|
محمدرضا رازیان دانشجوی دکتری رشته مهندسی فناوری اطلاعات- تجارت الکترونیکی، از رساله خود با عنوان «توسعه مدلی برای بهبود ترکیب وب خدمت در فضای چندابری» به راهنمایی آقای دکتر محمد فتحیان 7 بهمن 99 ساعت 17 به صورت مجازی دفاع خواهد نمود.
لینک شرکت در جلسه دفاع:
نشانی الکترونیکی: m_razian ind.iust.ac.ir
استاد راهنما: دکتر محمد فتحیان
اساتید مشاور: دکتر راجکومار بویا، دکتر احمد اکبری، دکتر سعید یعقوبی و دکتر خوامینگ وو
اساتید داور داخلی: دکتر احمد ماکویی و دکتر فرناز برزین پور
اساتید داور خارجی: دکتر محمدجعفر تارخ و دکتر سیدعلیرضا هاشمی گلپایگانی
چکیده:
با گسترش فناوری رایانش ابری و از طرف دیگر رشد اینترنت اشیا، معماری مبتنی بر وب‌خدمت در طراحی نرم‌افزارهای رایانه‌ای به‌شدت مورد توجه قرار گرفته است. بدین ترتیب گسترده شدن دامنه کاربرد‌ها و افزایش موارد استفاده منجر به ارائه وب‌خدمت‌های متنوع با عملکرد یکسان اما ویژگی‌های کیفیت خدمت متفاوت به بازار شده است. هرچند، وب‌خدمت‌هایی که در بستر یک ارائه‌دهنده خدمات رایانش ابری نگهداری می‌شوند معمولاً چه از نظر عملکرد و چه از نظر کیفیت متفاوت هستند؛ در نتیجه برای انجام یک جریان کاری نیاز به یافتن یک طرح ترکیب خدمت از میان خدمات ارائه‌شده فراهم کنندگان مختلف است. برای یافتن یک طرح ترکیب خدمت بهینه، نه تنها باید محدودیت‌های مربوط به نیازمندی‌های کیفیت خدمت کاربر رعایت شود بلکه باید هزینه این طرح ترکیبی کمینه شود.
بسیاری از پژوهش های پیشین، مسئله ترکیب خدمت را با فرض قطعی و ثابت بودن مقادیر کیفیت خدمت تبلیغی ارائه داده‌اند. هرچند، در عمل، عواملی مانند تغییرات به‌هم‌بندی شبکه و پویایی شرایط داخلی کارگزار، باعث ایجاد عدم قطعیت در مقادیر ویژگی‌های کیفیت خدمت تبلیغ شده می‌شود. به منظور مواجهه با این عدم قطعیت، برخی از پژوهش‌ها، مقادیر کیفیت خدمت را به صورت توزیع آماری ثابت و مشخص در نظر می‌گیرند. اگرچه، رکوردهای تاریخچه‌ای ثبت‌شده از مقادیر کیفیت خدمت خدمات وبی در اینترنت نشان می‌دهد که آن‌ها منطبق بر یک توزیع خاص و از پیش تعیین شده نیستند. همچنین این رویکردها، در زمانی که داده تاریخچه‌ای کامل و مطمئن وجود نداشته باشد با شکست و نقض توافق‌نامه سطح خدمت و جریمه برای واسطه‌گر خدمات می‌شود. برای مواجهه با ضعف‌ها و محدودیت‌های رویکردهای پیشین، در این پژوهش، مدل ترکیب خدمت تحت شرایط عدم قطعیت مقادیر کیفیت خدمت مبتنی بر بهینه‌سازی استوار برتسیماس و سیم، ارائه شده است. به علاوه، از یک روش تشخیص ناهنجاری مبتنی بر یادگیری ماشین برای بهبود عملکرد مدل ارائه شده با کمک حذف داده‌های تاریخچه‌ای غیرعادی بهره گرفته شده است. نتایج پیاده‌سازی مدل پیشنهادی نشان می‌دهد به طور متوسط 14.55 درصد پیشرفت در یافتن راه‌حل‌های بهینه در مقایسه با رویکردهای پیشین، مانند رویکردهای مبتنی بر تئوری اطلاعات و مبتنی بر خوشه‌بندی حاصل می‌شود. |
