تخصیص منابع محاسباتی در شبکه‌های مه خودرویی با رویکرد انرژی تجدید پذیر آگاه از تحرک

رایانش مه یک مدل نوظهور از رایانش ابری است که هدف آن برآورده ساختن درخواست‌های محاسباتی در نزدیکی کاربر و یا حتی لبه شبکه است. محلی‌سازی خدمات پردازشی، به حداقل رساندن زمان انتقال و پردازش داده‌های بلادرنگ و پشتیبانی از تحرک‌پذیری اجزای شبکه از جمله خدمات سفارشی‌سازی شده‌ی رایانش مه محسوب می‌شود که می‌تواند با استقرار در لبه شبکه، راهکار مناسبی برای غلبه بر محدودیت‌های منابع محاسباتی باشد. تخصیص منابع محاسباتی موثر به درخواست‌های دریافت شده در محیط های پویا همچنان چالش‌برانگیز است. در این مقاله، یک مدل تخصیص منابع محاسباتی در شبکه مه خودرویی آگاه از تحرک مبتنی بر انرژی تجدید‌‌پذیر پیشنهاد می‌گردد. در مدل پیشنهادی از یک راهکار مبتنی بر برنامه‌ریزی خطی و تابع برازندگی جهت تخصیص منابع پردازشی بهینه در لایه مه استفاده می‌شود. هدف تابع برازش، ارزیابی میزان مناسب بودن منابع مه خودرویی جهت تخصیص به گره‌های فعال شبکه به‌منظور انجام وظایف درخواستی آ‌نها می‌باشد. مدل محاسباتی مه خودرویی معرفی شده شامل خودروهای درخواست دهنده، گره‌های مه و گره‌های مه خودرویی است که تعاملات منسجم اجزای این شبکه آگاه از انرژی، بیانگر بهبود توان محاسباتی مه در مدل پیشنهادی است. در بخش ارزیابی و تجزیه‌و‌تحلیل، عملکرد مدل پیشنهادی از طریق شبیه‌سازی در محیط کلودسیم راستی آزمایی می‌شود. نتایج ارزیابی نشان می‌دهد که روش ارائه شده دارای تأثیر مطلوبی بر روی کاهش زمان اجرای وظایف (میانگین 12.5 درصد) و مصرف انرژی (میانگین 8.9 درصد) است.