بهبود توازن بار در رایانش مه با استفاده از الگوریتم ساخت اهرام جیزه

رایانش مه (Fog Computing)، به عنوان یک مدل نوین در پردازش داده، با تمرکز بر کاهش تاخیر و بهبود بهره وری منابع، جایگاه ویژه ای در معماری های رایانش توزیع شده یافته است. با گسترش استفاده از اینترنت اشیا (IoT)، حجم عظیمی از داده ها به وجود آمده که نیازمند پردازش سریع و کارآمد است. یکی از بزرگ ترین چالش های موجود در این حوزه، مدیریت موثر توازن بار میان گره های پردازشی برای به حداقل رساندن تاخیر و بهینه سازی مصرف انرژی است. این مقاله رویکردی نوین مبتنی بر الگوریتم ساخت اهرام جیزه (Giza Pyramids Construction Algorithm)ارائه می دهد که از رفتارهای طبیعی ساختاریافته الهام گرفته و فرآیندهای پیچیده ساخت وساز را شبیه سازی می کند. این الگوریتم در رایانش مه برای توزیع بهینه وظایف میان گره های پردازشی به کار گرفته شده است. علاوه بر این، الگوریتم پیشنهادی با الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری (Teaching-Learning-Based Optimization) مقایسه شده تا عملکرد و کارایی آن در کاهش تاخیر و بهبود بهره وری منابع بررسی شود. با استفاده از شبیه سازی های دقیق در محیط های رایانش مه، نتایج نشان می دهند که الگوریتم ساخت اهرام جیزه نه تنها قادر به بهبود توازن بار است، بلکه مصرف انرژی را نیز بهینه می کند. همچنین، نتایج شبیه سازی نشان می دهد که الگوریتم مذکور عملکرد بهتری نسبت به روش های موجود در کاهش تاخیر شبکه و افزایش بهره وری کلی دارد. مدل ارائه شده در این تحقیق با ارائه یک راهکار خلاقانه و عملی، پتانسیل بالایی برای بهبود سیستم های رایانش مه و پردازش داده های حجیم در محیط های توزیع شده دارد. این مطالعه راه را برای تحقیقات آینده در زمینه الگوریتم های الهام گرفته از طبیعت در بهینه سازی سیستم های توزیع شده هموار می سازد.

کلیدواژه ها:

توازن باز ، رایانش مه ، الگوریتم ساخت اهرام جیزه ، الگوریتم تکاملی