رایانش مه-ابر سلسله مراتبی یک الگوی محاسباتی امیدبخش برای پردازش و ذخیره سازی دادههای حجیم تولید شده توسط دستگاههای اینترنت اشیا است. با توجه به اینکه گره های محاسباتی مه توزیع شده، ناهمگن و دارای محدودیت منابع هستند، نمی توان همه سرویس های اینترنت اشیا را داخل محیط مه استقرار داد. بنابراین، لازم است یک الگوریتم کارآمد برای انتخاب مجموعه سرویس هایی که باید روی محیط مه قرار داده شوند طراحی کرد. وقتی که نیازمندی های متنوع سرویس ها شامل زمان پاسخ و هزینه در نظر گرفته شود مسئله پیچیده تر می شود. با این انگیزه، در این مقاله ابتدا یک مدل بهینه سازی برنامه ریزی عدد صحیح مختلط برای مسئله جایابی سرویس های اینترنت اشیا در محیط مه-ابر سلسله مراتبی با هدف کمینه سازی زمان پاسخ، هزینه و هدر رفت منابع ارائه می شود. سپس به منظور حل مدل به صورت کارآمد، یک الگوریتم ژنتیک مبتنی بر نخبه گرایی پیشنهاد می گردد که در آن سعی می شود تعادل خوبی بین اکتشاف و بهره برداری برقرار شود. آزمایش های گسترده و متنوعی برای ارزیابی عملکرد روش پیشنهادی انجام شده است. نتایج حاصل نشان می دهد که روش ارائه شده از نظر معیارهای کیفیت سرویس، هزینه و بهره وری منابع به مراتب بهتر از سایر الگوریتم ها عمل می کند. به طور ویژه، روش پیشنهادی مقدار تابع هدف را به طور متوسط بین 42.3% تا 49.8% بهبود می دهد.
