کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

تحلیل مقایسه ای الگوریتم های یادگیری ماشین در زمانبندی وظایف رایانش شبنم

نویسندگان :

فرشته رضائی¹

1- دانشگاه پیام نور

کلمات کلیدی :

رایانش شبنم،زمان‌بندی وظایف،یادگیری ماشین،یادگیری تقویتی

چکیده :

رایانش شبنم به‌عنوان یک پارادایم نوظهور، با بهره‌گیری از منابع محلی، پردازش داده را به کاربر نهایی نزدیک‌تر کرده و وابستگی به زیرساخت‌های متمرکز ابری را کاهش می‌دهد. یکی از چالش‌های اصلی در این محیط، زمان‌بندی بهینه وظایف با درنظرگیری محدودیت‌های منابع و الزامات بلادرنگ است. این مقاله به ارائه یک مرور نظام‌مند از کاربرد الگوریتم‌های یادگیری ماشین برای حل این چالش می‌پردازد. علیرغم پتانسیل بالای این حوزه، تحلیل روند انتشار نشان می‌دهد که تعداد پژوهش‌های مستقلی که به طور همزمان به هر سه مؤلفه رایانش شبنم، زمان‌بندی وظایف و یادگیری ماشین پرداخته باشند، همچنان محدود است. با بررسی جامع مطالعات بین سال‌های ۲۰۱۸ تا ۲۰۲5، یافته‌ها نشان می‌دهد که یادگیری تقویتی به دلیل توانایی در مدیریت محیط‌های پویا و غیرقطعی، پارادایم غالب است، درحالی‌که یادگیری تحت نظارت با ارائه پیش‌بینی‌های سریع، نقش مکمل حیاتی ایفا می‌کند. اگرچه این راهکارها پتانسیل بالایی دارند، اما چالش‌هایی چون سربار محاسباتی، وابستگی به داده‌های تاریخی و هزینه ارتباطی در معماری‌های غیرمتمرکز، موانع اصلی در مسیر استقرار عملی آنها هستند. این مرور، شکاف‌های تحقیقاتی کلیدی را شناسایی و مسیرهای آینده را جهت توسعه راه‌حل‌های سبک‌وزن، مقاوم و کاملاً غیرمتمرکز ترسیم می‌کند.