بهینه‌سازی جایگذاری ماشین مجازی در زیرساخت‌های اینترنت اشیا-ابر از طریق الگوریتم کپک مخاطی الهام‌گرفته از کوانتوم

با گسترش اینترنت اشیا و خدمات ابری، بهینه‌سازی تخصیص منابع و تضمین کیفیت سرویس در محیط‌های با بار کاری متغیر اهمیت بالایی دارد. در این مطالعه، الگوریتم پیشنهادی qsma برای زمان‌بندی ماشین‌های مجازی در محیط‌های ابری و اینترنت اشیا مورد ارزیابی قرار گرفت و عملکرد آن در چهار سناریوی بارکاری شامل سبک، متوسط، سنگین و پویا بررسی شد. معیارهای ارزیابی شامل مصرف انرژی، نرخ نقض sla، زمان پاسخ، بهره‌وری منابع و هزینه مالی بودند. نتایج شبیه‌سازی نشان داد که qsma در مقایسه با روش‌های sam، pso و ga به‌طور میانگین مصرف انرژی را حدود 3 درصد، نرخ نقض sla را 14.1 درصد و زمان پاسخ را 3 درصد کاهش داده و هزینه کلی را نیز به میزان 8.2 درصد کمتر کرده است. هرچند بهره‌وری منابع به‌طور میانگین 4.4 درصد کمتر از رقبا بود، اما این موضوع ناشی از رویکرد محافظه‌کارانه الگوریتم در تخصیص منابع برای کاهش احتمال نقض sla و بهبود کیفیت سرویس تفسیر می‌شود. در مجموع، نتایج نشان می‌دهد که qsma توانایی مدیریت بهینه منابع و حفظ کیفیت سرویس را در محیط‌های واقعی و پویا داراست و می‌تواند به‌عنوان روشی موثر برای سیستم‌های ابری و اینترنت اشیا مورد استفاده قرار گیرد.