Ein neues Forschungspapier schlägt IoTGA-SRC² vor, eine Variante des genetischen Algorithmus, die Task-Offloading-Entscheidungen über IoT-Geräte, Fog-Knoten und Cloud-Server optimiert und dabei strenge Deadlines einhält. Im Gegensatz zu traditionellen Ansätzen, die sich nur auf die Minimierung von Latenz oder Energie konzentrieren, integriert IoTGA-SRC² Deadline-Beschränkungen direkt in die Fitnessfunktion, was eine realistischere Planung für zeitkritische IoT-Workloads ermöglicht. Der Algorithmus verwendet ein neuartiges Chromosomenkodierungsschema, das sowohl Task-Zuweisung als auch Ressourcenzuteilung darstellt, und spezielle Crossover- und Mutationsoperatoren zur Wahrung der Machbarkeit. Erste Ergebnisse zeigen signifikante Verbesserungen der Deadline-Erfüllungsraten im Vergleich zu Basislinienheuristiken, insbesondere unter hoher Systemlast. Diese Arbeit ist relevant für Entwickler, die Edge-Cloud-Orchestrierungssysteme für industrielles IoT, Smart Cities und autonome Systeme bauen, wo verpasste Deadlines schwerwiegende Folgen haben können.
Dieses Papier stellt IoTGA-SRC² vor, einen genetischen Algorithmus für deadline-bewusstes Task-Offloading in IoT-Edge-Cloud-Umgebungen. Es adressiert die Herausforderung, lokale Berechnung, Fog-Knoten-Verarbeitung und Cloud-Ausführung unter Einhaltung von Deadlines auszugleichen. Der Ansatz ist bedeutsam für Echtzeit-IoT-Anwendungen mit kritischen Latenz- und Ressourcenbeschränkungen.