改进阿基米德算法在物联网服务部署中的高效优化策略

本文主要探讨了"基于改进阿基米德优化算法的物联网服务放置问题的研究"。随着物联网设备数量的爆炸性增长，传统的云计算模型面临着诸如延迟、存储和带宽限制等问题。为了应对这些挑战，雾计算作为一种新兴的计算模式应运而生，它通过在网络边缘提供资源，支持对延迟敏感和计算密集型应用。 在雾计算环境中，服务放置问题（SPP）是指如何有效地将物联网服务映射到有限资源的雾节点上，以优化服务质量（QoS）、系统性能以及资源利用率。目前，SPP通常被视为一个多目标优化问题，因为需要平衡多个因素，如服务成本、能源消耗、延迟成本和吞吐量。然而，由于其计算复杂性，传统的Meta启发式方法在解决SPP时效果并不理想。 作者提出了一种创新的方法，即SPP-AOA（服务放置问题的阿基米德优化算法），它受到阿基米德原理的启发，利用分布式并行体系结构来自动化处理服务放置。该算法考虑了资源随时间的变化，旨在更高效地分配资源以应对未来的请求。研究中，通过Barabasi-Albert网络拓扑结构的分析，验证了SPP-AOA在提高服务部署效率、降低成本（相较于最先进的方法减少2%）和降低等待时间（减少20%）方面的优越性。 此外，SPP-AOA在雾环境中平均能多部署5%的服务，同时通过减少对云端的依赖，降低了整体的云部署成本。值得注意的是，这项研究发表于2023年，采用的是开放获取许可，允许他人在遵循CCBY-NC-ND协议的前提下进行再利用。 本文的核心贡献在于提出了一种基于阿基米德优化算法的策略，有效地解决了物联网服务在雾计算环境中的放置问题，这对于优化系统性能和用户体验具有重要意义。