ارائه مکانیسمی کارآمد برای تعیین تابعی برای توزیع بارکاری در محاسبات مه با استفاده از سیستم های دسته بند یادگیر
نویسندگان
1 گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایران
2 گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایران
doi
10.22034/abmir.2024.20271.1030چکیده
با توسعه سریع اینترنت اشیا ، الگوی محاسبات مه به عنوان یک راه حل جذاب برای پردازش دادهها در برنامههای اینترنت اشیا ارائه شده است. در محیط مه ، برنامههای اینترنت اشیا توسط گرههای محاسباتی میانی در مه و همچنین کارگزارهای فیزیکی در مراکز داده ابری اجرا میشوند. از این رو، مسائل مربوط به مدیریت منابع و مدیریت انرژی به عنوان یکی از مشکلات چالش برانگیز در محاسبات مه باید مورد توجه قرار گیرد. اخیرا پژوهش هایی برای ایجاد تعادل بین انرژی و هزینه در محاسبات مه صورت گرفته است. در این پژوهش ضمن بررسی این رویکردها روشی کارآمد برای تقریب تابع توزیع بار با دو روش مبتنی بر سیستم های یادگیر دستهبند به نام XCSF و BCM-XCSF در گرههای پردازشی مه به منظور بهینه سازی هرچه بیشتر رویکردهای قبلی و مدیریت منابع پردازشی مه ارائه شده است. این دو روش در داشتن یک حافظه برای نگهداری بهترین دستهبندها با هم متفاوت هستند. نتایج آزمایش ها نشان می دهند که این دو روش همانند XCS و BCM-XCS توزیع بار مناسبی دارند. این دو روش بخصوص روش BCM-XCSF افزون بر این که سربار محاسباتی را کم میکنند روش اخیر، حدود 60 درصد تاخیر را کاهش میدهد و مصرف انرژی را بهینه تر میکند.