دانشگاه علوم و فنون هوایی شهید ستاری - انجمن هوافضای ایران مدیر مسئول: دکتر علی نوری سردبیر: دکتر حمیدرضا زارعی جانشین سردبیر: دکتر وحید خلفی دبیر تخصصی و مدیر اجرایی: دکتر میثم نوری نیارکی ویراستار انگلیسی: دکتر روح اله ملکی نشریه علمی پژوهشی مهندسی هوانوردی 17359449 مقالات آماده انتشار 2026 02 02 Improve the quality of fog computing caching by optimizing cloud computing in intelligent air navigation systems بهبود کیفیت کشینگ مه‌آلود با بهینه‌سازی رایانش ابری در سیستم های ناوبری هوایی هوشمند 239601 10.22034/joae.2026.554027.1301 FA گوهر ورامینی گروه مهندسی برق، واحد بیضا،دانشگاه آزاد اسلامی، بیضا، ایران 0000-0002-9771-0644 Journal Article 2025 10 19 Caching plays a key role in reducing latency and increasing the overall performance of foggy computing systems. Edge and foggy computing has emerged as a major challenge in the response to latency- and bandwidth-sensitive processing in intelligent navigation systems Information-based networks (ICN) and foggy computing (ICN-Fog) has emerged as an optimal solution in low-latency, high-throughput applications, and a leap forward in reducing latency and achieving better data communication and efficient information classification for foggy computing. Air navigation systems have been deployed. The use of artificial intelligence (AI) and firefly optimization methods as an effective optimization algorithm in the promotion of cushioning technique has been introduced and investigated. In this study, the main goal of improving performance indicators such as cache hit ratio, internal link load, and average system response time is to optimize an optimal algorithm. This technique has been applied to the ICN-Fog caching model and has been investigated and modeled to determine the location of the cache and compliance with the network topology. The multi-objective firefly algorithm is equal to 3572 and the standard deviation is equal to 725. The success rate of the algorithm in convergence to the optimal point is equal to 99%. The results show that the multi-objective firefly algorithm (MOFA) will provide better performance and higher reliability factor in intelligent air navigation systems compared to other algorithms in terms of efficiency and effectiveness in identifying the optimal caching technique. کشینگ نقش اساسی و کلیدی درکاهش تأخیر و افزایش عملکرد کلی سیستم‌های محاسبات مه‌آلود را ایفا می‌کند. رایانش لبه‌ای و مه‌آلود به عنوان چالش اساسی در پاسخ پردازش های حساس به تأخیر و پهنای باند در سیستم های ناوبری هوشمند تبدیل شده شبکه‌های مبتنی بر اطلاعات (ICN) و محاسبات مه‌آلود (ICN-Fog) یک راه‌حلی بهینه در برنامه‌هایی با تأخیر پایین و توان عملیاتی بالا پدیدار شده است و جهشی درکاهش تأخیر و دستیابی به ارتباطات داده‌ای بهتر و طبقه بندی اطلاعات مؤثر برای محاسبات مه‌آلوددر سیستم های ناوبری هوایی برداشته است .بهره‌گیری از روش‌های هوش مصنوعی (AI)و بهینه‌سازی کرم شب‌تاب به عنوان الگوریتم بهینه‌سازی مؤثر در ارتقای تکنیک کشینگ معرفی و بررسی شده است. در این مطالعه، هدف اصلی بهبود شاخصهای عملکردی از جمله نسبت برخورد کش (cache hit ratio)، بار پیوند داخلی (internal link load) و میانگین مدت زمان پاسخگویی سیستم به منظور بهینه سازی، یک الگوریتم بهینه طراحی شده است. این تکنیک به مدل کشینگ ICN-Fog اعمال و برای تعیین محل قرارگیری کش و انطباق با توپولوژی شبکه بررسی و مدلسازی شده است.متوسط ارزیابی‌های تابعی انجام شده توسط الگوریتم کرم شب تاب چند هدفه برابر با 3572 و انحراف معیار برابر با 725 است. نرخ موفقیت الگوریتم شب تاب در همگرایی به نقطه بهینه برابر با 99 درصد است. نتایج نشان می‌دهند که الگوریتم چندهدفه کرم شب‌تاب (MOFA) در مقایسه با الگوریتم‌های دیگر از نظر کارایی و اثربخشی در شناسایی تکنیک کشینگ بهینه عملکرد بهترو ضریب اطمینان بالاتری در سیستم های ناوبری هوایی هوشمند را تامین خواهد کرد.