مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

165
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

43
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تخصیص منابع محاسباتی در محاسبات مه اینترنت اشیا با استفاده از الگوریتم بهینه سازی مبتنی بر آموزش-یادگیری

صفحات

 صفحه شروع 73 | صفحه پایان 85

چکیده

 از آنجا که اینترنت اشیا با حجم زیادی از داده سروکار دارد, پردازش و ذخیره این حجم از داده به راحتی امکان پذیر نیست. با این حال, بسیاری از برنامه های آن از چالش های محاسبات ابری مانند تأخیر, آگاهی از مکان و پشتیبانی از تحرک در زمان واقعی رنج می برند. محاسبات مه, به ارائه راه حل هایی برای این چالش ها کمک می کند. این مقاله, شامل یک شبیه سازی شبکه اینترنت اشیا برای تخصیص منابع اشتراکی بهینه درمحاسبات مه است که برای حل مسئله از نوع MINLP است که هدف آن بیشینه کردن سود ارائه دهندگان خدمات ابری از طریق محاسبات مه است. معماری شبکه, شامل سه لایه ارائه دهندگان خدمات ابری, گره های مه و کاربران است. در این مقاله, شبکه سه لایه ایی شبیه سازی شده و الگوریتم مورد استفاده در این مسأله, الگوریتم بهینه سازی مبتنی بر آموزش-یادگیری می باشد, که با استفاده از دو فاز یادگیری و آموزش برای سه پارامتر درآمد ارائه دهندگان ابری, میانگین تاخیر و رضایت کاربران که برای انتخاب بهترین گره مه با هدف تخصیص منابع مشترک می باشد. این الگوریتم به روی مدل اجرا شده و با روش تصادفی مقایسه می شود. این مدل و الگوریتم, نسبت به الگوریتم های استفاده شده در حل مدل های مشابه این مسأله, سود ارائه دهندگان خدمات را افزایش می دهد.

چندرسانه ای

  • ثبت نشده است.
  • استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button