Context aware task orchestration with deepreinforcement learning in real time fogcomputing simulation environment
Gerçek zamanlı sis bilişim simülasyon ortamında derin pekiştirmeli öğrenme ile bağlam farkındalıklı görev orkestrasyonu
- Tez No: 954024
- Danışmanlar: PROF. DR. SUAT ÖZDEMİR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Dinamik ağlar, Kablosuz ağlar, Sınır bilişim, Takviyeli öğrenme, Yapay sinir ağları, İletişim ağları, Dynamic networks, Wireless networks, Edge computing, Reinforced learning, Artificial neural networks, Communication networks
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bulut bilişimin sürekli değişen yapısında, sis ve uç bilişim, talep edilen bölgelere olan yakınlık özellikleri sayesinde daha önemli hale gelmiştir. Görev işleyiciler tarafındaki tüm heterojenliği dikkate alarak, görev üreteçlerinin de karmaşıklık ve gecikme açısından çeşitli gereksinimleri bulunmaktadır. Bu çalışmada, görev orkestrasyonu için değişen gereksinimlere uyum sağlayabilen ve görev orkestrasyon stratejilerini keşfetmek için çok yönlü bir platform olarak hizmet eden, çok sayıda çeşitli senaryoyu simüle edebilen sağlam bir ekosistem geliştirilmiştir. Düşük seviyeli uç/sis ve bulut ortamı kısıtlarını ayrıntılı bir şekilde ele alan çok katmanlı gelişmiş bir bulut simülasyon modeli önerilmiştir. Ortaya konulan katkıların merkezinde, orkestrasyon sürecini pekiştirmeli öğrenme eğitim adımlarına dönüştüren yenilikçi bir görev orkestrasyon modeli yer almaktadır. Önerilen yaklaşım, görev başarısı, enerji verimliliği ve kaynak kullanımı açısından önemli avantajlar sunmaktadır. Sistem, uç cihaz ve görev yoğunluğu açısından farklı sis bilişim çevresel koşulları altında geliştirilmiş olan simülasyon ile değerlendirilmiştir. Deney sonuçları, önerilen sistemin mevcut döngüsel dağıtım (round-robin) algoritması ve sezgisel fonksiyonlar (heuristics) tabanlı algoritmalar üzerinde üstünlüğünü kanıtlamış ve doğrulukta \%28'lik bir artış sağlamıştır. Ayrıca, eylem uzayının karmaşıklığını azaltmak için akıllı bir eylem uzayı azaltma tekniği tanıtılmıştır. Önerilen teknik, karar verme sürecini basitleştirerek daha hızlı yakınsama ve gelişmiş eğitim verimliliği sağlamaktadır.
Özet (Çeviri)
In the ever-evolving landscape of cloud computing, fog and edge computing have become more prominent because of their natural property of proximity to the demanding parts. Having all the heterogeneity on the processor side, task generators also have a variety of requirements in terms of complexity and latency. This dissertation gathered all of these different dimensions together in a robust ecosystem which can simulate a huge number of various scenarios that complies with the changing requirements for task orchestration and serves as a versatile platform for exploring task orchestration strategies. An advanced multi-layered cloud simulation model is proposed that intricately considers both low-level edge/fog and cloud environment constraints. At the core of the contribution lies a novel task orchestration model that transforms the orchestration process into reinforcement learning training steps. The proposed approach offers substantial advantages in terms of task succession, energy efficiency, and resource utilization. The system is evaluated with a custom developed simulation tool under different ambient fog computing conditions in terms of the edge device and the density of the task. The results of the experiment proved the superiority of the proposed system over the existing round-robin, heuristic-based, and PGOA algorithms with an overall increase in precision up to 28\%. Besides, an efficient action space reduction technique is introduced to reduce the complexity of the action space, the proposed technique simplifies the decision-making process, leading to faster convergence and improved training efficiency.
Benzer Tezler
- Uydu bazlı jeodezik ve jeodinamik veri analiz ve yönetim sistemi tasarımı ve uygulaması
Design and implementation of a satellite-based geodetic and geodynamic data analysis and management system
DENİZ BAŞAR
Doktora
Türkçe
2026
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. RAHMİ NURHAN ÇELİK
- Context-aware Markov decision processes
İçerikten-haber Markov karar süreçleri
ÖMER EKMEKCİ
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
PROF. DR. FARUK POLAT
- A context-aware model for stochastic planning in environments with hidden states
Saklı durumları olan ortamlarda stokastik planlamaiçin bağlam-farkındalığı olan model
ÖMER EKMEKCİ
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FARUK POLAT
- MBT: A Context Aware Mission Based Tracker
ORTAM FARKINDALIKLI GÖREV TABANLI TAKİPÇİ
KAZIMHAN PEKER
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ TURGAY ALTILAR
- An adaptive and context-aware text segmentation method for information retrieval
Bilgi erişimi için veriye dayalı ve bağlama duyarlı metin segmentasyon yöntemi
BURÇE ŞİRİN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERDAR ARSLAN