تخلیه ایمن مبتنی بر یادگیری ماشین در محیط رایانش مه با در نظر گرفتن مولفه های شهر هوشمند

با پیشرفت های صورت پذیرفته در حوزه سیستم های اطلاعاتی و شبکه های ارتباطی، نمونه تازه ای از شبکه ها با سرعت بالای پاسخگویی به نام لبه معرفی شده اند که می توانند درخواست های کاربران را در کوتاهترین زمان ممکن پردازش نمایند. قابلیت های بالای این شبکه ها و همچنین امکان استفاده از آنها در دستگاه های سیار باعث شده است محبوبیت چشمگیری در زمینه های مختلف مدیریت شهری داشته باشند.برای مثال؛ در سیستم حمل و نقل درون شهری و یا سامانه های کنترل آلودگی که نیاز به پردازش آنی درخواستهای کاربران وجود دارد؛ شبکه های لبه گسترش قابل ملاحظه ای داشته اند.با وجود مزایای بالای این شبکه ها در حوزه شهر هوشمند بازهم مشکلاتی پیش روی کارشناسان قرار دارد که از آن میان می توان به تخلیه ایمن داده ها و جانمایی صحیح درخواستها اشاره داشت. از آنجایی که موقعیت دستگاه های سیار به صورت لحظه ای تغییر می یابد؛ نیاز به شناسایی و بارگزاری درخواست ها بر روی کلونی از برنامه های کاربردی و پردازشگرهای مرتبط است که بتوانند مولفه های زمان و توان عملیاتی را در یک حد قابل انتظار برآورده نمایند . به همین منظور؛ الگوریتم هایی با درنظر داشتن حد انتظارات کاربران و مشخصات توپولوژیکی شبکه های مه ارائه گردیده اند که هدف آنها ایجاد توازن در تخلیه ایمن داده هاست. یکی از چالش های اساسی این روش ها، انتخاب پاسخ بهینه ی فضای مساله در کوتاهترین زمان و به گونه ای است که تاخیر بازگشت کار به حداقل برسد. بنابراین؛ در پژوهش جاری سعی شده است تا با به کارگیری الگوریتم بهینه سازی صاعقه بهبود یافته، قدرت همگرایی عامل ها افزایش یافته و نقاط بهینه سراسری با دقت بالایی جستجو شوند. پیاده سازی های صورت پذیرفته نشان از کارایی مطلوب روش پیشنهادی نسبت به دیگر الگوریتم های بهینه سازی همانند md-qoe و رقابت استعماری داشته که دلیل آن نیز ایجاد تناسب میان پاسخ های بهینه محلی و سراسری می باشد.