Resource-aware load balancing system with artificial neural networks
Yapay zeka ağları kullanılarak geliştirilmiş kaynak haberdar yük dengeleme sistemi
- Tez No: 181148
- Danışmanlar: DR. CEVAT ŞENER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2006
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dağıtımlı sistemler populerleştikçe, daha iyi kararlar verebilen verimli yük denge-leme sistemleri geliştirilmelidir. Dağıtımlı bir sistemde yük dengelemeyi zorunlukılan en önemli nedenler farklı çalışma hızlarına ve dış yüklere sahip heterojen yapı-daki bilgisayarlar ve farklı bilgisayarlarda koşan fakat birbirleriyle haberleşen görev-lerdir. Bu tezde, çizge bölümleme and yapay nöral ağlar kullanılarak geliştirilmiş,RALBANN adı verilen bir yük dengeleme yaklaşımı ve yazılımım anlatılacaktır.RALBANN'ın amacı çizge bölümlemeli yük dengeleme algoritmalarının başarılısonuçlarını, yapay nöral ağların verimli karar alma mekanizmasıyla birleştirmektir.Sonuçlar, yük dengelemesi yapmak için yapay nöral ağları kullanmanın çok yararlıolabileceğini gösterdi. Yeterince eğitildikleri zaman, yapay nöral ağlar, daha verimlibir şekilde çizge bölümlemeli yük dengeleme algoritmaları kadar iyi yük dengeleye-bilirler.
Özet (Çeviri)
As the distributed systems becomes popular, efficient load balancing systems takingbetter decisions must be designed. The most important reasons that necessitate loadbalancing in a distributed system are the heterogeneous hosts having different com-puting powers, external loads and the tasks running on different hosts but communi-cating with each other. In this thesis, a load balancing approach, called RALBANN,developed using graph partitioning and artificial neural networks (ANNs) is de-scribed. The aim of RALBANN is to integrate the successful load balancing deci-sions of graph partitioning algorithms with the efficient decision making mechanismof ANNs. The results showed that using ANNs to make efficient load balancing canbe very beneficial. If trained enough, ANNs may load the balance as good as graphpartitioning algorithms more efficiently.
Benzer Tezler
- Statistical QoS assurances for wireless packet data and integration methodologies for 3G/WLAN
Kablosuz paket verisi için istatistiksel hizmet kalitesi garantisi ve 3G/WLAN sistem bütünleştirme yöntemleri
FERİT OZAN AKGÜL
Yüksek Lisans
İngilizce
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. OĞUZ SUNAY
- Ömerli baraj gölünün su kalitesi değerlendirilmesi
Assesment of Ömerli Dam's water quality
BAĞDAGÜL FULYA PALA
- Atölyede iş çizelgeme
Operations scheduling in job shops
GÖKHAN KIPÇAK
Yüksek Lisans
Türkçe
1990
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ATAÇ SOYSAL
- İnşaat sektöründe alt yüklenici davranışları
Subcontractors behavior in the construction industry
MEHMET ALİ KÜÇÜK
- Hücresel imalat sistemlerinde maliyet ve sinir ağları tabanlı iki evreli bir kümelendirme yaklaşımı
Artificial neurat network x operation costs based twostage GT clusterning procedure
AFFAN NOMAK
Yüksek Lisans
Türkçe
1995
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ.DR. BÜLENT DURMUŞOĞLU