مقاله کنفرانسی سال ۱۴۰۵ فارسی

معماری خودسازمان ده مبتنی بر هوش جمعی و شبکه های عصبی گراف برای مدیریت منابع پویا در سیستم عامل های ابری چندلایه

چکیده مقاله

رشد انفجاری حجم داده ها، گسترش محاسبات چندلایه و نیاز روزافزون به تاخیر بسیار پایین در کاربردهای حساس، سیستم عامل های ابری سنتی را با چالش های جدی مواجه کرده است این سیستم ها که عمدتا بر کنترل کننده های مرکزی و سیاست های ایستا تکیه دارند، در محیط های پویا و توزیع شده قادر به مدیریت بهینه منابع، کاهش مصرف انرژی و حفظ پایداری نیستند مصرف بالای انرژی، تاخیر تصمیم گیری و عدم تحمل خطا از مهم ترین محدودیت های مدل های موجود مانند Kubernetes و OpenStack محسوب می شوند این پژوهش با هدف رفع این کاستی ها، معماری خودسازمان ده نوینی مبتنی بر هوش جمعی و شبکه های عصبی گراف طراحی کرده است در مدل پیشنهادی، هر نود ابری به عنوان عاملی هوشمند عمل کرده و با تعامل محلی با همسایگان، تخصیص منابع، مهاجرت بار کاری و مدیریت انرژی را به صورت توزیع شده انجام می دهد هوش جمعی امکان تصمیم گیری سریع و محلی را فراهم می کند، در حالی که شبکه های عصبی گراف روابط پیچیده و وابستگی های شبکه ای بین منابع محاسباتی، ذخیره سازی و ارتباطی را به دقت مدل سازی و پیش بینی می نماید نتایج شبیه سازی گسترده با ابزار CloudSim و پیاده سازی شبکه های عصبی گراف در سناریوهای واقعی با بار کاری متغیر نشان داد که معماری پیشنهادی نسبت به مدل های پایه بهبودهای قابل توجهی ایجاد کرده است: ۳۴ درصد کاهش مصرف انرژی، ۴۵ درصد کاهش میانگین تاخیر پاسخ دهی، ۲۹ درصد افزایش نرخ تحمل خطا و ۲۶ درصد بهبود کلی بهره وری منابع این رویکرد نه تنها نقطه شکست مرکزی را حذف می کند، بلکه با تصمیم گیری توزیع شده و یادگیری پیوسته، انعطاف پذیری و scalability بالایی در محیط های ابری هیبریدی فراهم می آورد چارچوب پیشنهادی می تواند پایه ای محکم برای توسعه نسل آینده سیستم عامل های ابری هوشمند، سبز و خودگردان باشد و راهکاری عملی برای چالش های مقیاس پذیری و پایداری در رایانش ابری ارائه دهد

کلیدواژه‌ها

نویسندگان

تصویر علی ایزدی

علی ایزدی

دانشجوی دکتری مهندسی کامپیوتر هوش مصنوعی

تصویر سید جواد فاطمی زاده

سید جواد فاطمی زاده

دانشجوی کارشناسی مهندسی حرفه ای کامپیوتر ، آموزشکده ملی مهارت پسران بجنورد دارالفنون

تصویر محمد نیستانی

محمد نیستانی

دانشجوی کارشناسی مهندسی حرفه ای کامپیوتر ، آموزشکده ملی مهارت پسران بجنورد دارالفنون

تصویر مصطفی شرافتمند

مصطفی شرافتمند

دانشجوی کارشناسی مهندسی حرفه ای کامپیوتر ، آموزشکده ملی مهارت پسران بجنورد دارالفنون

شیوه ارجاع

�یزدی، علی و فاطمی زاده، سید جواد و نیستانی، محمد و شرافتمند، مصطفی،1405،معماری خودسازمان ده مبتنی بر هوش جمعی و شبکه های عصبی گراف برای مدیریت منابع پویا در سیستم عامل های ابری چندلایه،سی امین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

پوستر مجموعه مقالات سی امین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات مجموعه مقالات سی امین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات29 مرداد 1405 · بابل
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۵ ۱۴۴ مشاهده

تشخیص تقلب در تراکنش های مالی با استفاده از الگوریتم های داده کاوی

پدیده تقلب در صورتهای مالی و تراکنش های بانکی، به عنوان یکی از چالش های اساسی نظام های مالی و حسابداری د…

داده کاوی(Data Mining)تشخیص ناهنجارییادگیری ماشین
مقاله کنفرانسی سال ۱۴۰۵ ۱۲۰ مشاهده

هوش مصنوعی مولد در پزشکی: نقش مدل های زبانی بزرگ، مدل های دیفیوژن و مدل های چندوجهی در تحول تشخیص، درمان و پزشکی دقیق

هوش مصنوعی Artificial Intelligence در دهه اخیر به یکی از مهم ترین فناوری های تحول آفرین در حوزه سلامت تب…

هوش مصنوعی مولدمدل های دیفیوژنمدل های چندوجهی
مقاله کنفرانسی سال ۱۴۰۵ ۱۱۲ مشاهده

یکپارچه سازی فناوری های هوشمند در زیرساخت های حمل ونقل شهری

رشد شهرنشینی، افزایش وسایل نقلیه متصل و گسترش خدمات برخط، مدیریت حمل ونقل را از یک مسئله صرفا فیزیکی به…

دوقلوی دیجیتالارتباطات V۲Xرایانش لبه
مقاله کنفرانسی سال ۱۴۰۵ ۱۰۸ مشاهده

Design and implementation of a semantic search engine for Solidity smart contracts using embedding and vector space techniques

The rapid growth of blockchain technology, smart contracts, and decentralized applications DApps has led…

FAISSSmart ContractSemantic Search
مقاله کنفرانسی سال ۱۴۰۵ ۱۰۷ مشاهده

طراحی معماری خودمختار برای مدیریت هوشمند بار کاری در محیط های محاسباتی لبه-ابری با استفاده از یادگیری تقویتی عمیق و بهینه سازی ازدحام ذرات

با گسترش روزافزون برنامه های کاربردی مبتنی بر اینترنت اشیاء، خودروهای متصل و شهرهای هوشمند، محاسبات لبه…

محاسبات لبه-ابریمدیریت بار کاریمعماری خودمختار
مقاله کنفرانسی سال ۱۴۰۵ ۱۰۴ مشاهده

چارچوب مبتنی بر پیمایش تصادفی تطبیقی و XGBoost برای پیش بینی رفتار مشتری در شبکه های پیچیده مالی

پیش بینی رفتار مشتری در شبکه های پیچیده مالی برای کشف تخلفات و مدیریت ریسک حیاتی است با این حال، روش های…

پیمایش تصادفی تطبیقیXGBoostتحلیل شبکه