University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Bounechada,Hosni |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Composition SémantiqueetDynamique des Services Cloud à large-échelle Titre original : Versuneapproche à base d'agent Type de document : texte imprimé Auteurs : Bounechada,Hosni, Auteur ; Reffad,Hamza, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (67 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Cloud Computing
Service Cloud
Composition des services
QoS
Problème d'optimisation
Ontologie
Agent
Système multi-agentIndex. décimale : 004 - Informatique Résumé : Actuellement, plusieurs développeurs utilisent les services Cloud et les composent pour obtenir des applications qui répondent à leurs besoins. Néanmoins, le paradigme de la composition des services est l’un des problèmes majeurs du Cloud en raison de la croissance exceptionnelle du nombre de services déployés par différents fournisseurs. En effet, les clients de ces services ont des besoins fonctionnels et non fonctionnels, et de nombreux fournisseurs proposent des services ayant les mêmes fonctionnalités avec différentes propriétés non-fonctionnelles. Il est nécessaire de sélectionner et de composer les services appropriés qui respectent les contraintes et les préférences des différents clients. L’un des problèmes de cette composition est l’optimisation du service composite fournit en termes de qualité de service. Ce problème est connu en tant que NP-hard problème où aucune méthode exacte n'existe pour le résoudre.
Plusieurs auteurs proposent des méta-heuristiques pour résoudre ce problème de deux manières différentes : 1) mono-objectif (scalarisation) où tous les objectifs sont associés à une fonction de fitness qui doit être optimiser. 2) les méthodes multi-objectifs (Pareto) qui génèrent un ensemble de solutions non-dominées.
Dans ce travail, nous proposons une nouvelle approche sémantique en deux phases basées sur l’ontologie proposée par reffad et al. [43] Dans la première phase, nous utilisons l'algorithme NSGA-II pour l'optimisation multi-objectifs, basé sur l'aspect multi-agents, afin d'améliorer les performances (temps d'exécution) de l'algorithme. Nous avons adopté deux topologies multi-agents (anneau et maître / esclave) pour comparer les différentes performances des topologies. La deuxième phase sélectionne une solution unique à partir de la solution Pareto-optimale obtenue à partir de la première phase. L'expérimentation montre les performances des deux topologies différentes adoptées et confirme l'amélioration de l'algorithme NSGA-II utilisant l'aspect multi-agents
Note de contenu : Sommaire
Table of Contents
General Introduction 1
1. Work context 1
2. Issues and objectives 1
3. Structure of the thesis 2
Chapter 1: Definitions and Concepts
Introduction 4
1. Cloud Computing 5
1.1 Definition of Cloud Computing 5
1.2Cloud service delivery models 6
1.2.1 Infrastructure as a Service (IaaS) 7
1.2.2Platform as a Service (PaaS) 7
1.2.3Software as a Service (SaaS) 8
1.3Cloud Computing Deployment Techniques 8
1.4 Essential features of Cloud Computing 9
1.5The advantages and disadvantages of Cloud Computing 9
2. Composition of Cloud Services 10
2.1 Cloud Service 10
2.2 Cloud Services Properties 11
2.2.1 Functional Properties 11
2.2.2 Non-Functional Properties 11
2.3 The steps of cloud services composition 12
3. Meta-heuristic optimization approaches 12
3.1 Metaheuristics 12
3.2 Using metaheuristics for the optimisation of services composition 13
4. Semantic Web 13
5. Multi Agent Systems (MAS) 15
5.1 Agent Definition 15
5.2 Multi-agent system (MAS) 16
6. Conclusion 17
Chapter 2: Related Works
Bibliographical summaries 19
1. Introduction 19
2. Related work 19
3. Summary and Discussion 25
4. Conclusion 26
