یک مدل چندهدفه برای بهینه سازی زمان بندی وظیفه ها در محیط های رایانشی مه-ابر

با ظهور برنامه های کاربردی مبتنی بر اینترنت اشیاء، تعداد درخواست های پردازشی به شدت افزایش یافته است. به منظور پاسخگویی به این درخواست ها، اخیرا محیط مه-ابر به عنوان یک سیستم رایانشی ترکیبی ارایه شده است. اگرچه مه-ابر یک محیط بسیار امیدبخش برای پردازش درخواست های اینترنت اشیاء است، اما با چالش های متعددی مواجه است. یکی از چالش های کلیدی، مسئله زمان بندی وظیفه ها است که تاثیر به سزایی روی کارایی و هزینه کلی سیستم دارد. با این انگیزش، در این مقاله ما ابتدا یک مدل بهینه سازی چندهدفه شامل زمان خاتمه آخرین وظیفه، مصرف انرژی و هزینه پردازش برای مسئله زمان بندی وظیفه ها در محیط یکپارچه مه-ابر ارایه می دهیم. سپس یک الگوریتم ابتکاری کارآمد برای حل آن پیشنهاد می کنیم. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی ما به طور چشمگیری هر سه معیار را کاهش می دهد و به خوبی می تواند بین آنها تعادل برقرار نماید. به طور مشخص، از نظر مقدار تابع هدف، الگوریتم پیشنهادی به طور متوسط 98% بهتر از روش تصادفی، 43% بهتر از الگوریتم ژنتیک و 32% بهتر از روش قدرت دو انتخاب عمل می کند.