برون سپاري وظايف آگاه به تأخير و انرژي كارآمد در شبكه اينترنت اشيا مبتني بر رايانش مه

رايانش مهي به عنوان يك روش اميدبخش جهت ارائه سرويس‌هاي پردازشي چابك و همه‌گير به دستگاه‌هاي اينترنت اشيا و پشتيباني از برنامه‌هاي كاربردي پيچيده، پا به عرصه ظهور گذاشته است. رايانش مهي منابع محاسباتي را به لبه شبكه، به نزديكي دستگاه‌هاي اينترنت اشيا مي‌كشاند و از اين طريق سرويس‌هاي محاسباتي با تأخير پايين را به كاربران ارائه مي‌دهد. با برون‌سپاري وظايف محاسباتي به گره‌هاي مه كه ظرفيت پردازشي بيشتري دارند، مي‌توان بر چالش ظرفيت محدود باتري دستگاه‌ها و نياز محاسباتي بالاي وظايف فائق آمد و نيازمندي‌هاي كيفيت سرويس مورد درخواست كاربران را برآورده نمود. برون‌سپاري وظايف به گره‌هاي مه، از يك سو باعث صرفه‌جويي در مصرف انرژي باتري دستگاه‌هاي اينترنت اشيا مي‌شود و از سوي ديگر به‌دليل تأخير ناشي از انتقال وظايف به لبه شبكه باعث افزايش زمان تكميل وظايف مي‌شود. در اين مقاله براي برقراري تعادل در مصالحه بين انرژي و زمان تكميل وظايف، يك شماي برون‌سپاري وظايف با هدف كيمنه‌سازي سربار برون‌سپاري بر حسب جمع وزني مصرف انرژي و زمان تكميل وظايف پيشنهاد شده است كه سعي در يافتن استراتژي بهينه برون‌سپاري، مكان بهينه برون‌سپاري و تخصيص بهينه منابع محاسباتي دارد. براي تعيين موثر ضرايب زمان و انرژي به‌نحوي كه كيفيت سرويس مورد نياز كاربر تضمين شود، از منطق فازي استفاده شده است. مسأله برون‌سپاري وظايف به گره‌هاي مه به‌عنوان يك مسأله غيرخطي آميخته صحيح فرموله شده است كه متعلق به كلاس مسائل NP hard است. يك الگوريتم نزديك به بهينه بر اساس الگوريتم ژنتيك براي حل مسأله بهينه‌سازي مطرح شده پيشنهاد شده است. شبيه‌سازي‌هاي مختلف همگرايي الگوريتم پيشنهادي و برتري عملكرد آن‌را در مقايسه با شماهاي برون‌سپاري معيار نشان مي‌دهد.