بهینه سازی چند هدفه برنامه ریزی منابع در محاسبات مه با استفاده از NSGA-II بهبود یافته

در فناوری محاسبات ابری مرسوم، منابع ابری به طور متمرکز توسط مراکز داده بزرگ ارایه می‌شوند. برای رشد نمایی کاربران ابری ، برخی از برنامه ها ، از جمله نظارت بر سلامت و واکنش اضطراری با الزامات زمان واقعی (Real Time ) و کم تأخیر ، نمی توانند به پشتیبانی کارآمد منابع دست یابند. بنابراین، تکنولوژی محاسبات مه (محاسبات مه یا شبکه مه ، معماری است که از دستگاه های لبه استفاده می کند تا میزان قابل توجهی محاسبات ، ذخیره سازی ، ارتباطات محلی و مسیریابی را از طریق ستون فقرات اینترنت انجام دهد.) پیشنهاد شده‌است، که در آن خدمات ابری می‌تواند به لبه شبکه گسترش یابد تا تراکم شبکه کاهش یابد. در محاسبات مه، منابع بیکار در بسیاری از دستگاه‌های توزیع‌شده را می توان برای ارائه خدمات مورد استفاده قرار داد. یک طرح برنامه‌ریزی منابع موثر برای تحقق یک مدیریت منطقی برای این منابع ناهمگن اهمیت دارد. بنابراین، در این مقاله، یک مدل برنامه‌ریزی منابع دو سطحی پیشنهاد شده‌است. علاوه بر این، ما یک طرح زمان‌بندی منابع را در میان گره‌های مه در همان دسته مه براساس تئوری الگوریتم ژنتیک مرتب‌سازی بهبود یافته اصلاح‌شده (‏ N

In conventional cloud computing technology, cloud resources are provided centrally by large data centers. For the exponential growth of cloud users, some applications, such as health monitoring and emergency response with the requirements of real-time and low-latency, cannot achieve efficient resource support. Therefore, fog computing technology has been proposed, where cloud services can be extended to the edge of the network to decrease the network congestion. In fog computing, the idle resources within many distributed devices can be used for providing services. An effective resource scheduling scheme is important to realize a reasonable management for these heterogeneous resources. Therefore, in this paper, a two-level resource scheduling model is proposed. In addition, we design a resource scheduling scheme among fog nodes in the same fog cluster based on the theory of the improved non-dominated sorting genetic algorithm II (NSGA-II), which considers the diversity of different de