توازن بار در گره هاي مه با استفاده از الگوريتم يادگيري تقويتي

محاسبات مه، حوزه تحقيقاتي نوظهوري براي ارائه خدمات محاسبات ابري به لبه‌هاي شبكه است. گره‌هاي مه جريان داده و درخواست‌هاي كاربر را در زمان واقعي پردازش مي‌كنند. به منظور بهينه‌سازي بهره‌وري منابع و زمان پاسخ و افزايش سرعت و كارايي، وظايف بايد به صورت متوازن بين گره‌هاي مه توزيع شوند، لذا در اين مقاله، روشي جديد جهت بهبود توازن بار در محيط محاسبات مه پيشنهاد شده است. در الگوريتم پيشنهادي، هنگامي كه وظيفه‌اي از طريق دستگاه‌هاي موبايل براي گره مه ارسال مي‌شود، گره مه با استفاده از يادگيري تقويتي تصميم مي‌گيرد كه آن وظيفه را خودش پردازش كند، يا اين كه پردازش آن را به يكي از گره‌هاي مه همسايه يا به ابر واگذار نمايد. در بخش ارزيابي نشان داده شده كه الگوريتم پيشنهادي با توزيع مناسب وظايف بين گره‌ها، تأخير كمتري را براي اجراي وظايف نسبت به ساير روش‌هاي مقايسه‌شده به دست آورده است.