عنوان مقاله :
بهينه‌سازي تخصيص منابع براي شبكه‌هاي اينترنت اشيا مبتني بر محاسبات مه براي كاهش هزينه تاخير
عنوان به زبان ديگر :
Optimizing resources allocation for fog computing-based internet of things networks to reduce latency cost
پديد آورندگان :
صالحي شايگان، اميرحسين دانشگاه خاتم النبياء (ص) - دانشكده علوم پايه - گروه رياضي، تهران، ايران , ذاكري، علي دانشگاه صنعتي خواجه نصيرالدين طوسي - دانشكده رياضي - گروه رياضي , صالحي شايگان، اديب دانشگاه آزاد اسلامي واحد صفادشت
كليدواژه :
كاهش هزينه , اينترنت اشيا , شبكه اينترنتي , بهينه سازي , هوش مصنوعي
چكيده فارسي :
همراه با رشد روز افزون دستگاه‌هاي هوشمند و اينترنت 5G، فناوري اينترنت اشياء نيز توسعه يافته است. افزايش تعداد اشياء هوشمند سبب افزايش حجم داده‌ها و بارهاي محاسباتي در ابعادي وسيع شده است. به همين دليل رايانش ابري به عنوان راه‌حلي براي اين حجم داده استفاده مي‌شود. با اين حال با توجه به اهميت كيفيت خدمات، راه‌حل رايانش ابري نمي‌تواند براي درخواست‌هاي حساس به تاخير جوابگو باشد. تخصيص منابع در رايانش مه‌آلود باعث كاهش هزينه تاخير مي‌گردد. در اين مقاله براي تخصيص منابع، برنامه‌نويسي پويا با توجه به تعداد زياد درخواست‌ها و محدوديت‌هاي مسئله مورد استفاده قرار گرفته است. روش پيشنهادي موجب كاهش هزينه تاخير براي درخواست‌هاي اينترنت اشياء مي‌شود. در اين پژوهش مدل‌سازي سيستم و الگوريتم پيشنهادي براي چهار حالت مختلف اجرا شد. در اين چهار حالت دو روش پيشنهادي سهم اين پژوهش بوده است. اين الگوريتم‌هاي پيشنهادي منجر به كاهش چشمگير درهزينه تاخير كل مي‌شود. ولي مطابق انتظار الگوريتم پس‌انتشار پاسخ بهينه‌تري به نسبت به الگوريتم پيش‌انتشار داشت.
چكيده لاتين :
Growing popularity of smart devices and 5G Internet, loT technology has also developed. The increase in the number of smart objects has led to an increase in data volumes and computational loads on a large scale. For this reason, cloud computing is used as a solution for this amount of data. However, given the importance of service quality, the cloud computing solution may not be responsive to latency-sensitive requests. Allocating resources in cloudy computing also reduces the cost of latency. Dynamic programming has been used due to the large number of requests and problem constraints. The proposed method reduces the cost of latency for loT requests. In this study, the proposed system modeling and algorithms were implemented for four cases. In these cases, two proposed methods have been the contribution of this research that these proposed algorithms have seen a significant reduction in the total latency cost. But as expected, the backward algorithm had a better response than the forward algorithm.
عنوان نشريه :
اقتصاد محاسباتي
