فهرست نشریات علمی دسترسی آزاد ایران

چکیده فناوری اینترنت اشیا (IoT) با گسترش چشمگیر خود در حوزه‌هایی نظیر مدیریت ترافیک و نظارت بر سلامت، وابستگی به داده‌های حسگرها را افزایش داده است. این فناوری نیازمند پردازش سریع و مؤثر داده‌ها است، زیرا تأخیر در پردازش می‌تواند کارایی سیستم را کاهش دهد. استفاده از فضای ابری برای مدیریت درخواست‌ها، به‌ویژه درخواست‌های حساس به تأخیر، با چالش‌هایی همراه است. به همین دلیل، بهره‌گیری از فضای مه و منابع سمت کاربران به‌عنوان راهکاری برای کاهش تأخیر و افزایش سرعت پاسخ‌دهی مطرح شده است. با این حال، گره‌های مه ظرفیت محدودی دارند و مدیریت بهینه درخواست‌ها ضروری است. در این پژوهش، از الگوریتم یادگیری تقویتی عمیق مبتنی بر شبکه Q دوگانه استفاده شده که هایپرپارامترهای آن با الگوریتم ازدحام ذرات به‌روزرسانی می‌شود. نتایج نشان می‌دهد که میانگین تابع خطا در هر مرحله 0.0005 کاهش یافته، نرخ تکمیل پردازش درخواست‌ها افزایش یافته، مصرف انرژی پایدار مانده و نرخ کاوش کم شده است. این یافته‌ها کارآیی بالای رویکرد پیشنهادی را تأیید می‌کنند و نشان‌دهنده نقش کلیدی الگوریتم‌های پیشرفته در بهینه‌سازی شبکه‌های IoT هستند. استفاده از این روش می‌تواند زیرساخت مؤثری برای مدیریت درخواست‌ها در سیستم‌های IoT فراهم کند.