بهبود توازن بار در رایانش مه با استفاده از الگوریتم مگالودون

رایانش مه به عنوان یکی از موثرترین راهکارها برای پشتیبانی از کاربردهای حساس به تاخیر در اینترنت اشیاء، با چالش های جدی در زمینه توازن بار، ناهمگنی گره ها و پویایی بارهای کاری مواجه است. عدم توزیع مناسب بار در این محیط ها می تواند منجر به افزایش تاخیر، مصرف انرژی بالا و کاهش بهره وری منابع شود. در این پژوهش، یک الگوریتم فراابتکاری جدید با نام MIMA برای بهبود توازن بار در رایانش مه ارائه شده است. الگوریتم پیشنهادی با الهام از رفتار شکارگری کوسه مگالودون و با بهره گیری از سه فاز شناسایی طعمه، کمین و حمله مارپیچی، تعادل موثری بین جستجوی سراسری و محلی ایجاد می کند. به منظور ارزیابی عملکرد MIMA، شبیه سازی هایی در محیط های Python و MATLAB و در سناریوهایی با ۱۰۰، ۲۰۰ و ۵۰۰ وظیفه و تا ۲۰ گره مه انجام شد و نتایج آن با دیگر الگوریتم ها مقایسه گردید. نتایج نشان داد که الگوریتم MIMA میانگین تاخیر را تا ۲۲٪ نسبت به PSO و حدود ۱۰٪ نسبت به WOA کاهش داده و در سناریوی ۵۰۰ وظیفه، تاخیر را به ۳۶۴ میلی ثانیه رسانده است. همچنین مصرف انرژی در مقایسه با ACO تا ۲۴٪ کاهش یافته و در بار کاری سنگین به مقدار ۱۴۴.۶ ژول رسیده است. شاخص توازن بار در MIMA نسبت به ACO تا ۴۰٪ بهبود یافته و بهره وری منابع به ۹۲٪ افزایش یافته است، در حالی که این مقدار برای PSO و ACO به ترتیب ۸۵٪ و ۸۰٪ گزارش شده است. علاوه بر این، زمان اجرای الگوریتم MIMA در سناریوی سنگین برابر با ۱.۹۴ ثانیه بوده که کمتر از تمامی الگوریتم های مقایسه ای است. نتایج آزمون های آماری ANOVA و Tukey نیز نشان داد که این بهبودها از نظر آماری معنادار هستند (p < ۰.۰۵). در مجموع، نتایج این تحقیق نشان می دهد که الگوریتم MIMA با حفظ سادگی محاسباتی و انطباق پذیری بالا، می تواند راهکاری کارآمد و قابل اتکا برای مدیریت توازن بار در محیط های پویا و ناهمگن رایانش مه باشد.

کلیدواژه ها:

الگوریتم مگالودون ، بهینه سازی فرابتکاری ، توازن بار ، رایانش مه ، مدیریت منابع