بهبود مصرف انرژی در تخصیص منابع اینترنت اشیا مبتنی بر محاسبات مه با الگوریتم ترکیبی ژنتیک و گرگ خاکستری

محاسبات مه، یک حوزه تحقیقاتی نوظهور برای ارائه خدمات محاسبات ابری به لبه های شبکه است. دستگاه های اینترنت اشیا که حجم عظیمی از داده ها را تولید می کنند، نیاز به تصمیم گیری مناسب برای انتقال داده-ها به گره های مه دارند. برای دستیابی به عملکردی بهتر و کاهش مصرف انرژی در سیستم های بلادرنگ، با مطالعه ویژگی های دو الگوریتم گرگ خاکستری و ژنتیک، در این مقاله یک الگوریتم بهبودیافته ترکیبی برای حل مسئله تخصیص منابع ارائه شده است. در الگوریتم ژنتیک فضای جواب به طور همه جانبه جستجو می شود، بنابراین امکان کمتری برای همگرایی به یک نقطه بهینه محلی وجود خواهد داشت. اما الگوریتم گرگ خاکستری از نیمه دوم تکرار ها به دلیل کم رنگ شدن نقش اکتشاف، ممکن است در بهینه محلی گرفتار شود. ترکیب این دو الگوریتم باعث ایجاد امکان اکتشاف از طریق بروزرسانی جواب ها با استفاده از قابلیت جهش و تقاطع الگوریتم ژنتیک در الگوریتم گرگ خاکستری می شود. نتایج نشان می دهد ترکیب و استفاده همزمان از نقاط مثبت دو الگوریتم در بهبود سرعت اجرای الگوریتم و همچنین کاهش مصرف انرژی اثربخش بوده است. از طرفی در بحث همگرایی، الگوریتم پیشنهادی ضمن حفظ سرعت اجرا، همگرایی مطلوبتری نسبت به دو الگوریتم ذکر شده دارد و در بهینه محلی نیز گرفتار نمی شود.

کلیدواژه ها:

الگوریتم ژنتیک ، الگوریتم گرگ خاکستری ، اینترنت اشیا ، تخصیص منابع ، محاسبات مه.