بهبود مدیریت منابع در اینترنت اشیا با استفاده از محاسبات مه و الگوریتم بهینه‌سازی شیر مورچه

در این مقاله مدلی مبتنی بر الگوریتم‌های فراابتکاری برای تخصیص بهینه منابعدر اینترنت اشیا مبتنی بر محاسبات مه پیشنهاد شده است. در مدل پیشنهادی، ابتدا درخواست کاربر به‌صورت یک جریان کاری به سیستم داده می‌شود؛ تا به‎ازای هر درخواست ابتدا نیازمندی‌های منابع (قدرت پردازش، حافظه‌ی ذخیره‌سازی و پهنای باند) استخراج می‌گردد. این مولفه وضعیت ترافیک درخواستی برنامه را از لحاظ بلادرنگ بودن تعیین می‌کند. درصورتی‌که کاربرد مورد نظر بلادرنگ نباشد و در مقابل تاخیر تا حدودی مقاوم باشد، درخواست به محیط ابری ارجاع داده می‌شود، اما اگر برنامه کاربردی مورد نظر نیاز به پاسخگویی بلادرنگ داشته باشد و حساس به تاخیر باشد، به‌صورت محاسبات مه با آن برخورد خواهد شد و به یکی از کلودلت‌ها نگاشته خواهد شد. این این مرحله به منظور انتخاب بهترین راه حل در تخصیص منابع جهت سرویس‌دهی به کاربران محیط iot، از الگوریتم بهینه‌سازی شیر مورچه استفاده شد. روش پیشنهادی در محیط نرم‌افزاری متلب شبیه‌سازی شده و برای ارزیابی عملکرد آن از پنج شاخص انرژی مصرفی سلول‌های مه، زمان پاسخگویی، درجه‌ی عدم تعادل سلول‌های مه، تاخیر و پهنای باند استفاده گردیده است. بررسی یافته‌ها نشان می‌دهد که روش پیشنهادی، میزان انرژی مصرفی، نرخ تاخیر را در سلول‌های مه، نرخ پهنای باند مصرفی، میزان تعادل بار و زمان پاسخگویی را در مقایسه با طرح پایه (router) به ترتیب 22، 18، 12، 22 و 47 درصد بهبود داده است.

improving iot resource management using fog calculations and ant lion optimization algorithm

this paper proposes a model based on metaheuristic algorithms for the optimal allocation of fog measuring based on iot resources. in the proposed model, the user request is initially given to the system as a workflow. the resource requirements (such as processing power, storage memory, and bandwidth) are first extracted for each request. this component determines the requested traffic status of the application in terms of real-time. if the application is not real-time and is resistant to latency to some extent, the request will be referred to the cloud environment. but if the application needs to real-time respond and is sensitive to latency, it will be dealt with as a foggy calculation. it will be written to one of the cloudlets. in this step, the antlion optimization algorithm was used in pursuance of selecting the best way of resource allocation for serving the iot environments’ users. the proposed method is simulated in matlab software environment. in order to assess its performance, five indicators have been used (fog cells energy consumption, response time, fog cells imbalance, latency, and bandwidth). the results illustrated that the proposed method improved the energy consumption, latency rate in fog cells, bandwidth consumption rate, the balance of the load, and response time, respectively (router) 22%, 18%, 12%, 22%, and 47%, compared to the base design.