Chapter 3: Proposed Approach
1. Introduction 28
2. Semantic Description of the Services 28
2.1 Virtual Business-Process 28
2.2 Virtual Service 28
2.3 Concrete service 29
2.4 Quality of Service: QoS: 29
2.5 Working Ontology 30
3. Modelling of QoS-aware cloud service composition 32
3.1 Service composition model 32
3.2 Fitness Value 34
4. Overview of the NSGA II algorithm 35
4.1 Presentation 35
4.2 Coding of data 35
4.2.1 Binary coding 35
4.2.2 Real encoding 36
4.3 Genetic Operations 36
4.3.1 Selection 36
4.3.2 Crossover 36
4.3.3 Mutation 37
4.4 Operation of NSGA II 37
4.5 Advantages and limitations of NSGA II 39
5. Proposed Multi Agent Topologies 39
5.1 Proposed Strategies 40
5.1.1 Master-slave strategy 40
5.1.2 Ring Strategy 42
5.2 Description of the Algorithm 43
5.3 Application of the Algorithm to the case study 44
6. Conclusion 46
Chapter 4: Results and Experimentation
1. Introduction 48
2. Languages and development environment used 48
2.1 Languages used 48
2.1.1 Java 48
2.1.2 OWL 48
2.1.3 SWRL 49
2.1.4 JADE 49
2.2 Development Environments 50
2.2.1 Why protégé? 50
2.2.2 The Eclipse Integrated Development Environment 50
3. Implementation and Realization 51
3.1 Presentation of the ontology 51
3.1.1 Class models 51
3.1.2 Property Models 51
3.1.3 Models of individuals 53
3.2 Implementation of the NSGA-II under Eclipse 53
3.2.1 Class Diagram 54
3.2.2 Class Description 54
4. Experimentation 55
4.1 Performance evaluation and comparisons 55
4.2 Issues of NSGA-II without Agents 56
4.2.1 NSGA-II without Agents Experimentation 56
4.2.2 Analysis of results 57
4.3 Proposed Approach 58
4.3.1 Ring & Master/Slave Experimentation 58
4.3.2 Analysis of results 59
4.3.3 Explication 59
4.3.4 Experimentation on the Agent configuration 60
4.4 Advantages and Limits of Multi-Agents Strategies in the Real World 64
4.4.1 Master / Slave Strategy 64
4.4.2 Ring Strategy 65
5. Conclusion 65
General Conclusion 66
Bibliography 67
Côte titre : MAI/0307 En ligne : https://drive.google.com/file/d/1SpoKLzAObUYnJbhFFY0V_EtWdkWe1ECB/view?usp=shari [...] Format de la ressource électronique : docx Composition SémantiqueetDynamique des Services Cloud à large-échelle = Versuneapproche à base d'agent [texte imprimé] / Bounechada,Hosni, Auteur ; Reffad,Hamza, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (67 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Cloud Computing
Service Cloud
Composition des services
QoS
Problème d'optimisation
Ontologie
Agent
Système multi-agentIndex. décimale : 004 - Informatique Résumé : Actuellement, plusieurs développeurs utilisent les services Cloud et les composent pour obtenir des applications qui répondent à leurs besoins. Néanmoins, le paradigme de la composition des services est l’un des problèmes majeurs du Cloud en raison de la croissance exceptionnelle du nombre de services déployés par différents fournisseurs. En effet, les clients de ces services ont des besoins fonctionnels et non fonctionnels, et de nombreux fournisseurs proposent des services ayant les mêmes fonctionnalités avec différentes propriétés non-fonctionnelles. Il est nécessaire de sélectionner et de composer les services appropriés qui respectent les contraintes et les préférences des différents clients. L’un des problèmes de cette composition est l’optimisation du service composite fournit en termes de qualité de service. Ce problème est connu en tant que NP-hard problème où aucune méthode exacte n'existe pour le résoudre.
Plusieurs auteurs proposent des méta-heuristiques pour résoudre ce problème de deux manières différentes : 1) mono-objectif (scalarisation) où tous les objectifs sont associés à une fonction de fitness qui doit être optimiser. 2) les méthodes multi-objectifs (Pareto) qui génèrent un ensemble de solutions non-dominées.
