جانمایی چند هدفه سرویس های اینترنت اشیا در رایانش مه با استفاده از الگوریتم بهینه سازی نهنگ و شبکه عصبی MLP

با پیشرفت روزافزون کاربردهای اینترنت اشیاء (IoT)، استفاده از آن ها برای تسهیل فعالیت های روزمره در حوزه های مختلف در جهت افزایش کیفیت زندگی انسان به طور چشمگیری افزایش یافته است. رایانش مه به عنوان یک راه حل محاسباتی توزیع شده برای خدمت به این برنامه ها با استفاده از گره های مه موجود در مجاورت دستگاه های IoT پدیدار شده اند. برنامه های اینترنت اشیاء در قالب چندین خدمت IoT با الزامات مختلف کیفیت خدمات (QoS) توسعه یافته اند که می توانند بر روی گره های مه مستقر شوند. از این رو، یافتن یک طرح جانمایی خدمات کارآمد برای بهره برداری از قابلیت های منابع مختلف در اکوسیستم مه یکی از مسائل چالش برانگیز است که باید در نظر گرفته شود. در این پژوهش، یک راه حل کارآمد جانمایی خدمات IoT بر اساس شبکه عصبی پرسپترون چندلایه (MLP) و الگوریتم بهینه سازی نهنگ (WOA) برای استقرار برنامه های اینترنت اشیاء در زیرساخت مه پیشنهاد داده شده است. راه حل پیشنهادی الزامات QoS خدمات اینترنت اشیاء و قابلیت های گره های مه موجود را برای تعیین یک سرویس کارآمد نظارت می کند. طرح جانمایی ابتدا به کمک مدل MLP تخمین زده می شود؛ سپس با استفاده از روش فراابتکاری الگوریتم های بهینه سازی می گردد. در رویکرد حاضر، از Fog computing و Distributed computing model توان عملیاتی، مصرف انرژی و تاخیر به عنوان توابع هدف برای یافتن طرح جانمایی خدمات اینترنت اشیاء مطلوب استفاده کرده است. نتایج شبیه سازی نشان می دهد که راه حل پیشنهادی مصرف منابع و نسبت پذیرش خدمات را افزایش می دهد و تاخیر سرویس و مصرف انرژی را در مقایسه با سایر رویکردهای فراابتکاری کاهش می دهد.

کلیدواژه ها:

رایانش مه ، برنامه های کاربردی IoT ، جانمایی خدمات ، الگوریتم بهینه سازی نهنگ (WOA) ، شبکه عصبی پرسپترون چندلایه MLP