باتوجه به رشد وتوسعه روزافزون دستگاه های اینترنت اشیاءدرحوزه های مختلف، امروزه شاهد پیدایش سرویس ها و برنامه های کاربردی متنوعی هستیم . تأمین سرویس برای دستگاه های اینتنرت اشیاء با چالش های متعددی مواجه است. از جمله این چالش ها می توان به الزامات کیفیت خدمات متنوع، ناهمگنی منابع و افزایش تعداد ارائه دهندگان خدمات اشاره کرد. اگرچه طی چند سال گذشته تعداد ارائه دهندگان زیرساخت ابری به طور چشمگیری افزایش یافته است اما ذات متمرکز بودن محیط ابری برای سرویس های حساس به تاخیر و حجم داده های تولید شده توسط دستگاه های توزیع شده اینترنت اشیاء نامناسب است. از این رو، بسیاری از ارائه دهندگان زیرساخت مه اخیرا ظهور کرده اند و تعداد آنها به طور مداوم در حال افزایش است. رایانش مه به دلیل نزدیکی به دستگاه های اینترنت اشیاء توانسته مشکل تاخیر و مصرف پهنای باند شبکه را برطرف کند اما به دلیل محدودیت منابع قادر به میزبانی تمام سرویس های درخواستی نیست. بادرنظرگرفتن نیازمندی های متنوع سرویس ها و مشخصات مختلف محیط های رایانشی، نحوه نگاشت سرویس ها به منابع رایانشی به صورت بهینه امری چالش برانگیز است. مسئله جایابی سرویس ها به این چالش می پردازد و بیانگرچگونگی تخصیص منابع رایانشی به سرویس ها است به طوریکه نیازمندی های سرویس ها و اهداف سرویس دهنده های مه-ابر رعایت شود. برای حل این چالش، دراین پایان نامه دو کار مختلف انجام شده است. در روش اول پلتفرمی تحت عنوان FLEX برای انتخاب مکان سرویس ها در محیط های چندمهی و چندابری پیشنهاد می شود. برای هر سرویس، FLEX نیازمندی های آن سرویس را به مدیر منابع تمامی سرویس دهنده ها ارسال می کند. سپس باتوجه به پاسخی که از سوی سرویس دهنده ها دریافت می کند و همچنین نیازمندی هر سرویس، بهترین سرویس دهنده را انتخاب می کند. پلتفرم پیشنهادی مقیاس پذیر و انعطاف پذیراست به طوریکه به سرویس دهنده ها اجازه می دهد تا از سیاست محلی خودشان برای جایابی هر سرویس استفاده کنند. در این کار، مسئله به صورت برنامه ریزی خطی صحیح مختلط با هدف کمینه سازی تاخیر و هزینه فرموله سازی شده است و یک الگوریتم ابتکاری کارآمد برای انتخاب مناسب ترین سرویس دهنده جهت میزبانی هر سرویس پیشنهاد می گردد. در تحقیق دوم، مسئله جایابی سرویس و توزیع بار در یک سیستم مه-ابر مورد بررسی قرار می گیرد. مسئله اصلی شامل سه زیرمسئله است:[1] تعیین تعداد نمونه ها به ازای هر سرویس؛ [2] جایابی نمونه ها و[3] توزیع بار بین نمونه های جایابی شده. در این کار، ابتدا مسئله با هدف کمینه سازی هزینه مالی و با رعایت قید مربوط به مهلت زمانی هر سرویس با استفاده از برنامه ریزی عدد صحیح مختلط مدل سازی می شود. سپس، یک الگوریتم ابتکاری برای حل مسئله به صورت کارآمد پیشنهاد می گردد. الگوریتم پیشنهادی با توجه به اولویت سرویس ها وحجم بار گره های مه زیرمسئله اول و دوم را حل می کند. پس از جایابی نمونه ها، درخواست های دستگاه های اینترنت اشیاء به نمونه های جایابی شده اختصاص داده می شود. به منظور ارزیابی عملکرد الگوریتم های پیشنهادی، آزمایش های مختلفی انجام شده است. نتایج آزمایشات حاکی از آن است که رویکردهای پیشنهادی عملکرد به مراتب بهتری نسبت به رقیبان از خود نشان می دهند.