Dans ce travail, nous proposons une nouvelle approche sémantique en deux phases basées sur l’ontologie proposée par reffad et al. [43] Dans la première phase, nous utilisons l'algorithme NSGA-II pour l'optimisation multi-objectifs, basé sur l'aspect multi-agents, afin d'améliorer les performances (temps d'exécution) de l'algorithme. Nous avons adopté deux topologies multi-agents (anneau et maître / esclave) pour comparer les différentes performances des topologies. La deuxième phase sélectionne une solution unique à partir de la solution Pareto-optimale obtenue à partir de la première phase. L'expérimentation montre les performances des deux topologies différentes adoptées et confirme l'amélioration de l'algorithme NSGA-II utilisant l'aspect multi-agents
Note de contenu : Sommaire
Table of Contents
General Introduction 1
1. Work context 1
2. Issues and objectives 1
3. Structure of the thesis 2
Chapter 1: Definitions and Concepts
Introduction 4
1. Cloud Computing 5
1.1 Definition of Cloud Computing 5
1.2Cloud service delivery models 6
1.2.1 Infrastructure as a Service (IaaS) 7
1.2.2Platform as a Service (PaaS) 7
1.2.3Software as a Service (SaaS) 8
1.3Cloud Computing Deployment Techniques 8
1.4 Essential features of Cloud Computing 9
1.5The advantages and disadvantages of Cloud Computing 9
2. Composition of Cloud Services 10
2.1 Cloud Service 10
2.2 Cloud Services Properties 11
2.2.1 Functional Properties 11
2.2.2 Non-Functional Properties 11
2.3 The steps of cloud services composition 12
3. Meta-heuristic optimization approaches 12
3.1 Metaheuristics 12
3.2 Using metaheuristics for the optimisation of services composition 13
4. Semantic Web 13
5. Multi Agent Systems (MAS) 15
5.1 Agent Definition 15
5.2 Multi-agent system (MAS) 16
6. Conclusion 17
Chapter 2: Related Works
Bibliographical summaries 19
1. Introduction 19
2. Related work 19
3. Summary and Discussion 25
4. Conclusion 26
Chapter 3: Proposed Approach
1. Introduction 28
2. Semantic Description of the Services 28
2.1 Virtual Business-Process 28
2.2 Virtual Service 28
2.3 Concrete service 29
2.4 Quality of Service: QoS: 29
2.5 Working Ontology 30
3. Modelling of QoS-aware cloud service composition 32
3.1 Service composition model 32
3.2 Fitness Value 34
4. Overview of the NSGA II algorithm 35
4.1 Presentation 35
4.2 Coding of data 35
4.2.1 Binary coding 35
4.2.2 Real encoding 36
4.3 Genetic Operations 36
4.3.1 Selection 36
4.3.2 Crossover 36
4.3.3 Mutation 37
4.4 Operation of NSGA II 37
4.5 Advantages and limitations of NSGA II 39
5. Proposed Multi Agent Topologies 39
5.1 Proposed Strategies 40
5.1.1 Master-slave strategy 40
5.1.2 Ring Strategy 42
5.2 Description of the Algorithm 43
5.3 Application of the Algorithm to the case study 44
6. Conclusion 46
Chapter 4: Results and Experimentation
1. Introduction 48
2. Languages and development environment used 48
2.1 Languages used 48
2.1.1 Java 48
2.1.2 OWL 48
2.1.3 SWRL 49
2.1.4 JADE 49
2.2 Development Environments 50
2.2.1 Why protégé? 50
2.2.2 The Eclipse Integrated Development Environment 50
3. Implementation and Realization 51
3.1 Presentation of the ontology 51
3.1.1 Class models 51
3.1.2 Property Models 51
3.1.3 Models of individuals 53
3.2 Implementation of the NSGA-II under Eclipse 53
3.2.1 Class Diagram 54
3.2.2 Class Description 54
4. Experimentation 55
4.1 Performance evaluation and comparisons 55
4.2 Issues of NSGA-II without Agents 56
4.2.1 NSGA-II without Agents Experimentation 56
4.2.2 Analysis of results 57
4.3 Proposed Approach 58
4.3.1 Ring & Master/Slave Experimentation 58
4.3.2 Analysis of results 59
4.3.3 Explication 59
4.3.4 Experimentation on the Agent configuration 60
4.4 Advantages and Limits of Multi-Agents Strategies in the Real World 64
4.4.1 Master / Slave Strategy 64
4.4.2 Ring Strategy 65
5. Conclusion 65
General Conclusion 66
Bibliography 67
Côte titre : MAI/0307 En ligne : https://drive.google.com/file/d/1SpoKLzAObUYnJbhFFY0V_EtWdkWe1ECB/view?usp=shari [...] Format de la ressource électronique : docx Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0307 MAI/0307 Mémoire Bibliothéque des sciences Français Disponible
Disponible
