تامین پویای سرویس در محیط مه مبتنی بر اتوماتای یادگیر و الگوریتم ژنتیک چند هدفه

امروزه تعداد برنامه‌های کاربردی که نیاز به زمان پاسخ ‌دهی کمی دارند، روز به روز در حال افزایش است و بکارگیری محیط مه اخیرا مورد توجه زیادی قرار گرفته است. با توجه به پویایی استفاده از منابع در اکثر برنامه‌های اینترنت اشیا، نمی‌توان مکان ثابتی برای قرارگیری و اجرای سرویس‌ها در محیط مه در نظر گرفت و بنابراین باید سرویس‌ها در محیط مه به صورت پویا قرار داده شوند. مساله قرار دادن سرویس‌های مورد نیاز اینترنت اشیا در دستگاه‌های مه با محدودیت منابع، به عنوان یک مساله np-hard شناخته می‌شود. در این مقاله، روشی پویا مبتنی بر الگوریتم ژنتیک چندهدفه با رتبه‌بندی نامغلوب جهت حل این مساله ارائه می‌گردد. در روش پیشنهادی، از اتوماتای یادگیر، جهت بهبود رفتار ژنتیکی و تنظیم پویای نرخ جهش و تقاطع استفاده می‌شود. روش پیشنهادی با استفاده از نرم‌افزار ifogsim شبیه‌سازی شده و نتایج شبیه‌سازی نشان می‌دهد روش پیشنهادی با در نظر گرفتن همزمان سه معیار تاخیر سرویس، هزینه و انرژی مصرفی، کارایی بهتری را نسبت به الگوریتم‌های مورد مقایسه دارد. از نظر هزینه، در مقایسه با دو روش csa و lrfc به‌ترتیب 11 و 21 درصد کاهش داشته است. همچنین روش پیشنهادی از نظر میانگین تاخیر سرویس‌دهی نسبت به دو روش csa و hafa به‌ترتیب 7 و 15 درصد کاهش داشته است. از نظر انرژی مصرفی نیز روش پیشنهادی نسبت به روش‌های دیگر بهبود حداقل 8 درصدی را نشان می‌دهد.