مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه مهندسی برق و مهندسی کامپيوتر ايران 16823745 24 1 2026 5 12 An intelligent technique based on jellyfish algorithm for priority-based task scheduling in IoT/Fog networks تکنیک هوشمند مبتنی بر الگوریتم چتر دریایی برای زمان‌بندی وظایف بر اساس اولویت در شبکه‌های IoT/Fog 1 13 fa سکینه سهرابی بوعلی سینا مهدی سخائی نیا دانشگاه بوعلی سینا محمد نصیری دانشگاه بوعلی سینا رضا محمدی بوعلی سینا 2024 12 20 <p style="text-align: left;"><strong>Fog computing was implemented to enhance the service quality of IoT applications in cloud computing. The increase in latency and bandwidth overhead in cloud computing is a result of IoT devices transmitting large amounts of data. IoT devices are responsible for producing significant volumes of data that need to be managed, resulting in higher demands on the fog-cloud computing network and necessitating resource management in this setting. In the fog-cloud computing system, tasks of varying priorities can be dispatched for processing. Providing an appropriate scheduling strategy for tasks in the fog layer is challenging due to the multitude of tasks and resources involved. Task scheduling in fog-cloud computing systems aims to optimize task allocation and execution while considering relevant constraints. Thus, this research suggests an enhanced method using the jellyfish algorithm and genetic algorithm to minimize energy consumption and execution time while considering task priority, which is crucial in task allocation. The results of the simulation and comparison of the suggested algorithm with other algorithms in this study support the effectiveness of the proposed method in decreasing both execution time and energy usage.</strong></p> <p><strong>محاسبات مه به منظور بهبود کیفیت خدمات</strong> <strong>برنامه&zwnj;های کاربردی اینترنت اشیا</strong> <strong>در محاسبات ابری</strong> <strong>معرفی شده است، انتقال حجم عظیم داده توسط دستگاه&zwnj;های اینترنت اشیا</strong> <strong>منجر به تأخیر بیشتر و سربار پهنای باند در محاسبات ابری شده است. از سوی دیگر دستگاه&zwnj;های اینترنت اشیا</strong> <strong>منجر به تولید حجم زیادی از داده&zwnj;ها برای پردازش شده است که به نوبه خود بار روی شبکه محاسباتی مه </strong><strong>&ndash;</strong><strong> ابر را افزایش می&zwnj;دهد و مشکلاتی را ایجاد می&zwnj;کند که نیازمند مدیریت منابع در این محیط است. پیچیدگی و تنوع وظایف و منابع درگیر در لایه مه، ارائه یک استراتژی مناسب برای زمان&zwnj;بندی وظایف را دشوار می&zwnj;کند. هدف زمان&zwnj;بندی وظایف، به حداکثر رساندن تخصیص و اجرای وظایف تحت سیستم&zwnj;های محاسباتی مه - ابر و در عین حال در نظر گرفتن محدودیت&zwnj;های مربوطه است. بنابراین، این مطالعه یک الگوریتم زمان&zwnj;بندی کار </strong><strong>پیشرفته با استفاده از الگوریتم چتر دریایی و الگوریتم ژنتیک برای کاهش مصرف انرژی و زمان اجرا پیشنهاد کرده است تا اولویت وظایف رعایت شود. نتایج شبیه&zwnj;سازی و مقایسه&zwnj;ی الگوریتم</strong> <strong>پیشنهادی</strong> <strong>با الگوریتم&zwnj;های پیشرفته مورد بررسی در این مقاله برتری روش پیشنهادی در کاهش زمان اجرا و مصرف انرژی را تایید می&zwnj;کند</strong><strong>.</strong></p> http://ijece.org/en/Article/Download/48922