Tez No	İndirme	Tez Künye	Durumu
805413		Sanal ağ fonksiyonları çizelgeleme algoritmalarının tasarımı ve uygulaması / Design and implementation of virtual network functions (VNFS) scheduling algorithms Yazar:ABDOUL AZIZ CISSE Danışman: DOÇ. DR. HASAN BULUT Yer Bilgisi: Ege Üniversitesi / Fen Bilimleri Enstitüsü / Fen Bilimleri Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2023 150 s.
Ağ İşlevi Sanallaştırması (NFV), geleneksel olarak özel donanım orta kutularında barındırılan fiziksel ağ işlevlerini Görselleştirilmiş Ağ İşlevlerine (VNF'ler) dönüştürmek için sanallaştırma ve bulut bilgi işlem teknolojilerinden yararlanan, gelişmekte olan bir ağ oluşturma paradigmasıdır. Bu, Ağ İşlevi Sanallaştırma Altyapıları (NFVI'lar) adı verilen yüksek performanslı veri merkezlerinde ticari donanım üzerinde sanal makineler (VM'ler) olarak çalışan yazılımlarda bu ağ işlevlerini uygulayarak yapılır. Ağ cihazlarının bu şekilde yazılımlaştırılması, hizmet fonksiyon zincirlerinin sağlanmasında ve yönetilmesinde esneklik, sermaye ve işletme giderlerinin (CAPEX ve OPEX) azaltılması ve hizmet sunumunun iyileştirilmesi dahil olmak üzere birçok fayda sağlar. Ancak, talep edilen bir hizmet fonksiyon zinciri için kaynak tahsisi, NFV'nin en zorlu görevlerinden biridir. Temel olarak üç aşamada yapılır: VNF zincir bileşimi (VNF-CC), VNF eşleme ve VNF programlama. Bu tezin kapsamı, hizmetlerin çizelgeleme makespan'ını en aza indirmek amacıyla VNF Çizelgeleme algoritmalarının tasarımına ve uygulanmasına odaklanmıştır. Bu nedenle, biri açgözlü yaklaşım (VNF Çizelgeleme için çok aşamalı açgözlü algoritma) ve diğeri pekiştirmeli öğrenme yaklaşımı (q-öğrenme ve Mont Carlo yöntemleri) kullanan üç farklı algoritmanın tasarımını ve uygulamasını öneriyoruz. Performans değerlendirmesi yapmak için ayrıca bir hizmet VNF Zincir üreteci uyguladık. Uygulanan tüm algoritmalar bağımsız olarak optimuma yakın çözümler elde etse de, pekiştirmeli öğrenmeye dayalı yaklaşımlar, girdi boyutu arttıkça nispeten yavaş görünür. Tersine, açgözlü tabanlı yaklaşım daha hızlı birleşir ve büyük ölçekli girdi boyutuna daha fazla uyarlanır.
Network Function Virtualization (NFV) is an emerging networking paradigm that leverages virtualization and cloud computing technologies to transform physical network functions traditionally housed in proprietary hardware middleboxes into Visualized Network Functions (VNFs). This is done by implementing these network functions in software that runs as virtual machines (VMs) on commodity hardware in high-performance data centers called Network Function Virtualization Infrastructures (NFVIs). This softwarization of network appliances brings many benefits, including flexibility in provisioning and managing service function chains, reducing capital and operating expenses (CAPEX and OPEX), and improving service delivery. However, resource allocation for a requested service function chain is still one of the most challenging tasks of NFV. It is mainly done in three stages: VNF chain composition (VNF-CC), VNF mapping, and VNF scheduling. The scope of this thesis is focused on the design and implementation of VNF Scheduling algorithms with the objective of minimizing services' scheduling makespan. Thus, we propose the design and implementation of three different algorithms, one heuristic (multi-stage heuristic algorithm for VNF Scheduling) and two others based on a reinforcement learning approach (q-learning and Mont Carlo methods). In order to carry out performance evaluation, we also implemented a service VNF Chain generator. Although all implemented algorithms independently achieve near-optimal solutions, the reinforcement learning-based approaches appear relatively slow while the input size increases. Conversely, the heuristic-based approach converges faster and is more adapted for large-scale input sizes.