مدل ترکیبی چند هدفه با استفاده از الگوریتم های تکاملی جهت افزایش توان عملیاتی در محیط یکپارچه اینترنت اشیا و محاسبات ابری

امروز با گسترش شبکه های کامپیوتری و رشد تکنولوژی تلفن همراه تعداد کاربران رشد چشمگیری داشته است همچنین حجم پردازش ها و ذخیره سازی داده ها نیاز به پردازنده های بسیار قوی و حافظه های بالا دارند. تکنولوژی محاسبات ابری جهت حل این مشکل بوجود آمده تا کاربران با هزینه اندک بتوانند بدون خرید سخت افزار اضافی خدمات لازم را دریافت نمایند. محاسبات ابری مدلی است برای فراهم کردن دسترسی آسان براساس تقاضای کاربر از طریق شبکه به مجموعه ای از منابع محاسباتی، که این دسترسی بتواند با کمترین نیاز به مدیریت منابع و یا نیاز به دخالت مستقیم فراهم کننده سرویس به سرعت فراهم شده یا آزاد شود.یکی از چالشهای اساسی در محاسبات ابری بحث زمانبندی وظایف است. هر چند الگوریتم های مختلفی جهت زمانبندی وظایف در محیط های محاسبات ابری پیشنهاد شده است، اما هنوز می توان یک الگوریتم چندهدفه و چندمعیاره جدید برای محیطهای محاسبات ابری پیشنهاد نمود تا عملکرد الگوریتم را بر اساس معیارهای مختلف و بطور همزمان بهبود دهد. انواع متنوعی از الگوریتم های زمانبندی در سیستم های ابر و مه وجوددارد که هدف اصلی آن ها به دست آوردن عملکرد محاسباتی بالا و بهترین توان عملیاتی سیستم است.در اینپژوهشیک الگوریتم زمانبندی وظایف چندهدفه بر مبنای الگوریتم گرگ خاکستریبرای زمانبندی در محیط یکپارچه ابر و اینترنت اشیا طراحی شده و عملکرد آن مورد ارزیابی قرار خواهد گرفت. نتایج تحقیق نشان داد که الگوریتم پیشنهادی در معیارهای ارزیابی زمان تاخیر، پهنای باند و توان عملیاتی دارای عملکرد بهتری نسبت به دو الگوریتم ژنتیک و رقابت استعماری می باشد.