توزيع بهينه باركاري در پردازش‌هاي لبه شبكه بر پايه استفاده از سيستم‌هاي دسته‌بند يادگير حافظه‌دار

همراه با رشد روزافزون دستگاه‌هاي هوشمند ، مفهوم اينترنت اشياء نيز توسعه پيداكرده است. افزايش تعداد اين اشيا هوشمند سبب افزايش توليد حجم داده‌ها و بار‌هاي محاسباتي در مقياس‌هاي وسيع شده است. به همين دليل رايانش ابري، به‌عنوان راه‌حل اصلي جهت كنترل اين بارها استفاده مي‌شود. بااين‌حال، زمان‌بر بودن پردازش بار‌ها در ابر، هنوز به‌عنوان مسئله اصلي در حوزه شبكه‌هاي توزيع‌شده مطرح است. پردازش بار‌هاي كاري در لبه‌‌هاي شبكه مي‌تواند موجب كاهش اين زمان پاسخ شود؛ اما از سوي ديگر با آوردن پردازش بار‌ها از مراكز داده‌ها (متصل به برق) به سمت لبه‌هاي شبكه، منجر به محدوديت انرژي مي‌شود. بنابراين لازم است بار‌هاي كاري به شكلي متوازن ميان ابر‌ها و لبه‌هاي شبكه توزيع شوند. در اين مقاله به‌منظور ايجاد تعادل ميان مصرف انرژي در لبه شبكه و تأخير بار‌هاي كاري در ابر‌ها، روشي مبتني بر سيستم‌هاي دسته‌بند يادگير ارائه‌شده‌ است. نتايج حاصل از شبيه‌سازي نشان مي‌دهد كه روش پيشنهادي در مقايسه با روش‌هاي پيشين، به شكل متعادل‌تري بارها را توزيع مي‌كند. روش پيشنهادي سبب كاهش 42 درصدي تأخير بارهاي كاري و همچنين كاهش مصرف انرژي در لبه شبكه مي‌شود.