ارائه­ دهنده:
کامبیز ابدالی

 استاد راهنما:
دکتر محسن شریفی

هیات داوری: 
 دکتر مرضیه ملکی‌‌‌‌مجد
دکتر سعید صدیقیان کاشی

زمان:
 ۱۴۰۱/۰۷/۱۸

ساعت ۰۸:۰۰
 

آقای کامبیز ابدالی دانشجوی کارشناسی ارشد آقای دکتر محسن شریفی روز دوشنبه  ۱۸ مهرماه ساعت ۰۸:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان "سازوکاری مبتنی بر یادگیری ماشین برای مدیریت رخدادهای پویا و تعاملی مؤثر بر کارکرد موازنه‌بار در سامانه‌های محاسباتی با کارآمدی بالا" دفاع خواهند نمود. 

چکیده پایان نامه:
وقوع رخدادهای پویا و تعاملی در سامانه‌های محاسباتی با کارآمدی بالا که در ساختار اولیه برنامه‌های علمی در نظر گرفته نشده‌اند، باعث ایجاد وضعیت‌ها و چالش‌هایی برای کارکرد موازنه‌کننده بار می‌گردد که حتی ممکن است امکان ادامه اجرای فعالیت آن وجود نداشته باشد. موازنه‌کننده بار وظیفه دارد ساختارهایی را برای پاسخگویی به این‌گونه رخدادهای پویا و تعاملی در حین اجرای پردازه‌ها به‌گونه‌ای ایجاد نماید که بتواند با توجه به وضعیت سامانه و پس از وقوع رخداد پویا و تعاملی، موازنه بار را با کارآمدی بالا مدیریت نماید. موازنه‌کننده بار برای دستیابی به این هدف مستلزم داشتن اطلاعاتی در مورد ماهیت نیازمندی‌های پردازه‌ها و ظرفیت منابع موجود در سامانه محاسباتی در زمان اجرا است. یکی از راهکارهای موازنه‌کننده بار در انتظار ماندن وقوع رخدادهای پویا و تعاملی و مواجهه با آن‌ها بدون تحلیل ماهیت و عوامل به وجود آمدن آن‌ها در برنامه علمی در حال اجرا است. با در نظر گرفتن نتایج رخدادهای پویا و تعاملی روی وضعیت سامانه و تأثیرات آن بر موازنه‌کننده بار، استفاده از روش یادگیری تقویتی می‌تواند به‌منظور یافتن راه‌حلی مناسب برای مدیریت موازنه‌کننده بار براساس دانش یا الگوهای اجرایی از قبل مشاهده‌‌شده به کار گرفته شود. در این پایان‌نامه برای حل چالش وقوع رخدادهای با ماهیت پویا و تعاملی که در ساختارهای پاسخ اولیه سازوکار‌های موازنه بار در نظر گرفته نشده است، از روش یادگیری تقویتی مبتنی بر مشاهده رخدادها جهت تصمیم‌گیری‌های بهتر موازنه‌کننده بار در انتخاب منابع دربرگیرنده ساختارهای پاسخ و راهکار مقیاس‌پذیری با بهره‌گیری از مفهوم فعالیت سراسری استفاده شده است. در یک سامانه محاسباتی نشان داده می‌شود که سازوکار ارائه‌شده قادر به پاسخ‌گویی به حدود ۶۶.۴ درصد از رخدادهای پویا و تعاملی است که ساختار پاسخی برای آن‌ها وجود نداشته است. هم‌چنین، این سازوکار دارای توانمندی رسیدگی به حدود ۴۴ درصد از رخدادهای پویا و تعاملی است که پاسخ‌گویی به آن‌ها مبتنی بر بازموازنه بار بوده است. نتایج ارائه‌شده، بهبود سازوکار پیشنهادی در زمان بازموازنه بار را نیز نسبت به دیگر سازوکارهای مقایسه‌شده در حدود ۵ درصد نشان می‌دهد.

واژه‌های کلیدی: محاسبات با کارآمدی بالا، موازنه بار، رخدادهای پویا و تعاملی، یادگیری تقویتی.


 

دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی