چکیده: با گسترش اینترنت، فضای مجازی و ورود تجهیزات اینترنت اشیا به زندگی روزمره، تعداد کاربران فعال اینترنت به طرز قابل توجهی افزایش یافته است. با وجود گسترش رایانش ابری به عنوان یک بستر مطمئن برای محاسبات و پردازش های کاربران، به دلیل تعداد بسیار بالای نودهای متصل به اینترنت در مناطق مختلف و افزایش روز افزون حجم اطلاعات، پهنای باند و ترافیک شبکه، رایانش ابری دیگر جوابگوی کیفیت و خواسته‌های کاربران نیست. کیفیت و سرعت سرویس های ارائه شده نقش بسیار مهمی در جلب رضایت کاربران ایفا می کند اما ایجاد سرور های ابر در مناطق مختلف می تواند منجر به افزایش مصرف انرژی به صورت فزاینده شود. امروزه مدیریت نحوه اتصال کاربران به سرورهای ابر محلی که از آن با نام محاسبات لبه یاد میشود افزایش روز افزونی یافته است. با ایجاد مدیریت های محلی، پخش و توزیع سرورها به صورت سرورهای لبه در مناطق مختلف، ضمن مدیریت پهنای باند و انجام محاسبات در نزدیکی کاربر، بهینگی استفاده از منابع افزایش و ترافیک سرباره شبکه کاهش می یابد. نیازمندی های مختلفی از قبیل: کیفیت سرویس، کاهش ترافیک شبکه، کاهش مصرف انرژی، توزیع محاسبات بین سرورها به صورت عادلانه و بر اساس منابع موجود از جمله مواردی است که در تخصیص بارکاری به سرورها مد نظر قرار می گیرد. با توجه به این توضیحات در این تحقیق به منظور بهینه سازی فرایند تخصیص بارکاری به سرورهای لبه، به عنوان یکی از ابزارهای توسعه آینده این محاسبات، یک رویکرد کاربردی با هدف پیش بینی رفتار کاربران در بلند مدت و تخصیص سرور لبه به صورت ثابت به بارکاری در میان مدت پیشنهاد شده است. رویکرد پیشنهادی با ثابت در نظرگرفتن سرور لبه در یک بازه میان مدت و بهینه سازی تخصیص کاربران به سرورها ضمن مدیریت منابع انرژی و کاهش مصرف انرژی در سرورها در میان مدت، در بلند مدت نیز فشار محاسباتی وارد بر سرورها را متعادل و بر اساس منابع در اختیار سرور مدیریت می کند. همچنین این رویکرد با ترکیب روش ریاضی مدل پنهان مارکوف برای پیش بینی الگوی رفتاری کاربران و الگوریتم ژنتیک به منظور تخصیص مناسب سرورهای لبه به کاربران می تواند پارامترهای مختلفی مانند بار شبکه و مصرف انرژی در آن را به صورت همزمان و با وزن های متفاوت یا یکسان بهینه سازی کند. این رویکرد در تخصیص سرورهای لبه به کاربران با استفاده از مجموعه داده های واقعی مورد بررسی قرار گرفت و نتایج حاصله نشان دهنده این هستند که رویکرد پیشنهاد شده می تواند مصرف انرژی را در میان مدت کاهش دهد.