یک مدل هوش مصنوعی برای زمان بندی وظایف به صورت آگاه از انرژی بر پایه اتوماتای یادگیر تصادفی برای کاربردهای اینترنت اشیاء
در این مقاله یک مدل هوشمند مصنوعی برای زمان بندی وظایف (Task scheduling) به صورت آگاه از انرژی (Energy-aware) بر پایه اتوماتای یادگیر (Learning automata) در کاربردهای رایانش مه (Fog Computing) ارایه شده است. رایانش مه یک لایه محاسباتی توزیع شده است که به عنوان یک لایه میانی بین ابر و اینترنت اشیا به منظور ارتقاء کیفیت خدمات عمل می کند. یکی ازمهمترین فاکتورها در مصرف انرژی مربوط به زمان بندی وظایف است. در این مقاله موضوع زمان بندی وظایف در محیط مه به منظور کاهش مصرف انرژی، زمان اتمام کار(Makespan) و هزینه با استفاده از اتوماتای یادگیر بررسی شده است. سپس برای اولین بار یک شبکه عصبی به عنوان مدل هوش مصنوعی بر اساس اتوماتای یادگیر برنامه ریزی وظایف در محیط مه ارایه شده است. مدل شبکه عصبی ارایه شده توانایی پیش بینی ارتباط بین پارامترهای زمان اتمام کار، انرژی و هزینه را بر اساس تعداد ماشین های مجازی دارد. نتایج مدل هوش مصنوعی ارایه شده نشان می دهد که تمام پارامترهای مذکور با کمتر از یک درصد پیش بینی شده اند. همچنین در مدل ارایه شده خطای آموزش و آزمون برای پارامتر زمان اتمام کار به ترتیب 0.02 و 0.04 بدست آمد، برای پارامتر انرژی به ترتیب 0.16 و 0.84 بدست آمد و برای پارامتر هزینه به ترتیب 0.02 و 0.19 بدست آمد.
هوش مصنوعی ، هزینه ، انرژی ، شبکه عصبی ، زمان اتمام کار ، اتوماتای یادگیر
- 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.