یک روش کارآمد جهت تخصیص منابع به جریان‌های ترافیکی بی‌درنگ در محیط‌های مه با استفاده از شبکه‌های نرم‌افزار محور

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: یک روش کارآمد جهت تخصیص منابع به جریان‌های ترافیکی بی‌درنگ در محیط‌های مه با استفاده از شبکه‌های نرم‌افزار محور

ارائه دهنده: Provider: محمد صادق زاده - رشته کامپیوتر

اساتید راهنما: Supervisors: آقای دکتر محمد نصیری و آقای دکتر رضا محمدی

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: ؛ جناب آقای دکتر حاتم عبدلی و جناب آقای دکتر مهدی سخایی¬نیا

زمان و تاریخ ارائه: Time and date of presentation: 1401/06/29

مکان ارائه: Place of presentation: سمینار 2 عمران

چکیده: Abstract: اینترنت اشیا کاربردهای متنوعی در حوزه پزشکی، صنعت، حمل‌ونقل دارد و در حوزه اینترنت اشیاء، هر یک از دستگاه‌های اینترنت اشیا دارای توان محاسباتی و ذخیره‌سازی و شبکه‌ای محدودی هستند. رایانش ابری زیرساختی مناسب را برای انتقال محاسبات برنامه‌های اینترنت اشیا به سرورهای ابری که دارای توان پردازشی و ذخیره‌سازی بالایی هستند را فراهم می‌کند. استفاده از رایانش ابری در اینترنت اشیا با داشتن مزایای زیاد دارای محدودیت‌هایی نظیر مصرف بالای پهنای باند، تأخیر زیاد، عدم زمان‌بندی مناسب وظایف نیز می‌باشد محاسبات مه، الگویی محاسباتی است که برای مقابله با چالش‌های اینترنت اشیا و ابر معرفی شده است به‌این‌ترتیب که این معماری خدمات رایانش ابری را تا لبه شبکه گسترش می‌دهد و پردازش برنامه‌های اینترنت اشیا در لبه شبکه انجام می‌شود. در واقع محاسبات مه شامل سرورهایی است که در لبه شبکه قرار گرفته و به‌این‌ترتیب پردازش با تأخیر کمتر و هزینه کمتر در لبه شبکه انجام می‌شود با درنظرگرفتن معیارهایی مانند انرژی مصرفی و ظرفیت کم سرورهای مه تخصیص منابع و تصمیم‌گیری اختصاص وظایف به گره‌های مه چالش اساسی در زمینه¬های کیفیت خدمات سطح سرویس مانند تأخیر و مصرف انرژی ایجاد می¬کند بنابراین اتخاذ تصمیمی برای ارائه مدل ریاضی جامع و همچنین ارائه الگوریتم تخصیص وظایف بهینه حائز اهمیت می¬باشد. در این پایان‌نامه مدل ریاضی با درنظرگرفتن معیارهای کیفیت خدمات سطح سرویس و محدودیت‌های گره‌های مه و اینترنت اشیا ارائه می‌شود و در گام بعد به ارائه الگوریتم ترکیبی ژنتیک و گرگ خاکستری پرداخته می¬شود که الگوریتم مذکور یک الگوریتم بهبودیافته ترکیبی برای حل مسئله تخصیص منابع می‌باشد. در الگوریتم ژنتیک فضای جواب به طور همه‌جانبه جستجو می‌شود، بنابراین امکان کمتری برای همگرایی به یک نقطه بهینه محلی وجود خواهد داشت و الگوریتم گرگ خاکستری نیز از نیمه دوم تکرارها به دلیل کم‌رنگ‌شدن نقش اکتشاف، ممکن است در بهینه محلی گرفتار شود. ترکیب این دو الگوریتم باعث ارائه جواب‌های متنوع می‌شود لازم به ذکر است که اجرای الگوریتم های مذکور دارای هزینه پردازشی و تاخیر محاسباتی می باشد ولی باتوجه به بهبود معیار های کیفیت سطح سرویس می¬توان از این هزینه چشم پوشی کرد و در نهایت به کمک شبیه‌سازی، عملکرد پژوهش انجام شده، ارزیابی و با دیگر روش¬ها مقایسه خواهد گردید. نتایج حاصل شده حاکی از آن است که استفاده از مدل ریاضی و محدودیت‌های ارائه شده و همچنین ترکیب و استفاده هم‌زمان از نقاط مثبت دو الگوریتم، معیار های زمان اجرا و زمان اتمام آخرین کار و همچنین کاهش مصرف انرژی را به ترتیب به میزان % 18.30 و % 15.14 و % 10.21 درصد به نسبت مقاله پایه بهبود می¬دهد.

فایل: ّFile: دانلود فایل