ALEOA: Планировщик на основе адаптивного алгоритма оптимизации «лотосового эффекта» для динамических сетей промышленного Интернета вещей

Промышленный Интернет вещей (IIoT) характеризуется мгновенной передачей разнообразных критических данных по сложным сетям с ограниченными ресурсами. Для повышения эффективности и точности планирования задач в таких сетях в данном исследовании предложена новая архитектура планирования задач на основе адаптивного алгоритма оптимизации «лотосового эффекта» (ALEOA). ALEOA сочетает механизм самоочищения и обучающую функцию «лотосового эффекта» с возможностями глобального поиска и обучения алгоритма роя частиц (PSO), что позволяет установить баланс между локальным и глобальным поиском. ALEOA способна адаптивно настраивать маршрутизацию и планирование задач для поддержки передачи критических данных в динамической сети. Результаты экспериментов на стандартных эталонных функциях и имитациях среды коммуникации IIoT показывают, что предлагаемая модель на основе ALEOA обеспечивает более высокие показатели принятия задач, меньшие задержки связи и улучшенное использование ресурсов по сравнению с традиционными метаэвристическими методами. Статистический анализ с использованием критерия Уилкоксона по знакам подтвердил эффективность этого улучшения.