ارائه­ دهنده:

  استاد راهنما:

دکتر زینب موحدی

   استاد ممتحن خارجی :  دکتر احمد خونساری    

استاد ممتحن داخلی: دکتر محسن شریفی

  زمان :  سه شنبه  14 آبان ماه 1398

ساعت 18:00
 
مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق 304

خانم پریسا خزائی دانشجوی کارشناسی ارشد سرکار خانم دکتر زینب موحدی سه شنبه  14 آبان ماه ساعت   18:00 در اتاق 304 واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان "ارائه ی روشی برای مدیریت منابع در رایانش مه" دفاع خواهند نمود.

چکیده پایان نامه:

گسترش استفاده از ابزارهای هوشمند، منجر به تولید داده‌های حجیم می‌شود. به منظور استخراج دانش مورد نیاز از این داده­ها، نیازمند به انجام پردازش‌های مختلف هستیم؛ اما استفاده از ابزارهای سخت‌افزاری و نرم­افزاری معمول، برای اجرای این حجم از پردازش‌ها مناسب نیست. رایانش ابر، منابع قابل اعتماد زیادی را از راه دور و با هزینه‌‌ی کم، در اختیار کاربران قرار می‌دهد. از این رو، منابع ابر می‌تواند، انتخاب مناسبی در اینترنت اشیاء، جهت ذخیره و پردازش داده‌های حجیم باشد. اما به دلیل اینکه، برنامه‌های کاربردی اینترنت اشیاء، حساس به تأخیر بوده و نیازمند به پشتیبانی از تحرک و آگاهی از موقعیت مکانی نیز هستند، رایانش ابر قادر به پاسخ‌گویی به این نیازها نیست. برای غلبه بر این چالش‌ها، معماری تکامل یافته‌ای به نام رایانش مه که در آن منابع به لبه‌ی شبکه منتقل می‌شود، مطرح گردیده است. یکی از چالش‌های مطرح شده در رایانش مه، مسئله‌ی تخصیص وظایف به گره‌ها با کاهش تأخیر کاربران است.
 به منظور کاهش تأخیر و افزایش رضایت کاربران، در این پژوهش قصد داریم با توجه به محدود بودن ظرفیت گره‌ها در مه، در صورت تکمیل شدن ظرفیت یک گره‌‌، از منابع محاسباتی سایر گره‌ها جهت اجرای وظایف باقی‌مانده، استفاده نماییم و در صورت تکمیل بودن ظرفیت همه‌ی گره‌های مه، وظیفه را با قبول تأخیر بیشتر به ابر منتقل کنیم. با توجه به اینکه، مسئله‌ی انتخاب گره و میزان منابع مناسب برای هر یک از وظایف باقی‌مانده‌ی موجود، دارای پیچیدگی بالایی است؛ تاکنون روش‌های اکتشافی و فرااکتشافی مختلفی برای حل این مسئله به کار برده شده‌اند. اما این روش‌ها بدون توجه به نیازمندی‌های مجموعه‌ی وظایف، در هر مرحله، تنها به منابع مورد نیاز یک وظیفه توجه دارند، در نتیجه‌ قادر به تخصیص منابع به صورت بهینه نخواهد بود. همچنین، در اکثر موارد، به وظایف به اندازه‌ی مورد نیازشان، منبع تخصیص داده می‌شود. در حالی که، می‌توان در صورت تخصیص بهینه، منابع بیشتری در اختیار وظایف قرار دهیم. برای حل این چالش، در روش پیشنهادی با استفاده از درخت جستجوی مونت کارلو سعی در یافتن پاسخی داریم، که علاوه بر پذیرش حداکثر تعداد وظیفه، در صورت امکان به هر یک، بیش از نیازشان منبع تخصیص دهیم، تا از طریق بتوانیم سرعت پردازش را افزایش و در نتیجه تأخیر را کاهش دهیم.
با توجه به نتایج به‌‌دست آمده از شبیه‌‌سازی، مشاهده می‌‌شود که روش پیشنهادی در شرایط مختلف، به 50% تا 80% از درخواست‌‌ها در لایه‌‌ی مه منبع اختصاص می‌‌دهد، که در مقایسه با روش مطرح شده توسط Y. Gu، پذیرش درخواست در لایه مه 2 تا 5 برابر افزایش یافته است. علاوه بر این، 80% از این درخواست‌‌ها 2 برابر منبع درخواستی‌‌شان، منبع دریافت می‌‌کنند. از آنجایی که، اجرای این تعداد از وظایف با منابع بیشتر در لایه‌ی مه، نسبت به لایه‌ی ابر تأخیر کمتری دارد؛ در نتیجه، با این کار تأخیر کل را نیز کاهش داده‌ایم.‌‌
واژه‌های کلیدی: رایانش مه، مدیریت منابع، تخصیص وظایف، درخت جستجوی مونت کارلو
 

  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی