شبکه‌های حسگر بی‌سیم دارای محدودیت‌هایی از قبیل توان پردازشی، منابع ذخیره‌سازی و تأخیر زمانی در انتقال داده‌ها به ابر می‌باشند. محاسبات مه به وسیله توسعه سرویس‌های ابری به لبه شبکه موجب کاهش ترافیک و تأخیر زمانی می‌شود و بنابراین این نوع شبکه‌ها در سیستم‌های بسیاری مانن چکیده کامل
شبکه‌های حسگر بی‌سیم دارای محدودیت‌هایی از قبیل توان پردازشی، منابع ذخیره‌سازی و تأخیر زمانی در انتقال داده‌ها به ابر می‌باشند. محاسبات مه به وسیله توسعه سرویس‌های ابری به لبه شبکه موجب کاهش ترافیک و تأخیر زمانی می‌شود و بنابراین این نوع شبکه‌ها در سیستم‌های بسیاری مانند مراقبت پزشکی، ابزارهای پوشیدنی، سیستم حمل و نقل و شهرهای هوشمند کاربرد دارد. تکنیک‌های زمان‌بندی وظایف در محاسبات مه از جمله مسایل NP-hard محسوب می‌شود. برنامه‌ها جهت اجراشدن به منابع نیاز دارند. ابزارهای لبه شبکه به حسگرها و ابر نزدیک بوده و دارای قدرت پردازشی لازم برای اجرای برنامه‌ها می‌باشند. هر ابزار لبه می‌تواند برای پیاده‌سازی سیاست‌های تخصیص منابع مورد استفاده قرار گیرد. در این مقاله، ما با ارائه یک روش مبتنی بر کوله‌پشتی بهینه‌شده با الگوریتم هم‌زیستی جانداران به تخصیص مناسب منابع به وظایف در شبکه‌های مه می‌پردازیم. روش پیشنهادی در شبیه‌ساز iFogsim به عنوان یک کتابخانه توسعه‌یافته از کلودسیم جهت پردازش مه پیاده‌سازی شده است. نتایج نشان‌دهنده بهبود در انرژی مصرفی، مصرف منابع و هزینه اجرای شبکه می‌باشد که روش پیشنهادی بهتر از روش کوله‌پشتی و الگوریتم پردازش به ترتیب ورود عمل نموده است.
پرونده مقاله
