مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 23 1 2025 8 12 The Deadline- and Energy-Aware Resource Allocation using a Combination of Multi-Criteria Greedy Approach and Decision Tree in the IoT-Edge-Cloud Environment تخصیص منبع آگاه از مهلت و انرژی با استفاده از ترکیب رویکرد حریصانه چندمعیاره و درخت تصمیم در محیط اینترنت اشیاء-مه– ابر 61 75 fa شیوا رزاق زاده دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران سارا حسین پور آزاد اردبیل 2024 6 29 <p style="text-align: justify;">With the rapid growth of the Internet of Things (IoT), the volume of data collected from sensors has increased significantly. As a result, there is a growing need to connect IoT devices to cloud servers to meet the demands of data storage, processing, and analysis. Furthermore, the emergence of intermediate technologies, such as fog computing, which performs initial computations on requests at the network edge, has reduced the computational load sent to the cloud. However, task scheduling in cloud resources remains a challenging problem. Resource scheduling, as an NP-Hard problem, involves the optimal and efficient allocation and distribution of resources (such as processors, memory, networks, etc.) to tasks in cloud servers. Therefore, many researchers have attempted to propose heuristic-based algorithms to find near-optimal solutions. In these approaches, the primary goal is to find the appropriate resource for task allocation, while the task&rsquo;s execution deadline is not always considered. In IoT applications, the data may correspond to critical tasks that require quick responses, which has often been overlooked in previous methods. Therefore, this paper proposes a resource allocation approach using scheduling in the IoT-Fog-Cloud framework, based on a combination of decision trees for task prioritization and a multi-criteria greedy approach. Simulation results show that the proposed method, by prioritizing tasks and balancing multiple objectives using a multi-criteria greedy approach, performs near-optimally in terms of evaluation criteria such as cost and task completion time, and improves upon previous methods.</p> <p>با رشد روزافزون اینترنت اشیا، حجم داده&zwnj;های جمع&zwnj;آوری&zwnj;شده از سنسورها به طور چشم&zwnj;گیری افزایش یافته است. با توجه به این امر، نیاز به اتصال اینترنت اشیا به سرورهای ابری برای رفع نیازهای ذخیره&zwnj;سازی، پردازش و تحلیل داده&zwnj;ها احساس می&zwnj;شود. همچنین ظهور فناوری میانی مانند مه، با انجام محاسبات اولیه بر روی درخواست&zwnj;ها در لبه شبکه، موجب کاهش حجم محاسبات ارسالی به ابر شده است. با این حال زمان&zwnj;بندی وظایف در منابع ابری، یک مسئله چالش&zwnj;برانگیز است. زمان&zwnj;بندی منابع به عنوان یک مسئله NP-Hard به معنای تخصیص و توزیع منابع (مانند پردازنده، حافظه، شبکه و ...) به وظایف ارسالی در سرورهای ابری به صورت بهینه و مؤثر می&zwnj;باشد. از این رو محققان زیادی سعی در ارائه روش&zwnj;های مبتنی بر الگوریتم&zwnj;های فراابتکاری برای یافتن راه&rlm;حل&zwnj;های نزدیک به بهینه هستند. هدف اصلی در این روش&zwnj;ها یافتن منبع مناسب برای تخصیص به وظیفه است، حال آن که وضعیت وظیفه از نظر مهلت زمان اجرای وظیفه بر روی ماشین مجازی در نظر گرفته نمی&zwnj;شود. در کاربردهای اینترنت اشیا، داده&zwnj;ها ممکن است مربوط به وظایف بحرانی باشند که نیازمند پاسخ سریع هستند. به عبارت دیگر وظایفی که مهلت کمی برای اجرا دارند ممکن است در راستای بهبود سایر اهداف کیفیت سرویس به ماشین&zwnj;های مجازی با قدرت پردازشی کمتری ارسال شوند و در زمان مقرر قادر به اتمام نباشند که توجه زیادی به این مسئله در روش&zwnj;های پیشین نشده است. از این رو در این مقاله، رویکرد تخصیص منابع با استفاده از زمان&zwnj;بندی در بستر اینترنت اشیا- مه- ابر بر اساس ترکیب درخت تصمیم در راستای اولویت&rlm;بندی وظایف و رویکرد حریصانه چندمعیاره ارائه شده است. نتایج شبیه&zwnj;سازی نشان می&rlm;دهند روش پیشنهادی با تکیه بر اولویت&rlm;بندی وظایف و ایجاد توازن در اهداف مختلف بر اساس رویکرد حریصانه چندمعیاره، با در نظر گرفتن فاکتورهای هزینه و زمان اتمام کار از نظر معیارهای ارزیابی نزدیک به بهینه عمل کرده و در مقایسه با روش&rlm;های پیشین بهبود یافته است.</p> http://ijece.org/fa/Article/Download/47217