کاهش انرژی مصرفی در پردازش لبه با استفاده از الگوریتم های فراابتکاری

با گسترش اینترنت اشیاء (IoT) و افزایش حجم داده های تولیدی، پردازش لبه (Edge Computing) به عنوان راهکاری موثر برای کاهش تاخیر و بار شبکه مطرح شده است. با این حال، مصرف انرژی در گره های لبه به ویژه در محیط های دارای منابع محدود، چالش برانگیز است. در این پژوهش، رویکردی مبتنی بر الگوریتم های فراابتکاری جهت کاهش انرژی مصرفی در معماری های پردازش لبه پیشنهاد شده است. الگوریتم هایی مانند الگوریتم ژنتیک، بهینه سازی ازدحام ذرات (PSO) و الگوریتم گرگ خاکستری (GWO) برای بهینه سازی تخصیص وظایف و مهاجرت بار پردازشی میان گره های لبه مورد استفاده قرار گرفته اند. نتایج شبیه سازی ها نشان می دهد که روش های پیشنهادی می توانند به طور موثری مصرف انرژی را کاهش داده و در عین حال کیفیت خدمات (QoS) را حفظ نمایند. این نتایج، افق های نوینی را برای مدیریت هوشمند منابع در محیط های پردازش لبه فراهم می سازد.

کلیدواژه ها:

بهینه سازی مصرف انرژی ، اینترنت اشیا (IoT) ، گرگ خاکستری ، ازدحام ذرات