Shahed University

The IoT Resource Allocation Improvement in Fog Computing Using Non-Cooperative Game Theory

Hamid Navidi Ghaziani | Houshyar Mohamadi | Hamid Haj Seyyed Javadi | A. Rezakhani

URL :   http://research.shahed.ac.ir/WSR/WebPages/Report/PaperView.aspx?PaperID=159436
Date :  2022/06/01
Publish in :    پدافند الکترونيکي و سايبري

Link :  https://ecdj.ihu.ac.ir/article_207064_fa0f79c160193ca31a13335cee1b8d0b.pdf?lang=en
Keywords :محاسبات مه، تخصيص منابع، اينترنت اشيا، تعادل نش، الگوريتم مزايده

Abstract :
در سیستمهای شبکهای مبتنی بر اینترنت اشیا از یک معماری مدرن به نام محاسبات مه استفاده میشود. در معماری محاسبات مـه ارائـه ی خدمات داده اقتصادی و کم تاخیر است. این مقاله به حل چالش اصلی تخصیص منـابع محاسـباتی در رایـانش مـه مـی پـردازد. حـل چـالش تخصیص منابع منجر به افزایش سود، صرفهجویی اقتصادی و استفادهی بهینه از سیستمهای محاسباتی میشود. در این پژوهش با استفاده از الگوریتم ترکیبی تعادل نش و الگوریتم مزایده، تخصیص منابع بهبودیافته است. در روش پیشنهادی، به هـر بـازیکن یـک مـاتری س اختصـاص دادهشده است. ماتریس هر بازیکن شامل تخصیص گرههای مه، مشترکین خـدمات داده و اپراتورهـای خـدمات داده اسـت. در هـر مرحلـه از الگوریتم، هر بازیکن بر اساس راهبرد سایر بازیکنان بهترین راهبرد را تولید میکند. نتایج پژوهش نشان از برتری بهرهوری گره مه و بهـره وری اپراتور خدمات داده در روش پیشنهادی در مقایسه با الگوریتم بازی استکلبرگ دارد. اولین مقایسه بر اساس تغییرات مشترکین صورت گرفتـه است که بهرهوری گره مه با 240 مشترک استفادهشده در روش پیشنهادی 8/6852 بوده و در روش اسـتکلبرگ بـا شـرایط یکسـان 2/5510 میباشد. دومین مقایسه بر اساس نرخ سرویس بلوکهای کنترلی منابع (μ (میباشد کـه بهـره وری اپراتـور خـدمات داده ای بـا 4=μ در روش پیشنهادی 07+35E.1 بوده و در روش استکلبرگ با شرایط یکسان 7+1E میباشد.



Files in this item :
Download Name : 159436_17714296216.pdf
Size : 483Kb
Format : PDF