الگوریتم بهینه ساز گرگ خاکستری چند هدفه برای زمان بندی وظایف در محاسبات ابری-مه

انقلاب اینترنت اشیا و قابلیت‌هایش در حوزه‌های گوناگون، به ایجاد حجم عظیمی از داده برای پردازش کارهایی که نیازمند پاسخ فوری هستند، منجر شده است. به‌ویژه در وظایفی که حساس به تاخیر هستند و نیازمند فرستادن داده به سرعت به گره‌های مرکزی هستند، اما وظایف پیچیده به مراکز داده ابری منتقل می‌شوند برای محاسبات و ذخیره‌سازی بزرگ‌تر. اما این تحول، ارسال وظایف به گره‌های مرکزی را سریع‌تر می‌کند، اما مصرف انرژی کاربران را بالا می‌برد. همچنین، انتقال وظایف به مراکز داده ابری می‌تواند مصرف انرژی را کاهش دهد، اما به دلیل فاصله زیاد، تاخیر در انتقال داده‌ها افزایش پیدا می‌کند. به‌علاوه، اختصاص وظایف به منابع صحیح و سازگار با نیازهای وظیفه یکی از چالش‌های اصلی در محاسبات ابری است که به بهبود نیاز دارد. برای این منظور، مطالعاتی بهینه‌سازی چند هدفه از الگوریتم (mgwo) به‌منظور بهبود تاخیر در qos و کاهش مصرف انرژی در مه‌ها ارائه شده است. مه‌ها نقش مهمی در توزیع وظایف ایفا می‌کنند. نتایج شبیه‌سازی نشان می‌دهد که الگوریتم mgwo نسبت به الگوریتم‌های پیشرفته دیگر، در کاهش تاخیر و مصرف انرژی به‌صورت موثری عمل می‌کند.