ارائه‌ي يك مدل زمان‌بندي وظايف مبتني بر الگوريتم ژنتيك چند هدفه با مرتب‌سازي نامغلوب براي برنامه‌هاي كاربردي شهر هوشمند در محيط ابر-مه

ظهور تكنولوژي اينترنت اشيا مفهوم شهر هوشمند را ايجاد كرده كه در اين پارادايم، دستگاه‌هاي هوشمند به عنوان يك ضرورت شناخته مي‌شوند. برنامه‌هاي كاربردي نصب‌شده بر روي اين دستگاه‌ها باعث توليد حجم زيادي داده مي‌شوند كه اغلب نيازمند پردازش بلادرنگ مي‌باشند. بااين‌حال، اين دستگاه‌ها داراي قابليت‌هاي محدودي هستند و قادر به پردازش حجم زياد داده‌ها نمي‌باشند. انتقال همه‌ي اين داده‌ها به مراكز داده‌ي ابري منجر به استفاده از پهناي باند، تاخير، هزينه و مصرف انرژي بيشتر مي‌شود. ازاين‌رو، ارائه‌ خدمات به برنامه‌هاي كاربردي شهر هوشمند حساس به تاخير در ابر يك موضوع چالش برانگيز است و پاسخگويي به نيازمندي‌هاي اين برنامه‌ها، مستلزم استفاده از پارادايم تركيبي ابر و مه مي‌باشد. رايانش مه به عنوان مكملي براي ابر امكان مي‌دهد تا داده‌ها در نزديكي دستگاه‌هاي هوشمند پردازش شوند. بااين‌حال، منابع موجود در لايه‌ي مه ناهمگن و داراي قابليت‌هاي متفاوتي مي‌باشند، بنابراين زمان‌بندي مناسب اين منابع از اهميت زيادي برخوردار است. در اين مقاله، به مسأله‌ي زمان‌بندي وظايف براي برنامه‌هاي كاربردي شهر هوشمند در محيط ابر-مه پرداخته شده‌است. به اين منظور، مسأله‌ي زمان‌بندي وظيفه به صورت يك مسأله‌ي بهينه‌سازي چند هدفه مدل شده‌است كه اهداف آن، كاهش تاخير ارائه‌ي خدمات و مصرف انرژي سيستم با در نظر گرفتن قيد مهلت زماني مي‌باشد. سپس به منظور حل اين مسأله و دستيابي به استراتژي زمان‌بندي مناسب، الگوريتم ژنتيك چند هدفه با مرتب‌سازي نامغلوب با اپراتورهاي سفارشي به كار گرفته شده‌است. علاوه‌براين، به منظور بهبود تنوع جمعيت و سرعت همگرايي الگوريتم پيشنهادي، براي توليد جمعيت اوليه از تركيب روش‌هاي نگاشت بي‌نظمي و يادگيري مبتني بر تضاد استفاده ‌شده‌است. همچنين رويكرد مبتني بر تابع جريمه براي راه‌حل‌هايي كه قيد مهلت زماني را برآورده نمي‌كنند، به كار گرفته شده‌است. نتايج شبيه‌سازي‌ها نشان مي‌دهد كه الگوريتم زمان‌بندي پيشنهادي، در مقايسه با بهترين رقيب خود، تاخير ارائه‌ي خدمات، زمان انتظار، تاخير اجراي وظيفه و مصرف انرژي سيستم را به ترتيب 1/49، 1/70، 2/7 و 1/86 درصد بهبود مي‌دهد. علاوه‌براين، با تخصيص مناسب وظايف به گره‌هاي محاسباتي در مقايسه با بهترين رقيب، درصد وظايفي كه مهلت زمانيشان را از دست مي‌دهند به ميزان 1/89 درصد كاهش مي‌دهد.