همراه با رشد روز افزون دستگاه‌های هوشمند و اینترنت 5G، فناوری اینترنت اشیاء نیز توسعه یافته است. افزایش تعداد اشیاء هوشمند سبب افزایش حجم داده‌ها و بارهای محاسباتی در ابعادی وسیع شده است. به همین دلیل رایانش ابری به عنوان راه‌حلی برای این حجم داده استفاده می‌شود. با این حال با توجه به اهمیت کیفیت خدمات، راه‌حل رایانش ابری نمی‌تواند برای درخواست‌های حساس به تاخیر جوابگو باشد. تخصیص منابع در رایانش مه‌آلود باعث کاهش هزینه تاخیر می‌گردد. در این مقاله برای تخصیص منابع، برنامه‌نویسی پویا با توجه به تعداد زیاد درخواست‌ها و محدودیت‌های مسئله مورد استفاده قرار گرفته است. روش پیشنهادی موجب کاهش هزینه تاخیر برای درخواست‌های اینترنت اشیاء می‌شود. در این پژوهش مدل‌سازی سیستم و الگوریتم پیشنهادی برای چهار حالت مختلف اجرا شد. در این چهار حالت دو روش پیشنهادی سهم این پژوهش بوده است. این الگوریتم‌های پیشنهادی منجر به کاهش چشمگیر درهزینه تاخیر کل می‌شود. ولی مطابق انتظار الگوریتم پس‌انتشار پاسخ بهینه‌تری به نسبت به الگوریتم پیش‌انتشار داشت. Manuscript profile

The present essay scrutinizes the application of discrete mollification as a filtering procedure to solve a nonlinear backward inverse heat conduction problem in one dimensional space. These problems are seriously ill-posed. So, we combine discrete mollification and space marching method to address the ill-posedness of the proposed problem. Moreover, a proof of stability and convergence of the aforementioned algorithm is provided. Finally, the results of this paper have been illustrated by some numerical examples. Manuscript profile

This work considers a numerical method based on the 2D-hybrid block-pulse functions and normalized Bernstein polynomials to solve 2D-nonlinear Fredholm integral equations of the second type. These problems are reduced to a system of nonlinear algebraic equations and solved by Newton's iterative method along with the numerical integration and collocation methods. Also, the convergence theorem for this algorithm is proved. Finally, some numerical examples are given to show the effectiveness and simplicity of the proposed method. Manuscript profile