بهبود تخصیص منابع اینترنت اشیاء در محاسبات مه با استفاده از نظریه بازی غیر همکارانه

در سیستم‌های شبکه‌ای مبتنی بر اینترنت اشیاء از یک معماری مدرن به نام محاسبات مه استفاده می‌شود. در معماری محاسبات مه ارائه‌ی خدمات داده اقتصادی و کم تاخیر است. این مقاله به حل چالش اصلی تخصیص منابع محاسباتی در رایانش مه می‌پردازد. حل چالش تخصیص منابع  منجر به افزایش سود، صرفه‌جویی اقتصادی و استفاده‌ی بهینه از سیستم‌های محاسباتی می‌شود. در این پژوهش با استفاده از الگوریتم ترکیبی تعادل نش و الگوریتم مزایده، تخصیص منابع بهبودیافته است. در روش پیشنهادی، به هر بازیکن یک ماتریس اختصاص داده‌شده است. ماتریس هر بازیکن شامل تخصیص گره‌های مه، مشترکین خدمات داده و اپراتورهای خدمات داده است. در هر مرحله از الگوریتم، هر بازیکن بر اساس راهبرد سایر بازیکنان بهترین راهبرد را تولید می‌کند. نتایج پژوهش نشان از برتری بهره‌وری گره مه و بهره‌وری اپراتور خدمات داده در روش پیشنهادی در مقایسه با الگوریتم بازی استکلبرگ دارد. اولین مقایسه بر اساس تغییرات مشترکین صورت گرفته است که بهره‌وری گره مه با 240 مشترک استفاده‌شده در روش پیشنهادی 6852.8 بوده و در روش استکلبرگ با شرایط یکسان 5510.2 می‌باشد. دومین مقایسه بر اساس نرخ سرویس بلوک‌های کنترلی منابع (μ) می‌باشد که بهره‌وری اپراتور خدمات داده‌ای با μ=4 در روش پیشنهادی 1.35e+07 بوده و در روش استکلبرگ با شرایط یکسان 1e+7 می‌باشد.

The IoT Resource Allocation Improvement in Fog Computing Using NonCooperative Game Theory

A modern architecture called fog computing is used in the IoTbased network systems. Providing data services is economical and low latent in the fog computing architecture. This paper addresses the main challenge of allocating computing resources in fog computing. Solving the resource allocation challenge leads to increased profits, economic savings, and optimal use of the computing systems. In this survey, resource allocation has been improved by using the combined Nash equilibrium algorithm and the auction algorithm. In the proposed method, each player is assigned a specific matrix. Each player’s matrix includes fog nodes, data service subscribers, and data service operators. At each stage of the algorithm, each player generates the best strategy based on the strategy of the other players. The results show the superiority of fog node utility and data service operator utility in the proposed method compared with the Stackelberg game algorithm. The first comparison is based on the changes of subscribers in which the productivity of the node with 240 used subscribers in the proposed method is 6852.8 whilst it is 5510.2 in the Stackelberg method with the same conditions. The second comparison is based on the service rate of the resource control blocks (μ) in which the productivity of the data service operator with μ=4 in the proposed method is 1.35E + 07 whilst it is 1E + 7 in the Stackelberg method with the same conditions .