Resumen

En lugar de la nube, las actividades del Internet de las cosas (IoT) se descargan en la computación en la niebla para impulsar la calidad de los servicios (QoS) que necesitan muchas aplicaciones. Sin embargo, la disponibilidad de recursos informáticos continuos en los servidores de computación en la niebla es una de las restricciones para las aplicaciones de IoT, ya que la transmisión de la gran cantidad de datos generados mediante los dispositivos de IoT crearía tráfico de red y provocaría un aumento de la sobrecarga computacional. Por lo tanto, la programación de tareas es el principal problema que debe ser resuelto de manera eficiente. Este estudio propone un modelo consciente de la energía utilizando un método de optimización aritmética mejorado (AOA) llamado AOAM, que aborda el problema de la programación de tareas de la computación en la niebla para maximizar la QoS de los usuarios mediante la maximización de la medida de makespan. En el AOAM propuesto, mejoramos la capacidad de búsqueda del AOA convencional utilizando los operadores de búsqueda del algoritmo de depredadores marinos (MPA) para abordar la diversidad de las soluciones utilizadas y los problemas de óptimos locales. El AOAM propuesto se valida utilizando varios parámetros, incluyendo varios clientes, centros de datos, hosts, máquinas virtuales, tareas, y medidas de evaluación estándar, incluyendo la energía y el makespan. Los resultados obtenidos se comparan con otros métodos del estado del arte; se demostró que AOAM es prometedor y resolvió la programación de tareas de manera efectiva en comparación con los otros métodos comparativos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:programación de tareas, propuesta de aoam, internet de las cosas, medidas de evaluación estándar, calidad de los servicios, problema del óptimo local, cantidad de datos, servidor de fog computing, algoritmo de optimización aritmética, algoritmo del depredador marino
• Keywords:task scheduling, proposed aoam, internet of things, standard evaluation measures, quality of services, local optimum problem, amount of data, fog computing server, arithmetic optimization algorithm, marine predator algorithm