با پیشرفت روزافزون کاربردهای اینترنت اشیا (IoT)، استفاده از آن‌ها برای تسهیل فعالیت‌های روزمره در حوزه‌های مختلف در جهت افزایش کیفیت زندگی انسان به‌طور چشمگیری افزایش یافته است. رایانش مه به‌عنوان یک راه حل محاسباتی توزیع شده برای خدمت به این برنامه‌ها با استفاده از گره‌های مه موجود در مجاورت دستگاه‌های IoT پدیدار شده‌اند. برنامه‌های اینترنت اشیا در قالب چندین خدمات IoT با الزامات مختلف کیفیت خدمات (QoS) توسعه یافته‌اند که می‌توانند بر روی گره‌های مه مستقر شوند. از این رو، یافتن یک طرح جانمایی خدمات کارآمد برای بهره‌برداری از قابلیت‌های منابع مختلف در اکوسیستم مه یکی از مسائل چالش برانگیز است که باید در نظر گرفته شود. در این پژوهش، یک راه‌حل کارآمد جانمایی خدمات IoT بر اساس شبکه عصبی پرسپترون چندلایه (MLP) و الگوریتم بهینه‌ساز نهنگ (WOA) برای استقرار برنامه‌های اینترنت اشیا در زیرساخت مه پیشنهاد داده شده است. راه حل پیشنهادی الزامات QoS خدمات اینترنت اشیا و قابلیت‌های گره‌های مه موجود را برای تعیین یک سرویس کارآمد نظارت می‌کند. طرح جانمایی ابتدا به کمک مدل MLP تخمین زده می‌شود؛ سپس با استفاده از روش فراابتکاری الگوریتم‌های بهینه‌‌سازی می‌گردد. در رویکرد حاضر، از توان عملیاتی، مصرف انرژی و تاخیر به‌عنوان توابع هدف برای یافتن طرح جانمایی خدمات اینترنت اشیا مطلوب استفاده کرده است. نتایج شبیه‌سازی نشان می‌دهد که راه‌حل پیشنهادی مصرف منابع و نسبت پذیرش خدمات را افزایش می‌دهد و تاخیر سرویس و مصرف انرژی را در مقایسه با سایر رویکردهای فراابتکاری کاهش می‌دهد.