تخلیه ایمن مبتنی بر یادگیری ماشین در محیط رایانش مه با در نظر گرفتن مولفه های شهر هوشمند

با پیشرفت های صورت پذیرفته در حوزه سیستم های اطلاعاتی و شبکه های ارتباطی، نمونه تازه ای از شبکه ها با سرعت بالایپاسخگویی به نام لبه معرفی شده اند که می توانند درخواست های کاربران را در کوتاهترین زمان ممکن پردازش نمایند. قابلیتهای بالای این شبکه ها و همچنین امکان استفاده از آنها در دستگاه های سیار باعث شده است محبوبیت چشمگیری در زمینههای مختلف مدیریت شهری داشته باشند.برای مثال؛ در سیستم حمل و نقل درون شهری و یا سامانه های کنترل آلودگی که نیازبه پردازش آنی درخواستهای کاربران وجود دارد؛ شبکه های لبه گسترش قابل ملاحظه ای داشته اند.با وجود مزایای بالای اینشبکه ها در حوزه شهر هوشمند بازهم مشکلاتی پیش روی کارشناسان قرار دارد که از آن میان می توان به تخلیه ایمن داده ها وجانمایی صحیح درخواستها اشاره داشت. از آنجایی که موقعیت دستگاه های سیار به صورت لحظه ای تغییر می یابد؛ نیاز بهشناسایی و بارگزاری درخواست ها بر روی کلونی از برنامه های کاربردی و پردازشگرهای مرتبط است که بتوانند مولفه های زمان وتوان عملیاتی را در یک حد قابل انتظار برآورده نمایند . به همین منظور؛ الگوریتم هایی با درنظر داشتن حد انتظارات کاربرانو مشخصات توپولوژیکی شبکه های مه ارائه گردیده اند که هدف آنها ایجاد توازن در تخلیه ایمن داده هاست. یکی از چالش هایاساسی این روش ها، انتخاب پاسخ بهینه ی فضای مساله در کوتاه ترین زمان و به گونه ای است که تاخیر بازگشت کار به حداقلبرسد. بنابراین؛ در پژوهش جاری سعی شده است تا با به کارگیری الگوریتم بهینه سازی صاعقه بهبود یافته، قدرت همگرایی عاملها افزایش یافته و نقاط بهینه سراسری با دقت بالایی جستجو شوند. پیاده سازی های صورت پذیرفته نشان از کارایی مطلوب روشپیشنهادی نسبت به دیگر الگوریتم های بهینه سازی همانند MD-QOE و رقابت استعماری داشته که دلیل آن نیز ایجاد تناسبمیان پاسخ های بهینه محلی و سراسری می باشد.

Keywords:

الگوریتم صاعقه , تخلیه ایمن داده ها , روش فرااکتشافی , رایانش مه , یادگیری ماشین , مولفه های شهر هوشمند