|
محاسبات مه و کاربردهای آن در هوش مصنوعی توزیعشده
|
علیرضا دشتی فامیلی   ، علی عزتی |
| گروه مهندسی کامپیوتر، واحد همدان ، دانشگاه آزاد اسلامی ، همدان ، ایران |
|
|
چکیده: (66 مشاهده) |
سامانههای سلامت دیجیتال، محاسبات مه را بهعنوان راهکاری کلیدی در محیطهای توزیعشده مطرح کرده است. این مقاله با تمرکز بر الگوریتمهای یادگیری تقویتی (RL) و بهینهسازی چندهدفه، رویکردهای نوین تخصیص منابع و زمانبندی وظایف در معماریهای مهمحور را بررسی میکند. عملکرد الگوریتمهایی نظیر Q-Learning، DDPG، و PPO در کاهش تأخیر و مصرف انرژی تحلیل شده و ترکیب آنها با روشهای تکاملی (مانند NSGA-II) بهعنوان راهکاری مؤثر برای حل چالشهای متضاد منابع معرفی میگردد. همچنین، مسائل کلیدی مقیاسپذیری، پایداری در محیطهای ناپایدار، حفظ حریم خصوصی، و تبیینپذیری مدلها مورد بحث قرار گرفته است. چشماندازهای آینده شامل توسعه چارچوبهای یادگیری فدرال، یادگیری خودتنظیم (Meta-RL)، و یکپارچهسازی با منابع انرژی تجدیدپذیر بهعنوان گامهایی اساسی برای طراحی سامانههای هوشمند و پایدار پیشنهاد شدهاند. این مطالعه چارچوبی برای طراحی راهکارهای بهینه و اعتمادپذیر در معماریهای توزیعشده آینده فراهم میکند.
|
|
| واژههای کلیدی: محاسبات مه، هوش مصنوعی توزیعشده، تخصیص منابع، یادگیری تقویتی، بهینهسازی چندمعیاره |
|
|
متن کامل [PDF 381 kb]
(55 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1404/2/28 | پذیرش: 1404/10/1 | انتشار: 1404/10/1
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
