Ranqueamento de recursos em IoT: uma abordagem explorando análise de consenso Fuzzy
Resumo
A Internet das Coisas (IoT) é um paradigma de computação distribuída cujo crescimento tem atraído atenção tanto pela oportunidade de um novo impacto na economia digital quanto pelas potenciais frentes de pesquisas a serem exploradas. Esse fenômeno é impulsionado pela crescente oferta de recursos conectados à Internet e trás consigo, uma maior complexidade em suas operações, especialmente nos procedimentos para descoberta, classificação e seleção de adequados recursos atendendo às demandas do cliente. A seleção adequada de serviços, considerando a disponibilidade
de um grande número de serviços aptos a atendê-lo e cuja disponibilidade pode se alterar ao longo do tempo, compreende o escopo deste trabalho. A especificação das preferências do cliente envolve imprecisões e incertezas na especificação do grau de relevância dos atributos de qualidade dos diferentes recursos, pois depende de conhecimento e experiência anteriores para definição mais adequada de parâmetros, como escalas de medição. Este trabalho tem como objetivo abordar as incertezas na especificação e processamento das preferências do cliente ao classificar um conjunto
de recursos na IoT. Para tal propõe-se, a definição de medidas de consenso fuzzy e medidas de consenso sobre conjuntos fuzzy, ambas baseadas em relações de equivalência estritas e em agregações como média aritmética e média exponencial. O modelo EXEHDA-RR colabora com a descoberta e classificação de recursos na IoT, considerando não apenas atributos não funcionais de Qualidade de Serviço (QoS), mas também alta escalabilidade de recursos. A proposta se destaca na classificação de recursos da IoT, explorando o tratamento da incerteza no processamento de
preferências usando ambas abordagens da lógica fuzzy: T1FL e T2FL. Além disso, cenários que contêm simulações de solicitação de recursos que aplicam diferentes preferências do cliente podem ser demonstrados nas funcionalidades EXEHDA-RR. Os principais resultados obtidos são apresentados, ajustando a seleção dos recursos mais relevantes de acordo com as preferências especificadas em termos linguísticos para cada atributo de QoS. Nesta perspectiva, diversos trabalhos relacionados à aplicação de medidas de consenso fuzzy também foram avaliados.
Collections
Os arquivos de licença a seguir estão associados a este item: