ارائه يك مدل هوشمند براي بارگذاري وظايف در همكاري ابر و مه با استفاده از يادگيري تقويتي فازي

كارشناسي ارشد

فناوري اطلاعات و ارتباطات نقش بسيار حياتي در توسعه برنامه‌هاي نوظهور مانند واقعيت مجازي، واقعيت افزوده، شبكه هوشمند، صرفه‌جويي در انرژي، و برنامه‌هاي كمك شناختي پوشيدني ايفا مي‌كند. اين برنامه‌ها نياز به انرژي و قدرت براي كاركرد، قابليت پردازش، و ظرفيت ذخيره‌سازي دارند، همچنين به يك اجرا در زمان كوتاه و بدون تاخير نياز دارند. در پايان‌نامه حاضر، از تركيب يادگيري تقويتي ، فازي، و الگوريتم‌هاي ژنتيك در محيط ابر و مه براي بهينه‌سازي زمان و انرژي براي بارگذاري وظايف بهره گرفته شده است. دستگاه‌هاي ديجيتال پيشرفته با ويژگي‌هاي پردازش بلادرنگ داده، قدرت محاسباتي بالا، و قابليت اجراي برنامه‌هاي هوشمند جديد، امروزه ارائه شده‌اند. اين دستگاه‌ها به بهبود كارايي برنامه‌هاي پيچيده مانند واقعيت مجازي، برنامه‌هاي اينترنت اشيا، و ديگر برنامه‌هاي پرتوان و پويا كمك مي‌نمايند. در اين پايان‌نامه، به موضوع بارگذاري وظايف در محيط‌هاي پويا و مديريت هوشمندانه داده توليد شده توسط اينترنت اشيا و دستگاه‌هاي تلفن همراه پرداخته شده است. در اين پژوهش وظيفه اولويت بندي وظايف با استفاده از قواعد فازي انجام شده و پس از آن زمان‌بندي اجراي وظايف با استفاده از الگوريتم يادگيري تقويتي انجام شده است و در نهايت با استفاده از الگوريتم ژنتيك بهينه‌سازي شده است. روش پيشنهادي با رويكردهاي ديگري مانند PSO, WOA,SCA مقايسه شده است. نتيجه حاصل از مقايسه اين بوده است كه رويكرد پيشنهادي از نظر زمان اجرا، انرژي مصرفي، هزينه و همگرايي بهتر از رويكردهاي ذكر شده عمل نموده است

227705

دانشگاه اصفهان

مهندسي كامپيوتر- شبكه هاي كامپيوتري

محمدرضا خيام باشي