ارائه مدلی در جهت بهبود مدیریت منابع در اینترنت اشیاء مبتنیبر محاسبات مه با ترکیب الگوریتمهای یادگیری ماشین و فرا ابتکاری
الموضوعات : انتقال فناوري و تجاريسازي پژوهشجواد محمودیان 1 , فاطمه نصیری 2
1 - واحد علوم و تحقیقات شهر تهران ، دانشگاه آزاد اسلامی ، شهر تهران
2 - دانشگاه آزاد اسلامی واحد یادگار امام (ره)
الکلمات المفتاحية: بهبود مدیریت منابع, اینترنت اشیا, محاسبات مه, الگوریتهای یادگیری ماشین, الگوریتمهای فراابتکاری .,
ملخص المقالة :
اینترنت اشیا یک فناوری محبوب و تعاملی از حسگرها، گیت ها، سرورها و پلتفرمهای دسترسی به اطلاعات است که با تکیه بر حسگرها، داده ها و اطلاعات پایشی را گردآوری می کند. اینترنت اشیا با داشتن مزیت های مختلف به سرعت توسعه یافته و مورد استقبال قرار گرفت؛ اما با چالش های متعددی نیز همراه است. امنیت داده ها، انرژی مصرفی، زمانبندی، مدیریت منابع، مسیریابی و ... ازجمله این چالش ها هستند.پژوهش حاضر با هدف ارائه مدلی در جهت بهبود مدیریت منابع در اینترنت اشیاء مبتنیبر محاسبات مه با ترکیب الگوریتم های یادگیری ماشین و فرا ابتکاری صورت پذیرفت. در این پژوهش بر مدیریت منابع اینترنت اشیاء تمرکز شده و یک راه حل جدید برای آن ارائه گردید. در مدل پیشنهادی، اگر درخواست کاربر حساس به تأخیر نباشد؛ به محیط ابری ارجاع داده میشود، اما اگر مستلزم پاسخگویی بلادرنگ باشد بهصورت محاسبات مه ارسال میگردد. در زمان سرویسدهی به درخواستها، ابتدا وضعیت با تکیه بر سریهای زمانی پیشبینی شده و در ادامه فرآیند تخصیص منابع با الگوریتم بهینهسازی عقاب طلایی انجام میگیرد. روش پیشنهادی در محیط متلب پیادهسازی شده و کارایی آن در چهار شاخص زمان پاسخگویی، هزینه، تعادل بار و بهرهوری منابع مورد ارزیابی قرار گرفت. بررسی نتایج نشان داد که طرح پیشنهادی پایاننامه در تمامی شاخص ها نسبت به طرح پایه برتری (Router) داشته و منابع را رویکرد مناسبی تخصیص میدهد. بهنحوی که 18 درصد در شاخص تعادل بار، 23 درصد در شاخص زمان پاسخگویی، 31 درصد در شاخص هزینه و نهایتاً 28 درصد در شاخص بهرهوری منابع بهبود داشته است.
[1] U. Z. A. Hamid, H. Zamzuri, and D. K. Limbu, "Internet of vehicle (IoV) applications in expediting the implementation of smart highway of autonomous vehicle: A survey," in Performability in Internet of Things: Springer, 2019, pp. 137-157
[2] P. Podder, M. Mondal, S. Bharati, and P. K. Paul, "Review on the security threats of internet of things," arXiv preprint arXiv:2101.05614, 2021
[3] S. Enshaeifar et al., "The internet of things for dementia care," IEEE Internet Computing, vol. 22, no. 1, pp. 8-17, 2018.
[4] K. B. Kiadehi, A. M. Rahmani, and A. S. Molahosseini, "A fault-tolerant architecture for internet-of-things based on software-defined networks," Telecommunication Systems, vol. 77, no. 1, pp. 155-169, 2021
[5] J. Zhang, S. Rajendran, Z. Sun, R. Woods, and L. Hanzo, "Physical layer security for the Internet of Things: Authentication and key generation," IEEE Wireless Communications, vol. 26, no. 5, pp. 92-98, 2019
[6] Z. Sang, R. Fang, H. Lei, J. Yan, D. Yang, and Y. Wang, "The Internet of Things Based Fault Tolerant Redundancy for Energy Router in the Interacted and Interconnected Micro Grid," International Journal on Artificial Intelligence Tools, vol. 29, no. 07n08, p. 2040019, 2020
[7] S. Wang, Y. Ruan, Y. Tu, S. Wagle, C. G. Brinton, and C. Joe-Wong, "Network-aware optimization of distributed learning for fog computing," IEEE/ACM Transactions on Networking, 2021
