بهینه سازی تخصیص منابع در شبکه های محاسباتی مه

در سال های اخیر تعداد دستگاه های هوشمند و در نتیجه ی آن انتقال داده به صورت بی سیم افزایش قابل توجهی یافته است. این خدمات نوظهور نیازمند قابلیت های محاسباتی، قدرت باتری و انتقال داده ی بالایی هستند. از آنجا که ظرفیت محاسباتی این دستگاه ها محدود است، ارائه خدمات در شبکه های بی سیم نسل پنجم از نظر تاخیر در عملکرد و میزان مصرف انرژی و امنیت داده ها با چالش بزرگی روبرو شده است. به همین منظور مدل جدیدی از شبکه محاسباتی مه ارائه شده است که خدمات ریانش ابری را در لبه ی شبکه ارائه می دهد. به کمک محاسبات مه، کاربران دستگاه های متحک نیازی به ارسال تمام درخواست ها به ابر مرکزی و راه دور ندارند. در این پژوهش با فرض بر اینکه هرکاربر متحرک یک درخواست از مجموعه ای از درخواست ها دارد و باید با انتخاب یکی از سه حالت پردازش که شامل حالت محلی، مه و ابر است برای انجام درخواست تصمیم گیری کند، تخلیه وظیفه و تخصیص منابع به عنوان یک مسئله برنامه ریزی غیر خطی در نظر گرفته شده است. در این مقاله تابع چند هدفه جهت به حداقل رساندن تاخیر، میزان مصرف انرژی و ریسک، تعریف شده و بااستفاده از الگوریتم چند هدفه ژنتیک بهبود یافته MONSGA۲ حل شده است. استفاده از روش مقیاس گذاری سیگما بهبود قابل توجهی در عملکرد الگوریتم NSGA۲ از نظر تعداد جواب های بهینه پارتو پراکندگی و تنوع جواب ها دارد و با استفاده از این روش قابلیت های کاوش و بهره وری دراین الگوریتم به خوبی کنترل شده است. نتایج نشان می دهد استفاده از مقیاس گذاری سیگما بهبود قابل توجهی در عملکرد الگوریتم NSGA۲ دارد.

کلیدواژه ها:

محاسبات مه ، الگوریتم NSGA۲ ، بهینه سازی چندهدفه ، مقیاس گذاری سیگما