الگوریتم چندهدفه در محیط محاسباتی مه برای جایابی سرویس مبتنی بر یادگیری ماشین و سیستم فازی

در سال های اخیر، درخواست برای دستگاه ها و برنامه های کاربردی در لایه اینترنت اشیا با نرخ فزاینده ای افزایش یافته است. به گونه ای که پیش بینی می شود تا سال 2025 حدود 40 میلیارد دستگاه به شبکه متصل شوند. این مسئله باعث کاهش پهنای باند شبکه می شود. علاوه بر این، این امر باعث افزایش تاخیر در خدمات مشتریان به دلیل حجم زیاد درخواست ها خواهد شد. تاخیر در ارائه برخی سرویس ها می تواند خسارت فاجعه باری ایجاد کند. به همین منظور مفهوم محاسبات مه برای حل مشکلات به وجود آمده پیشنهاد شد. رایانش مه با ارائه پاسخ های سریع و کاهش زمان انتقال برای درخواست های بلادرنگ (حساس به زمان)، مشکلات فوق را حل می کند اما این رایانش علاوه بر همه مزیت های که دارد دارای چالش هایی نیز می باشد که میتوان از جمله آنها به مسئله جایابی سرویس در لایه محاسباتی مه اشاره کرد. جایابی سرویس به مسئله نگاشت سرویس های ارسال شده از لایه اینترنت اشیا به دستگاه های لایه مه به منظور پردازش آنها گفته می شود که عملکرد الگوریتم مورد استفاده در این مسئله بسیار در کارآمدی محیط محاسباتی مه موثر است. به همین منظور در این پایان نامه ما روش پیشنهادی خود را برای حل مسئله جایابی سرویس در محیط محاسباتی مه ارائه کرده ایم. برای این منظور ما از یادگیری تقویتی و سیستم فازی استفاده کردیم. یادگیری تقویتی روشی از تکنیک های یادگیری ماشین می باشد که در آن عامل بدون داشتن دانشی نسبت به محیط و صرفا با آزمون و خطا می آموزد که در هر حالت از محیط بهترین عمل کدام است. از طرفی به دلیل توجه چندهدفه به مسئله ما از سیستم فازی به منظور ارزیابی عمل انجام شده توسط عامل استفاده کرده ایم. ما روش پیشنهادی خود را با الگوریتم GA از جهات مختلف مانند تاخیر انتها به انتها، میزان مصرف انرژی، استفاده از شبکه و زمان اجرا مورد ارزیابی و بررسی قرار دادیم. برای این منظور روش پیشنهادی و الگوریتم GA را در شبیه ساز کلودسیم ورژن 3.0.3 در چهار سناریو پیاده سازی کرده و مورد ارزیابی قرار دادیم. بر این اساس نشان داده شد که روش پیشنهادی توانسته از لحاظ تاخیر انتها به انتها تا حداکثر 16 درصد، میزان مصرف انرژی تا 61 درصد، و میزان استفاده از شبکه تا 7 درصد نسبت به الگوریتم GA نتایج بهتری کسب کند.

کلیدواژه ها:

جایابی مکان ، یادگیری ماشین ، سیستم فازی ، محاسبات مه