بهبود نرخ پوشش و کاهش هزینه پایش در پایش جمعی سیار با استفاده از الگوریتم بهینه سازی جنگل آشوبگون

در اینترنت اشیا حجم انبوهی از داده های مختلف تولید می شود که برای پردازش به مرکز داده ارسال می گردد. برای افزایش توان پردازشی، اینترنت اشیا مبتنی بر رایانش مه پیشنهاد شده است. در اینترنت اشیا مبتنی بر مه کاربران با تجهیزات هوشمند (مانند گوشی های همراه) وظایف را پایش کرده و در انجام آن ها مشارکت می کنند. به این فرآیند پایش جمعی سیار گفته می شود. در پایش جمعی سیار، اختصاص پاداش (هزینه) بدون برنامه ریزی به کاربران، می تواند هزینه های بستر را افزایش دهد و قابلیت های برنامه های کاربردی را تهدید کند. بنابراین تعیین سیاست پاداش منطقی برای کاربران به منظور کاهش هزینه های بستر به صورتی که نرخ پوشش شبکه نیز بیشنه باشد از چالش های مهم در این فناوری است. افزایش نرخ پوشش شبکه و کاهش هزینه های بستر را می توان در قالب یک مساله بهینه سازی مطرح کرد. اما ارایه الگوریتمی که در بهینه های محلی کمتر گرفتار شود و بتواند همواره نتایج مطلوبی ارایه دهد خود یک چالش دیگر است. در این مقاله تلاش شده است با بهره گیری از تیوری آشوب، و الگوریتم بهینه سازی جنگل رویکردی جدید و کارآمد برای پایش جمعی سیار ارایه شود. روش پیشنهادی در نرم افزار MATLB پیاده سازی شده و تجزیه وتحلیل یافته ها نشان می دهد که روش پیشنهادی توانسته است نرخ پوشش شبکه و هزینه پایش را نسبت به طرح های مشابه بهینه کند.