فراهم‌سازی چندهدفه‌ی برنامه‌های کاربردی اینترنت اشیاء با تاخیر و هزینه‌ی کمینه در رایانش مهی

اینترنت اشیاء موقعیت‌های فراوانی برای برنامه‌های کاربردی تازه ظهور یافته مانند ماشین‌های خودکار و برنامه‌های کاربردی شهر هوشمند فراهم ساخته است. با ظهور برنامه‌های کاربردی اینترنت اشیاء که در مقایسه با برنامه‌های کاربردی موجود نیازهای متفاوتی دارند، رایانش ابری توانایی برآورده ساختن نیازهای این برنامه‌های کاربردی نوظهور را نخواهد داشت. رایانش مهی به‌عنوان یک مدل محاسباتی به‌منظور برآورده ساختن نیازهای برنامه‌های کاربردی اینترنت اشیاء معرفی شد. بیشتر تلاش‌های انجام‌شده در تحقیق‌ها، کمینه یا بیشینه کردن یک هدف در مسائل مختلف مدیریت منابع در رایانش مهی است که می‌تواند به دیگر خروجی‌های مهم تصمیم‌گیری آسیب بزند. در این مقاله یک چهارچوب چندهدفه برای یافتن گره‌های مه مناسب به‌منظور قرار دادن برنامه‌های کاربردی اینترنت اشیاء پیشنهاد شده است. مسئله‌ی فراهم‌سازی پویای سرویس‌ها در رایانش مهی به‌عنوان یک مدل برنامه‌ریزی خطی عدد صحیح آمیخته فرمول‌بندی شده است و روش برنامه‌ریزی وزن‌دار آرمانی برای حل این مسئله‌ی چندهدفه به‌منظور برقراری مصالحه‌های گوناگون میان هزینه‌ی منابع و تاخیر برنامه‌های کاربردی به کار گرفته شده است. علاوه بر این، با استفاده از نمودار جبهه‌ی پَرِتو و شبیه‌سازی‌های مختلف، اهمیت استفاده از روش‌های چندهدفه برای فراهم‌سازی سرویس‌ها در رایانش مهی نشان داده شده است.

Multi-objective IoT Application Provisioning with Optimized Delay and Cost in Fog Computing

Fog computing brought a new collaborative computing model to make the growing of IoT possible. It provides the possibility to satisfy IoT applications needs by utilizing computational resources at the edge of the network. Most of the works have been done in researches, are trying to maximize or minimize one objective in different resource management problems. This approach could have some unwanted influence on other decision making aspects. This paper presents a multiobjective framework to find eligible fog nodes to dynamically deploy the IoT applications on them. The proposed framework could be employed to achieve a tradeoff between the cost of resources and average service delay. The multiobjective dynamic service provisioning (MDSP) problem is formulated as a mixedinteger linear programming (MILP) model and the weighted goal programming is applied to solve the multiobjective problem. In addition, the Pareto front has been discussed and different simulations have been proposed in order to show the importance of using multiobjective solutions for service provisioning in fog computing.