الگوریتم زمانبندی کار مبتنی بر انرژی با استفاده از الگوریتم چند هدفه مبتنی بر جبهه پارتو آتش بازی در محاسبات مه

توسعه مداوم در اینترنت اشیا (iot) در سال‌های اخیر، حجم زیادی از داده‌ها را تولید کرده و زیرساخت‌های رایانش ابری با مشکلاتی رو به رو شده اند. محاسبات مه اخیراً به یک الگوی محاسباتی محبوب تبدیل شده است که می تواند منابع محاسباتی را در اختیار کاربران نهایی قرار دهد و چندین مشکل را با سیستم های ابری فعلی حل کند. محاسبات مه به کاهش تاخیر انتقال و هزینه های پولی برای منابع ابری کمک می کند، در حالی که رایانش ابری به برآورده کردن نیازهای روزافزون برنامه های بارگذاری حساس محاسباتی در مقیاس بزرگ کمک می کند. از زمان معرفی، مطالعات زیادی در مورد محاسبات مه انجام شده است، در آن دستگاه‌هایی که به کاربر نزدیک‌تر هستند، می‌توانند خدمات با تاخیر کم را به دستگاه‌های نهایی ارائه دهند. با این حال، نحوه زمانبندی برنامه‌های گردش کار در محیط ابری-مه برای جستجوی مقدار مناسب پارامترهای makepan و قیمت، با چالش‌های عظیمی مواجه است. در این پژوهش از یک الگوریتم بهینه سازی با توابع هدف متفاوت استفاده شده است. ابتدا، مدل‌هایی را برای زمان اجرای گردش کار و هزینه منابع در محاسبات مه تعریف می‌کنیم. سپس الگوریتم شبیه سازی شده را شرح می دهیم. نتایج تجربی نشان می‌دهد که زمان‌بندی ما عملکرد بهتری دارد. نسبت بار در وظایف متفاوت برای الگوریتم پیشنهادی و مرجع تقریبا 4 درصد بهبود داشته است.