یک رویکرد زمانبندی وظایف اینترنت اشیاء و لایه ابر با استفاده از الگوریتم بهینه سازی عقاب

امروزه اینترنت اشیاء به بخشی حیاتی از زندگی ما تبدیل شده است زیرا وارد جزئیات دقیق زندگی انسان مانند خانه های هوشمند، مراقبت های بهداشتی، مراقبت از سالمندان، وسایل نقلیه واقعیت افزوده و روباتیک صنعتی شده است. رایانش ابری و محاسبات مه خدماتی برای پردازش وظایف اینترنت اشیاء ارایه میدهد و هر روز تعداد دستگاههای اینترنت اشیاء رشد قابل توجه ای پیدا میکنند. این افزایش عظیم برای پردازش به منابع عظیمی نیاز دارد و این منابع عظیم برای کار کردن به قدرت زیادی نیاز دارند زیرا مه و ابر بر اساس اصطلاح پرداخت به ازای قابل استفاده هستند. زمان بندی وظایف یک چالش در حال ظهور در پلتفرمهای اینترنت اشیاء و محاسبات ابری است و به عنوان یک برنامه کاربردی در نظر گرفته میشود که توسط ارائه دهندگان خدمات ابری و کاربران نهایی مورد استفاده قرار میگیرد. چالش اصلی که زمان بندی وظایف با آن مواجه است شناسایی منابع بهینه برای کار ورودی است. در این مقاله، یک الگوریتم بهینه سازی عقاب بال سیاه برای بهبود رفتار زمانبندی کار با استفاده از پارامترهایی مانند متعادل سازی بار و تخصیص منابع ترکیب شده است. کارایی الگوریتم پیشنهادی با استفاده از معیارهای عملکرد مانند هزینه، زمان اجرا، ساخت تاخیر و ذخیره سازی حافظه تحلیل میشود. بررسی آزمایشات نشان میدهد که الگوریتم پیشنهادی دارای حداقل حافظه، ذخیره سازی، تاخیر و زمان اجراء بر روی پلتفرمهای مختلف است و نتایج به دست آمده نشان میدهد که الگوریتم پیشنهادی از سایر الگوریتمهای زمانبندی از جمله HHO، SSA، PSO بهتر عمل کرده است.

کلیدواژه ها:

زمانبندی وظایف اینترنت اشیاء ، محاسبات ابری ، بهینه سازی ، الگوریتم بهینه سازی عقاب بال سیاه