伴随着“互联网+”时代的到来,终端用户不断增多,终端采集的数据量也呈现爆炸式增长,由此给云数据中心带来巨大的数据处理压力,并且带来了网络带宽、资源存储、通信负载等方面成本的提高。为了解决上述问题,有关学者在传统云计算的基础上提出了一种新的计算模式——雾计算。与云计算相比,雾计算将服务器和终端的距离拉得更近,增强了基于地理位置的服务体验。目前,雾计算的网络架构还是传统的云—雾—终端设备为核心的三层网络架构,这种网络架构因其管理和转发功能集成于同一设备的特性,在解决网络拥塞控制问题上有一定的困难。本文首先针对上述问题进行研究,通过分析SDN的架构以及OpenFlow协议,设计了一个通用的、基于SDN的雾计算网络架构,并且对比了该架构和传统三层架构在任务执行过程中的数据流向。为了验证改进架构缓解网络拥塞的能力,在SDN控制器中加入Dijkstra算法进行重路由决策,仿真结果显示改进的架构可以有效地缓解网络拥塞情况。其次,为了给终端设备的任务请求分配合理的计算资源,本文改进了传统的任务调度算法,将任务调度期间的总执行时间、总耗能、总花费的加权作为优化目标,将多目标优化问题转变为单目标优化问题。针对遗传算法的早熟问题,在变异过程后融合了模拟退火算法。针对模拟退火算法的收敛速度过慢问题,将常数退火因子修改为动态变化的参数,以达到快速收敛的目的。通过Cloudsim平台仿真进行验证,结果显示改进算法可以有效降低执行成本、时延以及通信负载。最后,为了让雾节点持续稳定地向云服务提供商贡献空闲资源,本文构建了云服务提供商和雾节点共同参与的基于演化博弈的资源激励算法。在该激励算法下,云服务提供商通过资金不断激励雾节点贡献自身资源,而且在博弈过程中,雾节点通过复制动态策略不断模仿高收益的节点雾策略。仿真结果显示,该资源激励算法可以促使节点持续稳定地贡献空闲资源。