مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه رشد فناوری 1735-5486 22 87 2026 9 9 Provide a Model for Improving IoT Resource Management Based on Fog Computing By Combining Machine Learning and Meta-Innovation Algorithms ارائه مدلی در جهت بهبود مدیریت منابع در اینترنت‌اشیاء مبتنی‌بر محاسبات مه با ترکیب الگوریتم‌های یادگیری ماشین و فراابتکاری 42 49 fa جواد محمودیان دانشگاه آزاد اسلامی، تهران، ایران فاطمه نصیری دانشگاه آزاد اسلامی، تهران، ایران 2024 11 6 <p>The Internet of Things is a popular and interactive technology consisting of sensors, gateways, servers, and information access platforms that collect data and monitoring information through sensors. The Internet of Things has been rapidly developed and widely adopted due to its various advantages; however, it also comes with numerous challenges. Data security, energy consumption, scheduling, resource management, and routing are among these challenges. The present research aims to provide a model for improving resource management in the Internet of Things based on fog computing by combining machine learning and metaheuristic algorithms. This research focuses on the management of Internet of Things resources and presents a new solution for this purpose. In the proposed model, if a user request is not sensitive to delay, it is referred to the cloud environment; however, if it requires a real-time response, it is sent to the fog computing environment. When servicing requests, the situation is first predicted based on time series, and then the resource allocation process is performed using the Golden Eagle Optimization Algorithm. The proposed method was implemented in the MATLAB environment, and its efficiency was evaluated using four indicators: response time, cost, load balancing, and resource efficiency. The results showed that the proposed design outperformed the basic design (Router) across all indicators and allocated resources appropriately. Specifically, there was an improvement of 18% in the load balancing index, 23% in the response time index, 31% in the cost index, and finally, 28% in the resource efficiency index.</p> <p>اینترنت&zwnj;اشیاء یک فناوری محبوب و تعاملی از حسگرها، گیت&zwnj;ها، سرورها و پلتفرم&zwnj;های دسترسی به اطلاعات است که با تکیه بر حسگرها، داده&zwnj;ها و اطلاعات پایشی را گردآوری می&zwnj;کند. اینترنت&zwnj;اشیاء با داشتن مزیت&zwnj;های مختلف به سرعت توسعه یافته و مورد استقبال قرار گرفت؛ اما با چالش&zwnj;های متعددی نیز همراه است. امنیت داده&zwnj;ها، انرژی مصرفی، زمان&zwnj;بندی، مدیریت منابع، مسیریابی و ... از جمله این چالش&zwnj;ها هستند. پژوهش حاضر با هدف ارائه مدلی در جهت بهبود مدیریت منابع در اینترنت&zwnj;اشیاء مبتنی&zwnj; بر محاسبات مه با ترکیب الگوریتم&zwnj;های یادگیری ماشین و فرا&zwnj;ابتکاری صورت پذیرفت. در این پژوهش بر مدیریت منابع اینترنت&zwnj;اشیاء تمرکز شده و یک راه&zwnj;حل جدید برای آن ارائه گردید. در مدل پیشنهادی، اگر درخواست کاربر حساس به تأخیر نباشد؛ به محیط ابری ارجاع داده می&zwnj;شود، اما اگر مستلزم پاسخ&zwnj;گویی بلادرنگ باشد به&zwnj;صورت محاسبات مه ارسال می&zwnj;گردد. در زمان سرویس&zwnj;دهی به درخواست&zwnj;ها، ابتدا وضعیت با تکیه بر سری&zwnj;های زمانی پیش&zwnj;بینی شده و در ادامه فرایند تخصیص منابع با الگوریتم بهینه&zwnj;سازی عقاب طلایی انجام می&zwnj;گیرد. روش پیشنهادی در محیط متلب پیاده&zwnj;سازی شده و کارایی آن در چهار شاخص زمان پاسخ&zwnj;گویی، هزینه، تعادل بار و بهره&zwnj;وری منابع مورد ارزیابی قرار گرفت. بررسی نتایج نشان داد که طرح پیشنهادی پایان&zwnj;نامه در تمامی شاخص&zwnj;ها نسبت به طرح پایه برتری (Router) داشته و منابع را رویکرد مناسبی تخصیص می&zwnj;دهد. به &zwnj;نحوی که 18 درصد در شاخص تعادل بار، 23 درصد در شاخص زمان پاسخ&zwnj;گویی، 31 درصد در شاخص هزینه و نهایتاً 28 درصد در شاخص بهره&zwnj;وری منابع بهبود داشته است.</p> http://roshdefanavari.ir/fa/Article/Download/48489