بهبود تخصیص منابع اینترنت اشیاء در محاسبات مه با استفاده از نظریه بازی غیر همکارانه
در سیستم های شبکه ای مبتنی بر اینترنت اشیاء از یک معماری مدرن به نام محاسبات مه استفاده می شود. در معماری محاسبات مه ارایه ی خدمات داده اقتصادی و کم تاخیر است. این مقاله به حل چالش اصلی تخصیص منابع محاسباتی در رایانش مه می پردازد. حل چالش تخصیص منابع منجر به افزایش سود، صرفه جویی اقتصادی و استفاده ی بهینه از سیستم های محاسباتی می شود. در این پژوهش با استفاده از الگوریتم ترکیبی تعادل نش و الگوریتم مزایده، تخصیص منابع بهبودیافته است. در روش پیشنهادی، به هر بازیکن یک ماتریس اختصاص داده شده است. ماتریس هر بازیکن شامل تخصیص گره های مه، مشترکین خدمات داده و اپراتورهای خدمات داده است. در هر مرحله از الگوریتم، هر بازیکن بر اساس راهبرد سایر بازیکنان بهترین راهبرد را تولید می کند. نتایج پژوهش نشان از برتری بهره وری گره مه و بهره وری اپراتور خدمات داده در روش پیشنهادی در مقایسه با الگوریتم بازی استکلبرگ دارد. اولین مقایسه بر اساس تغییرات مشترکین صورت گرفته است که بهره وری گره مه با 240 مشترک استفاده شده در روش پیشنهادی 8/6852 بوده و در روش استکلبرگ با شرایط یکسان 2/5510 می باشد. دومین مقایسه بر اساس نرخ سرویس بلوک های کنترلی منابع (μ) می باشد که بهره وری اپراتور خدمات داده ای با μ=4 در روش پیشنهادی 1.35E+07 بوده و در روش استکلبرگ با شرایط یکسان 1E+7 می باشد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.