Imitating ant colony behavior to ptimize job assignment and scheduling in complex computer networks

 
Το τεκμήριο παρέχεται από τον φορέα :

Αποθετήριο :
Εθνικό Αρχείο Διδακτορικών Διατριβών
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο




2012 (EL)

Μίμηση της συμπεριφοράς αποικίας μυρμηγκιών για την ανάθεση και χρονοδρομολόγηση εργασιών σε πολύπλοκα δίκτυα υπολογιστών
Imitating ant colony behavior to ptimize job assignment and scheduling in complex computer networks

Preve, Nikolaos
Πρέβε, Νικόλαος

This doctoral thesis addresses the issue of the optimal scheduling and the successful interconnection-interoperability of the heterogeneous network environments that comprise a complex computer network. Specifically, it analyzes the existing algorithmic scheduling models and the category of those that belong to the swarm intelligence, while it develops a mimetic ACO (Ant Colony Optimization) optimization algorithm which aims to achieve the optimal scheduling through the successful job assignment in the optimal computational resources achieving to reduce the total completion time of the submitted jobs within a complex computer network. Also, it develops new integration mechanisms for the heterogeneous complex network systems while simultaneously it deals with the existing problems of the interoperability and interconnection which are emerge from the integration of various heterogeneous computing subsystems. This doctoral thesis presents a variety of integrated solutions which, aside from the achievement of the above mentioned, they also aim at the convergence of different services into an integrated complex network environment with decentralized structure. The complex network environment, which has been developed, has as its backbone technology the grid network technology inside of which the wireless network technologies such as the IEEE 802.11x and IEEE 802.15x standards are integrated. Finally, this thesis presents the implementation of various services which have been embedded into the developed complex network while applications for various scientific fields have been developed such as the medical health care systems and geoinformatics. The proposed ACO algorithm which has been developed in this doctoral thesis with the proposed interconnection-interoperability mechanisms aim at the implementation of an optimized complex infrastructure. As a consequence of the above, the conduction of simulations of real case scenarios has proven compulsory in order to validate the usability and interoperability of the developed optimization mechanisms in the field of the computer science as well as in different scientific fields.
Η παρούσα διατριβή πραγματεύεται το θέμα της βέλτιστης χρονοδρομολόγησης και της επιτυχημένης διασύνδεσης-διαλειτουργικότητας των ετερογενών δικτυακών περιβαλλόντων που απαρτίζουν ένα πολύπλοκο δίκτυο υπολογιστών. Συγκεκριμένα, αναλύει τα ήδη υπάρχοντα αλγοριθμικά μοντέλα χρονοδρομολόγησης και την κατηγορία αυτών που ανήκουν στη νοημοσύνη σμήνους (swarm intelligence), ενώ αναπτύσσει έναν μιμητικό ACO (Ant Colony Optimization) αλγόριθμο βελτιστοποίησης με αποικίες μυρμηγκιών που στοχεύει στην επίτευξη της βέλτιστης χρονοδρομολόγησης μέσω της επιτυχημένης ανάθεσης των εργασιών στους βέλτιστους υπολογιστικούς πόρους και την επίτευξη της μείωσης του συνολικού χρόνου ολοκλήρωσης των υποβαλλόμενων εργασιών μέσα σε ένα πολύπλοκο δίκτυο υπολογιστών. Επίσης, αναπτύσσονται νέοι μηχανισμοί ενοποίησης ετερογενών πολύπλοκων δικτυακών συστημάτων ενώ ταυτόχρονα επιλύονται τα ήδη υπάρχοντα προβλήματα διαλειτουργικότητας και διασύνδεσης προκύπτουν από την ενοποίηση των διαφορετικών και ετερογενών υπολογιστικών υποσυστημάτων. Στα πλαίσια της διατριβής παρουσιάζονται ποικίλες ολοκληρωμένες λύσεις όπου πέραν της επίτευξης των ανωτέρω έχουν επίσης ως στόχο τη σύγκλιση διαφορετικών υπηρεσιών μέσα σε ένα ενοποιημένο πολύπλοκο δικτυακό περιβάλλον με αποκεντρικοποιημένη δομή. Το πολύπλοκο δικτυακό περιβάλλον που αναπτύσσεται έχει ως δίκτυο κορμού την τεχνολογία των δικτύων πλέγματος ενώ ενοποιούνται σε αυτήν ασύρματες δικτυακές τεχνολογίες του ΙΕΕΕ 802.11x και του ΙΕΕΕ 802.15x προτύπου. Τέλος, παρουσιάζεται η υλοποίηση ποικίλων υπηρεσιών που ενσωματώθηκαν στο αναπτυχθέν πολύπλοκο δίκτυο ενώ έχουν αναπτυχθεί εφαρμογές για ποικίλα επιστημονικά πεδία όπως των ιατρικών συστημάτων υγειονομικής περίθαλψης και της γεωπληροφορικής. Ο προτεινόμενος ACO αλγόριθμος που αναπτύχθηκε καθώς και οι προτεινόμενοι μηχανισμοί διασύνδεσης και διαλειτουργικότητας που παρουσιάστηκαν στη παρούσα διατριβή έχουν σκοπό την υλοποίηση μίας βελτιστοποιημένης πολύπλοκης υποδομής. Ως συνέπεια αυτού η διεξαγωγή προσομοιώσεων πραγματικών σεναρίων χρήσης κρίθηκε επιτακτική ώστε να επικυρωθεί η χρηστικότητα και η διαλειτουργικότητά της των μηχανισμών βελτιστοποίησης που αναπτύχθηκαν τόσο στον τομέα της επιστήμης των υπολογιστών όσο και σε διαφορετικά επιστημονικά πεδία

PhD Thesis

Ant colony optimization
Complex computer networks
Επιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ
Δίκτυα αισθητήρων
Electrical Engineering, Electronic Engineering, Information Engineering
Network optimization
Network dimensioning
Αλγόριθμος βελτιστοποίησης αποικίας μυρμηγκιών (ACO)
Επιστήμες Μηχανικού και Τεχνολογία
Βελτιστοποίηση δικτύων
Engineering and Technology
Ασύρματα δίκτυα υπολογιστών
Sensor networks
Grid computing
Διαστασιοποίηση δικτύου
Swarm intelligence
Wireless local area networks (WLANs)
Νοημοσύνη σμήνους
Πολύπλοκα δίκτυα υπολογιστών
Δίκτυα πλέγματος


Ελληνική γλώσσα

2012


Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ)
National Technical University of Athens (NTUA)




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.