بهینه سازی چندهدفه تاخیر و مصرف انرژی در محاسبات لبه موبایل با استفاده از استراتژی های تخلیه بار وظایف

با گسترش اینترنت اشیاء محاسبات لبه موبایل به عنوان راهکاری برای جبران محدودیت پردازشی دستگاه ها مطرح شده است، اما چالش اصلی آن ایجاد تعادل میان مصرف انرژی و زمان تاخیر در محیط های پیچیده ای شامل وظایف وابسته، ناهمگونی تجهیزات و حضور پهپادها است. این مقاله به بررسی چالش تعادل میان مصرف انرژی و زمان تاخیر در محیط محاسبات لبه موبایل با حضور وظایف وابسته، ناهمگونی تجهیزات و پهپادها می پردازد. هدف پژوهش ارائه چارچوبی هوشمند برای مدیریت پویای منابع است. در این راستا چارچوب HSE-MEC مبتنی بر یادگیری گروهی پشته ای و الگوریتم تکاملی چندهدفه NSGA-II ارائه شد. مدل پیشنهادی با دقت ۹۶.۵۰٪ الگوی انتخاب نود پردازشی را شناسایی کرد و در بستر سه لایه شامل پردازنده محلی، پهپاد و سرور لبه پیاده سازی شد. نتایج شبیه سازی نشان می دهد که رویکرد پیشنهادی با استخراج ۶۸ راه حل بهینه پارتو و ارائه یک راهکار متعادل موفق به کاهش ۵۱.۶۶ درصدی تاخیر کل نسبت به معماری پردازش تمام محلی شده است.

کلیدواژه ها:

محاسبات لبه ، موبایل ، بهینه سازی چندهدفه ، یادگیری جمعی ، برون سپاری وظایف ، پهپاد