مشخصات پژوهش

عنوان	ارائه مکانیزمی کارآمد برای توزیع بار محاسباتی در پردازش مه آلود با توجه به معیارهای انرژی و هزینه
نوع پژوهش	پایان نامه
کلیدواژه‌ها	اینترنت اشیا، رایانش مه، یادگیری ماشین، توزیع بار، انرژی های تجدید پذیر
چکیده	چکیده: همراه با رشد روزافزون دستگاه های هوشمند ، فناوری اینترنت اشیاء نیز توسعه پیداکرده است. افزایش تعداد این اشیا هوشمند سبب افزایش تولید حجم داده ها و بار های محاسباتی در مقیاس های وسیع شده است. به همین دلیل رایانش ابری، به عنوان راه حل اصلی جهت کنترل این بارها استفاده می شود. بااین حال، زمان بر بودن پردازش بار ها در ابر، هنوز به عنوان مسئله اصلی در حوزه شبکه های توزیع شده مطرح است. پردازش بار های کاری در لبه های شبکه(پردازش مه) می تواند موجب کاهش این زمان پاسخ شود؛ اما از سوی دیگر با آوردن پردازش بار ها از مراکز داده ها (متصل به برق) به سمت لبه های شبکه، منجر به محدودیت انرژی می شود. بنابراین لازم است بار های کاری به شکلی متوازن میان ابر ها و لبه های شبکه توزیع شوند. در این پژوهش برای ایجاد تعادل بین مصرف مصرف انرژی در لبه شبکه و تأخیر در پردازش بارهای کاری در ابر ، دو روش مبتنی بر سیستم های دسته بند یادگیر به نام های XCS و BCM-XCS ارائه شده است که تنها در داشتن یک حافظه برای نگه داشتن بهترین دسته بند تفاوت دارند. آزمایشات نشان میدهد که روش BCM-XCS نتایج بهتری نسبت به روش اصلی بدون حافظه آن دارد. در بهترین روش های پیشین تنها 2 درصد از مواقع شارژ باتری به حداکثر میزان خود رسیده است در حالی که با افزودن یک حافظه به سیستم پیشنهاد شده این مقدار به 20 درصد افزایش یافته است. نتایج حاصل از شبیه سازی نشان می دهد که دو مدل پیشنهادی در مقایسه با مدل های پیشین، به شکل متعادل تری بارها را توزیع می کند. مدل پیشنهادی سبب کاهش تأخیر 42 درصدی بارهای کاری و همچنین کاهش مصرف انرژی در لبه شبکه می شود.
پژوهشگران	مهدی عباسی (استاد راهنما)، مینا یعقوبی کیا (دانشجو)