دفاعیه دکتری
| آخرین بروزرسانی: 1404/10/7 |
عاطفه رجبی کفشگر دانشجوی دکتری رشته مهندسی صنایع، از رساله خود با عنوان «بهینه‌سازی تجزیه وظایف و زمان‌بندی چندوظیفه‌ای پویا تحت عدم‌قطعیت در تولید ابری بلاک‌چین» به راهنمایی آقای دکتر محمدعلیها ۱۵ دی ماه ۱۴۰۴ ساعت ۸ دفاع خواهد نمود.
شماره دانشجوئی: ۹۹۸۷۱۰۲۱
نشانی الکترونیکی: rajabi_atefeh
ind.iust.ac.ir
استاد راهنما: آقای دکتر محمدرضا محمدعلیها
اساتید مشاور: آقای دکتر محمدرضا رسولی- خانم دکتر فرناز برزین‌پور
اساتید داور داخلی: آقای دکتر احمد ماکوئی- آقای دکتر روزبه قوسی
اساتید داور خارجی: آقای دکتر محمدجعفر تارخ- آقای دکتر مهدی سیف‌برقی
زمان دفاع: ۱۵ دی ماه ۱۴۰۴- ساعت ۸ کلاس ۲۰۸ ( طبقه دوم دانشکده)
چکیده:
رشد سریع فناوری‌های دیجیتال و توسعه زیرساخت‌های رایانش ابری موجب شکل‌گیری پارادایم جدیدی به نام تولید ابری شده است. این پارادایم با هدف افزایش انعطاف‌پذیری، کاهش هزینه‌ها و بهبود بهره‌برداری از منابع تولیدی، امکان تجمیع و به‌اشتراک‌گذاری منابع ناهمگون را در محیطی توزیع‌شده فراهم می‌سازد. با این حال، ماهیت نامطمئن تقاضا، تغییرات زمان‌های پردازش و زمان‌های حمل‌ونقل، باعث شده است که مدلسازی و حل مسائل زمان‌بندی در این فضا با پیچیدگی قابل توجهی همراه باشد. در این پژوهش، چارچوب مدلسازی زمان‌بندی وظایف در تولید ابری با درنظرگیری محدودیت‌های مرتبط با زمان ورود وظایف، زمان‌های حمل‌ونقل میانی و نهایی توسعه داده شد. همچنین، با توجه به ماهیت پویا و غیرقطعی در محیط تولید ابری، مدل‌های زمان‌بندی پویا و مدل‌های زمان‌بندی تحت عدم قطعیت جهت بررسی تغییرات ناگهانی در ورود وظایف جدید، لغو وظایف موجود و عدم‌قطعیت در زمان‌های پردازش و حمل‌ونقل بررسی شد. به منظور حل مدل، از الگوریتم فراابتکاری مبتنی بر یادگیری تقویتی استفاده شد. برای ارزیابی مدل پیشنهادی و بررسی کارایی روش پیشنهادی، مجموعه‌ای از تحلیل‌های آماری بر روی نتایج داده‌های آزمایشی در ابعاد مختلف (کوچک، متوسط و بزرگ) و یک مطالعه موردی انجام گرفت. یافته‌های این پژوهش می‌تواند به تصمیم‌گیران در محیط‌های تولید ابری کمک کند تا اثر عوامل پویا و غیرقطعی را در طراحی مدل‌های زمان‌بندی بهتر درک کنند. چارچوب پیشنهادی نشان می‌دهد که در نظر گرفتن زمان‌های حمل‌ونقل و تغییرات ورود وظایف و شرایط غیرقطعی، منجر به بهبود دقت و کارایی برنامه‌ریزی می‌شود. علاوه بر این، استفاده از الگوریتم فراابتکاری مبتنی بر یادگیری تقویتی، روشی عملی برای مدیریت پیچیدگی مدل زمان‌بندی می‌باشد.
واژه‌های کلیدی: زمان‌بندی چندوظیفه‌ای، تولید ابری، عدم قطعیت، الگوریتم های فراابتکاری، یادگیری تقویتی.
دفعات مشاهده: 2338 بار |
دفعات چاپ: 341 بار |
دفعات ارسال به دیگران: 0 بار |
0 نظر