fa مروری بر تخصیص منابع پویا در شبکه‌های لبه یی با رویکرد دوقلوی دیچیتال تخصصي Special پژوهشي Research <div style="text-align: justify;">تخصیص منابع در شبکه‌های لبه به فرآیندی اطلاق می‌شود که با توزیع کارآمد منابع محاسباتی، ذخیره‌سازی و شبکه‌بندی، نیازهای مختلف برنامه‌ها و خدمات را برآورده می‌سازد. با ظهور فناوری دوقلوی دیحیتال که همتای مجازی اجسام فیزیکی را فراهم می‌کند، تخصیص منابع در شبکه‌های لبه با بهره‌گیری از قابلیت‌های دوقلو دیجیتال بهبود می‌یابد. دوقلوی دیجیتال قابلیت نظارت و تجزیه و تحلیل در زمان واقعی از دارایی‌های فیزیکی را فراهم می‌کند، که بهترین درک از رفتار و نیازهای منابع آنها را ممکن می‌سازد. با یکپارچه‌سازی (DT)² در شبکه‌های لبه، تخصیص منابع می‌تواند با بهره‌گیری از بینش‌های به‌دست آمده از این تکثیرهای مجازی بهینه‌سازی شود. این یکپارچگی، تخصیص منابع پویا بر اساس داده‌های زمان واقعی از DT را ممکن می‌سازد و امکان مدیریت و تخصیص پیش‌بینانه منابع را فراهم می‌کند. محاسباتی، ذخیره‌سازی و شبکه‌بندی، نیازهای مختلف برنامه‌ها و خدمات را برآورده می‌سازد. با ظهور فناوری دوقلوی دیجیتال (Digital Twin) که همتای مجازی اجسام فیزیکی را فراهم می‌کند، تخصیص منابع در شبکه‌های لبه با بهره‌گیری از قابلیت‌های این فناوری بهبود می‌یابد. این تحقیق با هدف بهینه‌سازی تخصیص منابع در محیط‌های پویا و محدود به منابع انجام شده است. روش پیشنهادی از ترکیب یادگیری تقویتی عمیق (DRL)³ و فناوری دوقلوی دیجیتال بهره می‌گیرد. نتایج نشان می‌دهند که این رویکرد منجر به کاهش تأخیر، افزایش بهره‌وری انرژی و بهبود تخصیص منابع در شرایط متغیر می‌شود. در نتیجه، یکپارچگی DT در شبکه‌های لبه، تخصیص منابع را با فراهم کردن نظارت در زمان واقعی، تجزیه و تحلیل پیش‌بینانه و تصمیم‌گیری هوشمند قابلیت بهینه‌سازی منابع بهبود می‌دهد.</div> <div style="text-align: justify;">Resource allocation in edge networks refers to the process of efficiently distributing computing, storage, and networking resources to meet the diverse needs of applications and services. With the emergence of Digital Twin (DT) technology&mdash;which provides virtual counterparts of physical objects&mdash;resource allocation in edge networks can be enhanced by leveraging the capabilities of digital twins. Digital twins offer real-time monitoring and analysis of physical assets, enabling a deeper understanding of their behavior and resource requirements. By integrating DT into edge networks, resource allocation can be optimized using insights gained from these virtual replicas. This integration enables dynamic resource allocation based on real-time data from DTs, facilitating predictive management and proactive resource assignment. This research aims to optimize resource allocation in dynamic and resource-constrained environments. The proposed method combines Deep Reinforcement Learning (DRL) with Digital Twin technology. Results show that this approach leads to reduced latency, improved energy efficiency, and enhanced resource allocation under varying conditions. As a result, integrating DT into edge networks improves resource optimization by providing realtime monitoring, predictive analysis, and intelligent decisionmaking capabilities.</div> تخصیص منابع, شبکه لبه, دوقلوی دیجیال, اینترنت اشیا Resource Allocation, Edge Network, Digital Twin, Internet of Things (IoT). 114 128 http://jots.knu.edu.af/browse.php?a_code=A-10-1-12&slc_lang=fa&sid=1 Hussain Mowahedi حسین موحدی Hussain.mowahedi@gmail.com Yes IT Department, Faculty of Computer Science, Khatam Al-Nabieen (PBUH) University – Kabul دیپارتمنت تکنالوژی معلوماتی پوهنځی کامپیوتر ساینس، پوهنتون خاتم النبیین (ص) -کابل، افغانستان