原理建立GeoOD-Tree索引，并在此基础上提出以最大化共乘率为目标的群体发现策略。首先，对原始时空轨迹数据进行特征提取与标定处理，挖掘有效出行起讫点（OD）轨迹；其次，针对用户起讫点轨迹的特征，建立GeoOD-Tree索引进行有效的存储管理；最后，给出以最大化共乘行程为目标的群体发现模型，并运用K最近邻（KNN）查询对搜索空间剪枝压缩，提高群体发现效率。采用西安市近12000辆出租车营运轨迹数据，选取动态时间规整（DTW）等典型算法与所提算法在查询效率与准确率上进行性能对比分析。与DTW算法相比，所提算法的准确率提高了10.12%，查询效率提高了约15倍。实验结果表明提出的群体发现策略能有效提高共乘用户群体发现的准确率和效率，可有效提升共乘出行方式的出行率。
