یک مدل هوش مصنوعی برای زمان بندی وظایف به صورت آگاه از انرژی بر پایه اتوماتای یادگیر تصادفی برای کاربردهای اینترنت اشیاء
عنوان مقاله: یک مدل هوش مصنوعی برای زمان بندی وظایف به صورت آگاه از انرژی بر پایه اتوماتای یادگیر تصادفی برای کاربردهای اینترنت اشیاء
شناسه ملی مقاله: JR_JICTP-2-8_002
منتشر شده در در سال 1400
شناسه ملی مقاله: JR_JICTP-2-8_002
منتشر شده در در سال 1400
مشخصات نویسندگان مقاله:
رضا ابراهیم پوریان - گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اراک. اراک. ایران
مهدی فرتاش - گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اراک. اراک. ایران
جواد اکبری ترکستانی - گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اراک. اراک. ایران
خلاصه مقاله:
رضا ابراهیم پوریان - گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اراک. اراک. ایران
مهدی فرتاش - گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اراک. اراک. ایران
جواد اکبری ترکستانی - گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اراک. اراک. ایران
در این مقاله یک مدل هوشمند مصنوعی برای زمانبندی وظایف (Task scheduling) به صورت آگاه از انرژی (Energy-aware) بر پایه اتوماتای یادگیر (Learning automata) در کاربردهای رایانش مه (Fog Computing) ارائه 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 میکند. یکی ازمهمترین فاکتورها در مصرف انرژی مربوط به زمانبندی وظایف است. در این مقاله موضوع زمانبندی 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 برنامهریزی وظایف در محیط مه ارائه شده است. مدل شبکه عصبی ارائه شده توانایی پیشبینی ارتباط بین پارامترهای زمان اتمام کار، انرژی و هزینه را بر اساس تعداد ماشینهای مجازی دارد. نتایج مدل هوش مصنوعی ارائه شده نشان می دهد که تمام پارامترهای مذکور با کمتر از یک درصد پیش بینی شدهاند. همچنین در مدل ارایه شده خطای آموزش و آزمون برای پارامتر زمان اتمام کار به ترتیب ۰.۰۲ و ۰.۰۴ بدست آمد، برای پارامتر انرژی به ترتیب ۰.۱۶ و ۰.۸۴ بدست آمد و برای پارامتر هزینه به ترتیب ۰.۰۲ و ۰.۱۹ بدست آمد.
کلمات کلیدی: هوش مصنوعی, هزینه, انرژی, شبکه عصبی, زمان اتمام کار, اتوماتای یادگیر
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1425424/