تامين پوياي سرويس در محيط مه مبتني بر اتوماتاي يادگير و الگوريتم ژنتيك چند هدفه

امروزه تعداد برنامه‌هاي كاربردي كه نياز به زمان پاسخ ‌دهي كمي دارند، روز به روز در حال افزايش است و بكارگيري محيط مه اخيرا مورد توجه زيادي قرار گرفته است. با توجه به پويايي استفاده از منابع در اكثر برنامه‌هاي اينترنت اشيا، نمي‌توان مكان ثابتي براي قرارگيري و اجراي سرويس‌ها در محيط مه در نظر گرفت و بنابراين بايد سرويس‌ها در محيط مه به صورت پويا قرار داده شوند. مساله قرار دادن سرويس‌هاي مورد نياز اينترنت اشيا در دستگاه‌هاي مه با محدوديت منابع، به عنوان يك مساله NP-hard شناخته مي‌شود. در اين مقاله، روشي پويا مبتني بر الگوريتم ژنتيك چندهدفه با رتبه‌بندي نامغلوب جهت حل اين مساله ارائه مي‌گردد. در روش پيشنهادي، از اتوماتاي يادگير، جهت بهبود رفتار ژنتيكي و تنظيم پوياي نرخ جهش و تقاطع استفاده مي‌شود. روش پيشنهادي با استفاده از نرم‌افزار iFogsim شبيه‌سازي شده و نتايج شبيه‌سازي نشان مي‌دهد روش پيشنهادي با در نظر گرفتن همزمان سه معيار تاخير سرويس، هزينه و انرژي مصرفي، كارايي بهتري را نسبت به الگوريتم‌هاي مورد مقايسه دارد. از نظر هزينه، در مقايسه با دو روش CSA و LRFC به‌ترتيب 11 و 21 درصد كاهش داشته است. همچنين روش پيشنهادي از نظر ميانگين تاخير سرويس‌دهي نسبت به دو روش CSA و HAFA به‌ترتيب 7 و 15 درصد كاهش داشته است. از نظر انرژي مصرفي نيز روش پيشنهادي نسبت به روش‌هاي ديگر بهبود حداقل 8 درصدي را نشان مي‌دهد.