شبیه سازی جایگذاری سرویس در مه با استفاده از یادگیری تقویتی در شبیه ساز yafs

سال انتشار: 1402
محل انتشار: ششمین کنفرانس بین المللی پژوهش های نوین در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام
کد COI اختصاصی: ICECM06_094
زبان مقاله: فارسی
تعداد مشاهده: 218

نویسندگان

کارشناسی ارشد مهندسی هوشمصنوعی، دانشگاه صنعتی خواجه نصیرال د ین طوسی، تهران

کارشناسی ارشد مهندسی هوش مصنوعی، دانشگاه صنعتی خواجه نصیرال د ین طوسی، تهران

چکیده

با توجه به پیشرفت ها ی صورت گرفته در سالهای اخیر، اینترنت اشیا به یکی از تکنولوژی های محبوب بدلشده که با تسهیل ارتباط میان انسان و اشیاء باعث افزایش کیفی ت زند گی می شود. برای پاسخگویی به نیازهایاینترنت اشیا، می توان از رایانش ابری ۲ استفاده نمود اما برخی از کاربردهای اینترنت اشیا نیازمند تاخیر کم درارسال داده ها می باشند و رایانش ابری گزینه خوبی برای ا ین کاربردها نیست. در سال های اخیر مفهوم رایانشمه به راه حلی مناسب برای پردازش داده های تولید شده توسط اینترنت اشیا تبدیل شده است. البته استفاده ازرایانش مه نیز به دلیل محدودیتهایی که در ناهمگن بودن منابع و غیر قابل پیش بینی بودن آن دارد، دارا یچالش هایی در مدیریت منابع می باشد. یکی از مهمترین این چالش ها مسئله جایگذاری سرویس می باشد که مادر این مقاله یک روش جایگذاری سرویس جدید ارائه میدهیم که از یاد گیری تقویتی برای تطبیق با محیطاستفاده می کند و روش ارائه شده را در محیط شبیه ساز yafs مورد بررسی قرار میدهیم.

کلیدواژه ها

اینترنت اشیا، رایانش مه، جایگذاری سرویس، بهینه سازی، شبیه سازی

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.