مدل ترکیبی بهینه سازی چندمرحله ای مبتنی بر IJFSA برای تعادل بار و بهبود کارایی در محیط های مه–ابر

در سال های اخیر، فناوری های نوین شیوه تعامل انسان با سامانه های دیجیتال را دگرگون کرده اند. ترکیب اینترنت اشیا با زیرساخت های ابری، بستر ارائه خدمات هوشمند و خودکار را، به ویژه در حوزه سلامت، فراهم کرده است. با افزایش حسگرهای متصل به شبکه، حجم زیادی از داده های بلادرنگ تولید می شود که نیازمند پردازش سریع و کارآمد است. از سوی دیگر، اتکا به مراکز داده دوردست می تواند موجب افزایش تاخیر و کاهش کارایی در سامانه های حساس به زمان شود. در این راستا، محاسبات مه به عنوان لایه ای واسط میان دستگاه های لبه ای و ابر، راهکاری موثر برای کاهش تاخیر و بهبود کیفیت خدمات ارائه می دهد. در این پژوهش، الگوریتم IJFSA-ODA به عنوان نسخه ای بهبودیافته از الگوریتم عروس دریایی معرفی شده است که با بهره گیری از عملگرهای تکاملی و سازوکارهای مکمل، توان جست وجو و تعادل میان اکتشاف و بهره برداری را ارتقا می دهد. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم های IJFSA، IJFA، PSO-SA و PSO عملکردی رقابتی داشته و در برخی سناریوها بهبود قابل توجهی در شاخص های اصلی ارائه می دهد. در سناریوی شامل ۲۵ گره پردازشی مه و ۲۰۰۰ وظیفه، نتایج بیانگر کاهش نسبی حدود ۵ تا ۱۰ درصد در زمان پردازش کل و حدود ۵ تا ۱۲ درصد در مصرف انرژی نسبت به روش های مبتنی بر PSO است. همچنین، از منظر عدالت توزیع بار، مقادیر شاخص عدالت جین نشان می دهد که هرچند هیچ یک از الگوریتم ها به مقدار ایده آل نزدیک به ۱ نرسیده اند، الگوریتم پیشنهادی در اغلب سناریوها عملکرد بهتری نسبت به روش های مرجع داشته و توزیع متوازن تری از بار را میان ماشین های مجازی فراهم کرده است. افزون بر این، نتایج نشان می دهد که عملکرد IJFSA-ODA با افزایش تعداد وظایف و گره ها از پایداری مناسبی برخوردار بوده و در شاخص درصد وظایف انجام شده در مهلت مقرر، نوسان کمتری نسبت به برخی روش های مرجع دارد. نتایج حاصل از ۱۰ تکرار مستقل نیز پایداری آماری قابل قبول الگوریتم پیشنهادی را تایید می کند.

کلیدواژه ها:

تعادل بار ، زمان بندی وظایف ، الگوریتم IJFSA ، کلونی زنبور عسل مصنوعی ، الگوریتم تکاملی ، مصرف انرژی