АДАПТИВНІ АЛГОРИТМИ УПРАВЛІННЯ ТЕХНОЛОГІЇ IOT В УМОВАХ ОБМЕЖЕ-НИХ РЕСУРСІВ
DOI:
https://doi.org/10.18372/2310-5461.63.18950Ключові слова:
адаптивні алгоритми, інтернет речей, IoT, обмежені ресурси, управління, ефективністьАнотація
Стаття присвячена дослідженню та аналізу застосування адаптивних алгоритмів управління технологією IoT в умовах обмежених ресурсів. В контексті швидко зростаючої популярності IoT, ефективне управління цією технологією в умовах обмежених обчислювальних, енергетичних та мережевих ресурсів стає вирішальним завданням. У роботі пропонуються методи адаптивного управління, спрямовані на оптимізацію використання ресурсів та підвищення продуктивності системи IoT.
Проведено аналіз трьох адаптивних алгоритмів управління IoT, а саме: Q- learning, алгоритм нечіткої логіки та алгоритм колективного інтелекту. Досліджуються особливості, ефективність та придатність цих алгоритмів для застосування в умовах обмежених ресурсів, таких як обчислювальна потужність та енергоефективність.
Як вирішення існуючої проблеми в статті запропоновано новий алгоритм: гібрид алгоритмів нечіткої логіки та колективного інтелекту. Новий алгоритм створює нові можливості для керування IoT-пристроями в умовах обмежених ресурсів, адже має кращі сторони обох алгоритмів, не маючи їх явних недоліків. Запропонований алгоритм має потенціал підвищення ефективності IoT-систем в середньому на 10-25%.
Проте для досягнення кращих результатів, важливо також враховувати різні сценарії використання IoT-систем, оскільки ефективність алгоритмів може змінюватися залежно від конкретних умов. Наприклад, пристрої, що працюють у віддалених або важкодоступних місцях, вимагають більшої автономності та стійкості до обмежень мережевих ресурсів. Подібні фактори відіграють ключову роль у забезпеченні стабільної та надійної роботи IoT-систем у реальних умовах.
Висновки статті спрямовані на визначення найбільш ефективного алгоритму управління IoT в умовах обмежених ресурсів. Результати досліджень можуть бути корисними для розробників та впроваджувачів IoT систем, спрямованих на оптимізацію використання ресурсів та підвищення продуктивності систем.
Посилання
Wikipedia. Internet of things. URL: https://en.wikipedia.org/wiki/Internet_of_things (дата звернення: 29.04.2024).
IEEE Xplore. The research and implement of smart home system based on Internet of Things. URL: https://ieeexplore.ieee.org/document/6066672 (дата звернення: 29.04.2024)
Big Data Statistics 2023: How Much Data is in The World? URL: https://firstsiteguide.com/big-data-stats/ (дата звернення: 29.04.2024)
Exploding Topics. 80+ Amazing IoT Statistics. URL: https://explodingtopics.com/blog/iot-stats#iot-industry-size (дата звернення: 07.05.2024)
What’s the big data. Top Machine Learning Statistics to know. URL: https://whatsthebigdata.com/top-machine-learning-statistics/ (дата звернення: 07.05.2024)
Watkins, C.J.C.H. Learning from Delayed Rewards. PhD thesis. 1989. Pp. 220-228.
Fuzzy logic. URL: http://www.scholarpedia.org/article/Fuzzy_logic (дата звернення: 29.04.2024)
Hassanien E. Swarm Intelligence for Resource Management in Internet of Things. 2020. Pp. 1-19.
Wikipedia. Q-навчання. URL: https://uk.wikipedia.org/wiki/Q-%D0%BD%D0%B0%D0%B2%D1%87%D0%B0%D0%BD%D0%BD%D1%8F (дата звернення: 07.05.2024)
Medium. Machine Learning with Fuzzy Logic. URL: https://towardsdatascience.com/machine-learning-with-fuzzy-logic-52c85b46bfe4 (дата звернення: 07.05.2024)
Wikipedia. Колективний інтелект. URL: https://uk.wikipedia.org/wiki/%D0%9A%D0%BE%D0%BB%D0%B5%D0%BA%D1%82%D0%B8%D0%B2%D0%BD%D0%B8%D0%B9_%D1%96%D0%BD%D1%82%D0%B5%D0%BB%D0%B5%D0%BA%D1%82 (дата звернення: 09.05.2024)
LinkedIn. How does Swarm Intelligence work and what are its potential applications? URL: https://www.linkedin.com/pulse/how-does-swarm-intelligence-work-what-its-potential-giovanni-sisinna (дата звернення: 09.05.2024).