دانلود ترجمه مقاله تخصیص منابع محاسباتی در شبکه های مه اینترنت اشیا سه ردیفه

1. مقدمه 2. مدل سیستم 3. فرمول بندی مساله 4. آنالیز سیستم 5. نتایج شبیه سازی و بحث و بررسی 6. پژوهش های مرتبط 7. نتیجه گیری

چکیده – محاسبات مه یک معماری امیدبخش جهت ارائه خدمات داده با تاخیر کم، مقرون به صرفه، برای سیستم های شبکه مبتنی بر اینترنت اشیاء آتی می باشد. محاسبات مه متکی بر مجموعه ای از گره های مه کم قدرت که نزدیک به کاربران نهایی واقع شده اند، برای تخلیه سرویس هایی که در ابتدا هدف قرار دادن در مراکز داده ابر بود، می باشد. در این مقاله، یک شبکه محاسباتی مه به خصوص متشکل از مجموعه ای از اپراتورهای سرویس داده ای (DSO) که هر یک از آنها مجموعه ای از گره های مه را کنترل می کند تا سرویس داده مورد نیاز را به مجموعه ای از مشترکان خدمات داده (DSS ها) منتقل کند، در نظر گرفته شده است. چگونگی اختصاص منابع محاسباتی محدود گره های مه (FN) به تمام DSS ها برای دستیابی به عملکرد مطلوب و پایدار، مسئله ای بسیار مهم است. بنابراین، ما یک چارچوب بهینه سازی مشترک برای همه FN ها، DSOs ها و DSS ها برای دستیابی به طرح های تخصیص منابع بهینه در یک روش توزیع پیشنهاد می کنیم. در چارچوب، ما برای اولین بار یک بازی استاکلبرگ را برای تجزیه و تحلیل مسئله قیمت گذاری برای DSOs و همچنین مسئله تخصیص منابع برای DSSs آماده می کنیم. در شرایطی که DSOs می توانند مقدار مورد انتظار منابع خریداری شده توسط DSS ها را بدانند، بازی تطبیقی بسیار به بسیار، برای بررسی مشکل جفت شدن بین DSOs و FNs اعمال می شود. در نهایت، در همان DSO، ما یک لایه دیگر از تطابق بسیار به بسیار از FN های جفت شده و سرویس DSS ها برای حل مشکل جفت شدن FNDSS اعمال می کنیم. نتایج شبیه سازی نشان می دهد که چارچوب پیشنهادی ما می تواند به طور قابل توجهی عملکرد سیستم های مبتنی بر IoT را بهبود بخشد.

Fog computing is a promising architecture to provide economical and low latency data services for future Internet of Things (IoT)-based network systems. Fog computing relies on a set of low-power fog nodes (FNs) that are located close to the end users to offload the services originally targeting at cloud data centers. In this paper, we consider a specific fog computing network consisting of a set of data service operators (DSOs) each of which controls a set of FNs to provide the required data service to a set of data service subscribers (DSSs). How to allocate the limited computing resources of FNs to all the DSSs to achieve an optimal and stable performance is an important problem. Therefore, we propose a joint optimization framework for all FNs, DSOs, and DSSs to achieve the optimal resource allocation schemes in a distributed fashion. In the framework, we first formulate a Stackelberg game to analyze the pricing problem for the DSOs as well as the resource allocation problem for the DSSs. Under the scenarios that the DSOs can know the expected amount of resource purchased by the DSSs, a many-to-many matching game is applied to investigate the pairing problem between DSOs and FNs. Finally, within the same DSO, we apply another layer of many-to-many matching between each of the paired FNs and serving DSSs to solve the FN-DSS pairing problem. Simulation results show that our proposed framework can significantly improve the performance of the IoT-based network systems.