Tez No	İndirme	Tez Künye	Durumu
676272		Yazılım tanımlı ağ tabanlı büyük veri ağ mimarileri üzerinde yük dengeleme ve kontrolör yerleştirme probleminin yapay zeka yaklaşımları ile çözümü / Solving load balancing and controller placement problems in software-defi̇ned network based big data network architectures usi̇ng artificial intelligence approaches Yazar:BANU ULU Danışman: DOÇ. DR. BİLAL BABAYİĞİT Yer Bilgisi: Erciyes Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2021 84 s.
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
With the development of new generation networking model, the amount of data transfer has gradually increased. To effectively meet the increasing demand for computing resources, big data center network (DCN) structures consisting of well-organized switches of interconnected servers are needed. However, traditional network structures cannot meet the DCN requirements such as large scale, wide application variety, high power density and high reliability in terms of network infrastructure and operation. Software-defined networking (SDN) offers promising solutions to meet these requirements. Although, SDN has promising solutions, it needs to be developed for DCNs and multi-controller placement problems. In this thesis study, for load balancing of SDN-based DCNs, several artificial intelligence techniques are used, and their performances are tested. The performance of the proposed algorithms is compared in terms of accuracy and response time, and it is seen that deep learning approach which is used for the first time in the literature, is quite successful compared to other artificial intelligence techniques. In addition, in this thesis, the multiple controller placement problem (CPP) in SDN is examined, and the genetic algorithm, k-means, optimized k-means, artificial bee colony (ABC) algorithm are applied to the solution of the CPP problem and also a hybrid artificial bee colony algorithm is proposed. Considering the parameters such as the number of controllers, the end-to-end latency and the best position detection controller, the performance of the Hybrid-ABC algorithm give a better solution than the ABC in minimizing the overall latency, the between the controllers and the relevant switches latency and finding the best position of the controllers. Keywords: Software-Defined Network, Big Data Center, Load Balancing, Controller Placement Problem, Deep Learning, Artificial Intelligence