Bulut bilişim çizelgeleme problemlerinin metasezgisel yöntemlerle optimizasyonu
Optimization of cloud computing scheduling problems using metaheuristic methods
- Tez No: 1019739
- Danışmanlar: PROF. DR. AHMET BABALIK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bulut bilişim, Genetik algoritmalar, Metasezgisel algoritmalar, Metasezgiseller, İş akışı çizelgeleme, Cloud computing, Genetic algorithms, Metaheuristic algorithms, Metaheuristics, Flow shop scheduling
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bulut bilişim görev çizelgeleme problemi, heterojen kaynak yapısı ve dinamik iş yükleri nedeniyle karmaşık bir optimizasyon problemi olarak öne çıkmaktadır. Bu problemde temel amaç, görevlerin sanal makinelere dengeli bir şekilde atanmasıdır. Günümüzde artan Dağıtık Hizmet Engelleme (DDoS) saldırıları, sistem performansını etkileyerek çizelgeleme sürecini zorlaştırmaktadır. Bu nedenle, görev çizelgeleme algoritmalarının hem normal hem de DDoS ortamlarında değerlendirilmesi önemlidir. Bu çalışmada, bulut bilişim ortamlarında görev çizelgeleme probleminin çözümüne yönelik üç farklı çalışma yapılmıştır. İlk olarak, Genetik Algoritma (GA) ve Parçacık Sürü Optimizasyonu (PSO) algoritmalarının birlikte kullanıldığı Hibrit GA–PSO yaklaşımı bulut bilişim çizelgeleme probleminin çözümünde kullanılmıştır. Deneysel sonuçlar, GA–PSO yaklaşımının GA'ya kıyasla %20'nin üzerinde, PSO'ya kıyasla bazı senaryolarda %3-4 ve ABC'ye kıyasla yaklaşık %20 civarında daha düşük makespan değerleri ürettiğini göstermiştir. İkinci olarak, Wild Horse Optimizer (WHO) algoritmasına durağanlaşma tabanlı deterministik yerel arama mekanizması entegre edilerek Adaptif WHO (A-WHO) algoritması önerilmiştir. Elde edilen sonuçlar, A-WHO'nun WHO'ya kıyasla normal koşullarda %1-5 aralığında, DDoS koşullarında ise bazı senaryolarda yaklaşık %4-16 aralığında iyileşme göstermiştir. Ayrıca A-WHO, çoğu deney senaryosunda PSO, Karga Araması Optimizasyonu (CSOA), Sinüs-Kosinüs (SCA), Yapay Arı Kolonisi (ABC) ve GA algoritmalarına kıyasla rekabetçi veya daha iyi sonuçlar üretmiştir. Üçüncü olarak, sürekli çözüm uzayından ayrık çözüm uzayına daha etkin bir dönüşüm sağlamak amacıyla Üç Kanallı Füzyon Deterministik Ayrıklaştırma (TCFD) yaklaşımı geliştirilmiştir. Önerilen ayrıklaştırma yöntemi PSO, CSOA, SCA, ABC, WHO, A-WHO algoritmalarının ayrıklaştırılmasında kullanılmış, Gauss tabanlı ayrıklaştırma yaklaşımına kıyasla özellikle normal koşullarda algoritmaya bağlı olarak yaklaşık %18-50 aralığında, DDoS koşullarında ise bazı senaryolarda yaklaşık %5–8 aralığında makespan iyileşmesi gözlenmiştir. Tüm deneysel çalışmalar CloudSim tabanlı simülasyon ortamında gerçekleştirilmiştir. Elde edilen bulgular, önerilen yaklaşımların normal ve DDoS koşulları altında bulut bilişim görev çizelgeleme probleminin çözümünde başarılı sonuçlar ürettiğini göstermiştir.
Özet (Çeviri)
The cloud task scheduling problem is considered a complex optimization problem due to the heterogeneous nature of resource structures and dynamic workloads. The main objective is to assign tasks to virtual machines in a balanced manner. Today, the increasing number of Distributed Denial of Service (DDoS) attacks affects system performance and makes the scheduling process more difficult. Therefore, it is important to evaluate task scheduling algorithms under both normal and DDoS environments. In this study, three different approaches were proposed for solving the task scheduling problem in cloud computing environments. First, the hybrid GA–PSO approach, which combines the Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) algorithms, was used for the cloud task scheduling problem. Experimental results showed that the GA–PSO approach produced more than 20% lower makespan values compared to GA, 3–4% lower values compared to PSO in some scenarios, and nearly 20% lower values compared to the Artificial Bee Colony (ABC) algorithm. Second, the Adaptive WHO algorithm was proposed by integrating a stagnation-based deterministic local search mechanism into the Wild Horse Optimizer (WHO) algorithm. The obtained results showed that A-WHO achieved improvements between 1–5% under normal conditions and approximately 4–16% in some DDoS scenarios compared to WHO. In addition, A-WHO produced competitive or better results than PSO, Crow Search Optimization Algorithm (CSOA), Sine Cosine Algorithm (SCA), ABC, and GA in most experimental scenarios. Third, the Three Channel Fusion Deterministic Discretization (TCFD) approach was developed to provide a more effective transformation from continuous solution spaces to discrete solution spaces. The proposed discretization method was applied to PSO, CSOA, SCA, ABC, WHO, and A-WHO algorithms. Compared to the Gaussian-based discretization approach, TCFD achieved makespan improvements of approximately 18–50% under normal conditions depending on the algorithm, and approximately 5–8% in some DDoS scenarios. All experimental studies were carried out in a CloudSim-based simulation environment. The findings showed that the proposed approaches produced successful results for the cloud task scheduling problem under both normal and DDoS conditions.
Benzer Tezler
- Bulut sistemlerde görev çizelgeleme problemlerine metasezgisel bir çözüm modelinin geliştirilmesi
Developing a metaheuristic solution model to task scheduling problems in cloud systems
MÜCAHİT BÜRKÜK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜNGÖR YILDIRIM
- Novel data partitioning and scheduling schemes for dynamic federated vehicular cloud
Dinamik federe araç bulutu için yeni bir görev yükü paylaşımı ve iş planlaması şemaları
WISEBORN MANFE DANQUAH
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR
- Bulut bilişimde metasezgisel görev çizelgelemesi
Metaheuristic task scheduling in cloud computing
MERVE NUR AKTAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN BULUT
- Bulut görev çizelgelemesi için benzetilmiş tavlama tabanlı bir optimizasyon yaklaşımı
A simulated annealing-based optimization approach for cloud task scheduling
ESRA ÇELİK
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ DAL
- Budget-constraint workflow scheduling for cloud computing using evolutionary algorithm
Bulut hesaplama için evrimsel algoritma kullanarak bütçe kısıtlamalı iş akışı planlaması
MEHMET KAYA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BETÜL BOZ