﻿<?xml version="1.0" encoding="utf-8"?>
<ArticleSet>
  <ARTICLE>
    <Journal>
      <PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName>
      <JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle>
      <ISSN>16823745</ISSN>
      <Volume>23</Volume>
      <Issue>1</Issue>
      <PubDate PubStatus="epublish">
        <Year>2025</Year>
        <Month>8</Month>
        <Day>12</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Optimization of Response Time in Software Defined IoT Networks Using Cloud-Fog Computing</ArticleTitle>
    <VernacularTitle>بهینه‌سازی زمان پاسخ در شبکه‌های اینترنت اشیای نرم‌افزارمحور  با استفاده از محاسبات مه- ابر</VernacularTitle>
    <FirstPage>41</FirstPage>
    <LastPage>50</LastPage>
    <ELocationID EIdType="doi" />
    <Language>fa</Language>
    <AuthorList>
      <Author>
        <FirstName>الهام</FirstName>
        <LastName>حاجیان</LastName>
        <Affiliation>دانشگاه بجنورد</Affiliation>
      </Author>
    </AuthorList>
    <History PubStatus="received">
      <Year>2024</Year>
      <Month>7</Month>
      <Day>27</Day>
    </History>
    <Abstract>&lt;p&gt;The Internet of Things uses the cloud to process information received from electronic devices. Powerful servers located far from the sensors perform the processing. IoT devices send requests to the cloud and receive results from it. In some IoT applications, response time and latency are important. Therefore, latency should be reduced as much as possible. Sending information to the cloud itself entails latency. Therefore, the use of fog along with the cloud plays a fundamental role in the IoT. The use of fog and cloud computing in the field of IoT is a significant topic for researchers. To facilitate this process, software-defined networks have emerged as a vital component. These networks enable centralized control and management of the network. They also ensure optimal resource utilization and seamless connectivity by dynamically directing data flows to fog or cloud resources based on real-time conditions. Fog computing refers to the deployment of resources near the network sensor. By doing so, fog computing aims to reduce latency and bandwidth usage while improving overall system performance. It does this by utilizing local computing capabilities to process data. This research uses the proposed architecture for IoT networks and modeling different parts of this architecture using queuing theory to reduce response time using fog-cloud computing and obtain network quality of service parameters through mathematical analysis. In the following, the residual energy and latency comparison graphs for health and lighting applications as well as the use and non-use of fog-cloud computing are plotted. The graphs show that the use of fog-cloud computing reduces response time and the lighting application using fog has more residual energy and the health application has less latency. The simulation was performed using NS2 software in the smart home application.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;اینترنت اشیا از ابر برای پردازش اطلاعات رسیده از وسایل الکترونیکی استفاده می&amp;zwnj;کند. سرورهای قدرتمند و دور از حسگرها، پردازش را انجام می&amp;zwnj;دهند. وسایل اینترنت اشیا درخواست&amp;zwnj;ها را به ابر ارسال کرده و نتایج را از آن دریافت می&amp;zwnj;کنند. در بعضی از کاربردهای اینترنت اشیا، زمان پاسخ و تأخیر مهم می&amp;zwnj;باشد؛ بنابراین باید هرچه بیشتر زمان تأخیر را کاهش داد. ارسال اطلاعات به ابر، خود مستلزم ایجاد تأخیر می&amp;zwnj;باشد؛ لذا استفاده از مه در کنار ابر در اینترنت اشیا نقش اساسی را ایفا می&amp;zwnj;کند.&lt;/p&gt;
&lt;p&gt;استفاده از مه و رایانش ابری در زمینه اینترنت اشیا، موضوع قابل توجه برای پژوهشگران می&amp;zwnj;باشد. برای تسهیل این فرایند، شبکه&amp;zwnj;های نرم&amp;zwnj;افزارمحور به عنوان یک جزء حیاتی ظاهر شده&amp;zwnj;اند. این شبکه&amp;zwnj;ها امکان کنترل و مدیریت متمرکز شبکه را فراهم می&amp;zwnj;کنند. همچنین با هدایت پویای جریان&amp;zwnj;های داده به منابع مه یا ابر بر اساس شرایط زمان واقعی، استفاده بهینه از منابع و اتصال یکپارچه را تضمین می&amp;zwnj;کنند. محاسبات مه به استقرار منابع در نزدیکی حسگر شبکه اشاره دارد. با انجام این کار، محاسبات مه با هدف کاهش تأخیر و استفاده از پهنای باند در حالی که عملکرد کلی سیستم را بهبود می&amp;zwnj;بخشد، می&amp;zwnj;پردازد. این کار را با استفاده از قابلیت&amp;zwnj;های محاسباتی محلی برای پردازش داده&amp;zwnj;ها انجام می&amp;zwnj;دهد.&lt;/p&gt;
&lt;p&gt;این پژوهش با استفاده از معماری پیشنهادی برای شبکه&amp;zwnj;های اینترنت اشیا و مدل&amp;zwnj;سازی قسمت&amp;zwnj;های مختلف این معماری با استفاده از نظریه صف، زمان پاسخ را توسط محاسبات مه- ابر کاهش داده و پارامترهای کیفیت سرویس شبکه را توسط آنالیز ریاضی به دست می&amp;zwnj;آورد. در ادامه نیز نمودارهای مقایسه انرژی باقیمانده و تأخیر برای کاربردهای سلامتی و روشنایی و همچنین نمودارهای مقایسه&amp;zwnj;ای استفاده و عدم استفاده از محاسبات مه- ابر رسم شده است. نمودارها نشان می&amp;zwnj;دهند که استفاده از محاسبات مه- ابر، زمان پاسخ را کاهش می&amp;zwnj;دهد و کاربرد روشنایی با استفاده از مه، انرژی باقیمانده بیشتر و کاربرد سلامتی، تأخیر کمتر دارد. شبیه&amp;zwnj;سازی با استفاده از نرم&amp;zwnj;افزار 2NS در کاربرد خانه هوشمند انجام شده است.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="Keyword">
        <Param Name="Value">اینترنت اشیا، خانه هوشمند، شبکه‌های نرم‌افزارمحور، محاسبات ابر، محاسبات مه، نظریه صف.</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="Pdf">http://ijece.org/fa/Article/Download/47481</ArchiveCopySource>
  </ARTICLE>
</ArticleSet>