بهینه سازی دوهدفه: مصرف انرژی و عملکرد هزینه با محدودیت ها در محاسبات مه
Publish place: Computing Science Journal، Vol: 7، Issue: 4
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 144
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_CSJI-7-4_005
Index date: 3 February 2024
بهینه سازی دوهدفه: مصرف انرژی و عملکرد هزینه با محدودیت ها در محاسبات مه abstract
محاسبه مه، تکامل محاسبات ابری است که به ارائه راه حل هایی برای چالش های رایانش ابری مانند تاخیر، آگاهی از موقعیت مکانی و پشتیبانی از تحرک در زمان واقعی کمک می کند. هدف از بهینه سازی یافتن مقادیر متغیرهایی است که مقدار یک تابع داده شده را به حداکثر یا حداقل می رسانند. بسیاری از مسائل بهینه سازی توسط برنامه نویسی غیرخطی عدد صحیح مختلط (MINLP) مدل سازی می شود. ما مدلی را طراحی کردیم که یک مسئله بهینه سازی برنامه نویسی غیرخطی عدد صحیح مختلط در محاسبات مه است. مدل ما دو هدف دارد: افزایش عملکرد هزینه و همچنین کاهش مصرف انرژی. سپس مسئله خود را با GEKKO که یک مجموعه بهینه سازی با پایتون است، حل کردیم. در مرحله بعدی، با استفاده از NSGA-II، R-NSGA-II، NSGA-III، R-NSGA-III و U-NSGA-III مدل را با Pymoo حل نمودیم. Pymoo یک چارچوب بهینه سازی چندهدفه در پایتون است. سرانجام، از روش TOPSIS برای مقایسه الگوریتم ها با شاخص های مختلف (مقادیر زمان اجرا و توابع هدف) استفاده کردیم.
بهینه سازی دوهدفه: مصرف انرژی و عملکرد هزینه با محدودیت ها در محاسبات مه Keywords:
بهینه سازی دوهدفه: مصرف انرژی و عملکرد هزینه با محدودیت ها در محاسبات مه authors
الهام دربانیان
دانشجوی دکتری- دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه قم قم ایران
محسن نیک رای
استادیار- دانشکده مهندسی کامپیوتر و فناوری اطالعات دانشگاه قم قم ایران