مروری بر روشهای نوین زمانبندی وظایف در رایانش مه و لبه: چالش ها، دستاوردها و مسیرهای آینده

چکیده مقاله

رایانش مه به منظور پاسخ گویی به نیازهای کاربردهای حساس به تاخیر و کاهش وابستگی به مراکز داده ابری، به عنوان لایه ای میانی میان دستگاه های اینترنت اشیا و ابر مطرح شده است در این معماری زمان بندی وظایف یکی از مسائل کلیدی محسوب می شود زیرا محدودیت منابع، ناهمگونی گره ها و تغییرات پویا در بارکاری تصمیم گیری برای تخصیص بهینه وظایف را با چالش مواجه می سازد این مقاله به بررسی و تحلیل برخی از روشهای نوین زمان بندی وظایف در محیط رایانش مه می پردازد در این راستا الگوریتم های کلاسیک، روش های مبتنی بر بهینه سازی فراابتکاری، رویکردهای یادگیری ماشین و یادگیری تقویتی، و همچنین روش های ترکیبی مورد مطالعه قرار گرفته اند نتایج حاصل از این بررسی در قالب یک جدول مقایسه ای ارائه شده و نقاط قوت و محدودیت های هر دسته از روش ها مشخص گردیده است در پایان چالش های موجود در زمان بندی وظایف رایانش مه و مسیرهای پژوهشی آینده با تمرکز بر طراحی الگوریتم های کارا و سازگار با شرایط پویا مورد بحث قرار می گیرد

کلیدواژه‌ها

نویسندگان

سمیه خانی

گروه مهندسی کامپیوتر موسسه آموزش عالی مقدس اردبیلی اردبیل ایران

�انی، سمیه،1404،مروری بر روشهای نوین زمانبندی وظایف در رایانش مه و لبه: چالش ها، دستاوردها و مسیرهای آینده،دوازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران

ارائه‌شده در

مجموعه مقالات دوازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام16 اسفند 1404 · تهران