Многостратегический алгоритм Ivy для низкой задержки и надежного планирования задач в промышленном Интернете вещей

Промышленный Интернет вещей (IIoT) обеспечивает масштабное взаимосоединение гетерогенных устройств и процессов. Тем не менее эффективное планирование сотен чувствительных к задержке, ресурсозатратных задач в распределённых системах по-прежнему остаётся проблемой. Современные методы ройного интеллекта и эволюционные подходы часто страдают от преждевременной сходимости, высоких вычислительных затрат и ненадёжных результатов в динамичных сетевых условиях. В данном исследовании мы предлагаем многостратегический алгоритм Ivy (MS-IA) для обеспечения низкой задержки и надёжного планирования задач в средах IIoT. MS-IA заимствует адаптивное поведение роста и распространения плюща и включает четыре стратегических расширения: адаптивное возмущение, изменяемую скорость роста, концепцию устройства агрегации рыб и гибридизацию с дифференциальной эволюцией. Внедряя эти механизмы в модель планирования задач IIoT, MS-IA поддерживает надлежащий баланс исследования и использования, тем самым сокращая время выполнения (makespan) и энергопотребление при одновременном максимизации надёжности системы и пропускной способности. На основе всестороннего тестирования нагрузок IIoT разных масштабов подтверждено, что MS-IA демонстративно превосходит современные алгоритмы планирования.