A Q-learning based load balanced and QoS-aware SDN approach: A case study in defence industry
Q-öğrenme tabanlı yük dengeleme ve servis kalitesi farkında bir YTA yaklaşımı: Savunma sanayii endüstrisinde bir vaka çalışması
- Tez No: 759002
- Danışmanlar: DOÇ. DR. CEREN TUNCER ŞAKAR
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Makine öğrenmesi, Nesnelerin interneti, Savunma sanayi, Servis kalitesi, Yazılım tanımlı ağlar, Yük dengeleme, Öğrenme teknikleri, Machine learning, Internet of things, Defense industry, Service quality, Software defined networks, Load balancing, Learning techniques
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Geleneksel ağ rotalama yöntemleri üstel artan veri, cihaz çeşitliliği ve değişken hizmet talepleri karşısında yetersiz kalmakta ve daha yönetilebilir rotalama yöntemlerinin gerekliliğini hem Internet hem de LAN (İng. Local Area Networks) seviyesinde hissettirmektedir. SDN (İng. Software Defined Networks) yaklaşımının programlanabilir ve merkezi yönetim yapısı sayesinde dijital dünyanın veri trafiğinin akıllı algoritmalar ile daha demokratik şekilde yönetebileceği öngörülmektedir. Bu çalışmada, LAN altyapısına bir savunma sanayi şirketinin ağ ortamı vaka çalışması olarak belirlenmiştir. Bu iç ağ, onlarca anahtarlayıcı ile çok çeşitli istemcilere hizmet vermektedir. Mevcutta STP (İng. Spanning Tree Protocol) ile yönlendirme yapan tesisin ağ topolojisinin bir bölümü ve trafiği kabul gören yöntemler ile simule edilmiştir. Bu ağ ortamında; STP, kural tabanlı bir SDN yaklaşımı ve Q-öğrenme tabanlı SDN yaklaşımımız ile çeşitli test senaryoları çalışılmıştır. İstemcilere talep ettiği QoS (İng. Quality of Service) sağlarken sistemin yük dengelemesi de gerçekleştiren önerimiz çeşitli QoS performans metrikleri ve yük dengeleme göstergeleri altında etkin sonuçlar elde etmiştir.
Özet (Çeviri)
Traditional network routing methods are insufficient in the face of exponentially increasing data, device diversity and service demands' variety, making the necessity of more manageable routing methods felt at both the Internet and Local Area Networks (LAN). It is predicted that the Software Defined Networks (SDN) are going to be able to manage the data traffic of the digital world in a more democratic way with smart algorithms, due to their programmable and centralized management structure. In this study, the network environment of a defense industry company that has a LAN infrastructure on a large campus was selected as a case study. This internal network serves a a wide variety of devices with dozens of switches. A part of its topology and its traffic that currently routed with Spanning Tree Protocol (STP) has been simulated with widely used methods. In this network environment; various test scenarios have been studied with STP, a rule-based SDN, and our Q-learning based SDN approach. Our proposal, which performs the load balancing of the system while providing the requested QoS to the clients, has achieved effective results under various QoS performance metrics and load balancing indicators.
Benzer Tezler
- Multi-agent reinforcement learning based energy management with P2P/V2G
P2P/V2G ile çoklu-temsilcili pekiştirmeli öğrenme tabanlı enerji yönetimi
METE YAVUZ
Yüksek Lisans
İngilizce
2023
Enerjiİstanbul Okan ÜniversitesiOtomotiv Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER CİHAN KIVANÇ
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- A reinforcement learning approach for adaptive dispatching rule acquisition for automated guided vehicles
Otomatik yönlendirmeli araçlara takviyeli öğrenme yaklaşımı ile adaptif dağıtım kuralları kazandırılması
YASEMİN AYLİN AKTÜRK
Yüksek Lisans
İngilizce
2019
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖNENÇ YÜCEL
PROF. DR. FİKRET ÜMİT BİLGE
- Değişken çalışma koşullarında senkron relüktans motorlar için makine öğrenmesi tabanlı elektriksel parametre tahmini
Machine learning-based electrical parameter estimation for synchronous reluctance motors under variable operating conditions
İBRAHİM ÇELİK
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YÜKSEL OĞUZ
PROF. DR. MUSTAFA CANER AKÜNER
- Modifiye q-öğrenme yöntemi ile elektrik dağıtım sistemlerinin kendi kendini iyileştirme uygulaması
Self healing of electrical distribution systems by using modified q-learning method
BEYZA NUR DİLBER
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA BAĞRIYANIK