BALANCE DE TAREAS EN SERVIDORES EN LA NIEBLA MEDIANTE EL USO DE OPTIMIZACIÓN METAHEURÍSTICA

Abstract

Cada día, el avance tecnológico y la prevalencia de la conectividad en línea propician la generación de voluminosas cantidades de datos. Estos datos, transmitidos a sistemas de almacenamiento en la nube, son sometidos a procesos de análisis y procesamiento, mientras navegan por la red enfrentando desafíos significativos como daños, problemas de seguridad y latencia. En este contexto, la computación en la niebla (Fog Computing) emerge como una arquitectura óptima para mitigar estos inconvenientes recurrentes. La tecnología de Fog Computing, sin embargo, plantea dilemas inherentes a su implementación, siendo un desafío destacado para los sectores industriales y la comunidad científica el manejo del consumo energético. Este consumo es generado por las constantes solicitudes de usuarios a los servidores de niebla o a conjuntos de máquinas virtuales. Estas últimas son esenciales para disminuir la dependencia de servidores físicos y permiten la programación de recursos ociosos, contribuyendo de esta manera al ahorro de energía. Dada la relevancia de este desafío, se llevó a cabo un análisis del estado del arte de los algoritmos metaheurísticos que han ganado mayor representación en la literatura científica, con el objetivo de encontrar soluciones viables a este problema de consumo energético. Durante este análisis, se compararon diversos algoritmos tales como el Algoritmo Genético (AG), el Algoritmo de Particle Swarm Optimization (PSO) y el Algoritmo Differential Evolution (DE), Algoritmo Crow Search (CSA) y la modificación propuesta en esta tesis el Algoritmo Crow Search con mutación trigonométrica (CSA-MT). Los resultados obtenidos evidenciaron una superioridad del algoritmo Algoritmo Crow Search con mutación trigonométrica (CSA-MT) en comparación con los otros métodos analizados. Este hallazgo propone una alternativa más eficiente para abordar los desafíos energéticos inherentes a la computación en la niebla.