تحليل روشهاي تخليه بار مبتني بر يادگيري ماشين در رايانش ابري موبايل

كارشناسي

در سالهاي اخير، استفاده از اپليكيشنهاي تلفن همراه هوشمند براي تسهيل فعاليتهاي روزمره در حوزههاي مختلف براي ارتقاي كيفيت زندگي انسان بهطور گسترده افزايشيافته است. بهعنوانمثال در حوزههايي مانند برنامههاي كاربردي صنعتي، ازجمله شبكههاي ماهوارهاي، برنامههاي كاربردي براي طبقهبندي خطا و تداخل، خودروهاي خودران و غيره و همچنين توسعه مستمر اينترنت اشيا و فناوري ارتباطات. ازآنجاييكه اين برنامههاي كاربردي كه وظايف تلفن همراه را با مقياسهاي بزرگ داده ايجاد ميكنند، تقاضاي زيادي در يادگيري ماشين دارند. با توجه به محدود بودن منابع محاسباتي و مصرف باتري دستگاهها، اين وظايف اغلب به زيرساختهاي راه دور مانند پلتفرمهاي ابري بارگذاري ميشوند كه منجر به تأخير انتقال غيرقابلاجتناب ميشود. بهطوركلي به اين روش كه بخشي از بار محاسباتي برنامههاي كاربردي به ابر، مه يا منابع محاسباتي ديگر بارگذاري شود، تخليه بار محاسباتي گفته ميشود. با استفاده از اين روش كمبود منابع محاسباتي و محدوديتهاي انرژي و زماني دستگاهها لحاظ شده و شاهد راهكاري بهينه براي اجراي برنامههاي كاربردي هستيم. بااينوجود مسئلهي انتخاب مقصد بار محاسباتي براي وظايف موجود در برنامه يك چالش است كه به مسئلهي تخليه بار محاسباتي معروف است. در اين تحقيق مسئله تخليه بار محاسباتي را براي كاربردهاي مختلف مطالعه ميكنيم و مروري بر چندين مقاله كه بر روي روشها و راهكارهاي مختلف تخليه بار با استفاده از يادگيري ماشين كار ميكنند، ارائه ميكنيم.

210984

دانشگاه علم و صنعت ايران

مهندسي كامپيوتر

دكتر زينت موحدي