Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Öğrenci: BANU ULU
Danışman: Bilal Babayiğit
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Yeni nesil ağ modellerinin gelişmesiyle birlikte artan bilgi işlem kaynağı talebini etkin bir şekilde karşılamak için, iyi organize edilmiş anahtarlarla bağlantılı sunuculardan oluşan büyük veri merkezi (BVM) yapılarına ihtiyaç vardır. Ancak geleneksel ağ yapısı, ağ altyapısı ve operasyon bakımından BVM'nin büyük ölçek, geniş uygulama çeşitliliği, yüksek güç yoğunluğu ve yüksek güvenilirlik gibi gereksinimlerini karşılayamamaktadır. Bu gereksinimleri karşılamak için yazılım tanımlı ağ (YTA) umut vaat edici çözümler sunmaktadır. YTA umut vaat edici çözümlere sahip olmasına rağmen BVM'ler ve çoklu kontrolörlü denetleyicilerin yerleştirilmesi problemleri için geliştirilmesi gerekmektedir. Bu tez çalışmasında, YTA tabanlı BVM'lerde yük dengeleme için çeşitli yapay zekâ teknikleri kullanılmış ve başarımları test edilmiştir. Kullanılan algoritmaların performansı, doğruluk oranı ve cevap süresi açısından karşılaştırılmış ve literatürde ilk defa kullanılan derin öğrenme yaklaşımının diğer yapay zekâ tekniklerine göre oldukça başarılı olduğu görülmüştür. Ayrıca bu tez çalışmasında YTA'da çoklu kontrolör yerleştirme problemi (KYP) incelenmiş ve bu problemin çözümüne genetik algoritma, k-means, optimize k-means, yapay arı koloni algoritması (YAK) uygulanmış ve de hibrit bir yapay arı koloni (Hibrit-YAK) algoritması önerilmiştir. Kontrol sayısı, uçtan uca gecikme en iyi konum tespiti gibi parametrelerde dikkate alınarak önerilen Hibrit-YAK algoritmasının başarımı YAK'a göre genel gecikmenin ve denetleyiciler ile ilgili anahtarlar arasındaki gecikmenin en aza indirilmesi ve kontrolörlerin konumunu en optimum şekilde bulunması konusunda daha iyi çözüm vermiştir. Anahtar Kelimeler: Yazılım Tanımlı Ağ, Büyük Veri Merkezi, Yük Dengeleme, Kontrolör Yerleştirme Problemi, Derin Öğrenme, Yapay Zekâ