En d'autres termes, la recherche proposée retourne de meilleures instances cloud computing dès le début, tout en réduisant le temps global pour les chercher. Nous pensons avoir proposé une approche réduisant la durée de la recherche des services et retournant des services plus pertinents dès le début de la recherche. Pour cela, nous optimisons une approche déjà proposée afin de traiter des clients divers, des services hétérogènes, des réseaux de capteurs sans fil variés…etc. Dans cette thèse, nous traitons justement le problème de la sélection du meilleur fournisseur cloud computing en un temps réduit. Le nombre des fournisseurs de cloud computing ne cessant de croître, il est nécessaire d'encadrer leurs utilisateurs (propriétaires de réseaux de capteurs sans fil) dans leurs choix du meilleur, afin de traiter et stocker leurs données. Puisque les capteurs sans fil sont limités en termes de ressources (stockage, traitement et communication), il est utile de les intégrer au cloud computing. Dû à l'excès d'utilisation des noeuds sans fil, les données générées sont de plus en plus importantes. Ils sont aussi bien utiles pour les professionnels, les amateurs, les militaires, les civils, les académiques et les non académiques. Les réseaux de capteurs sans fil sont de plus en plus utilisés dans le monde actuel. The experimental results preliminarily prove the technical advantage of the proposed models in contrast to several existing models. Finally, we design three indices to validate the cloud service selection methods. Furthermore, we discuss an approximate solution for CSSCI to reduce its computing complexity. In addition, we design a priority-based CSSCI (PCSSCI) to solve service selection problems in the situation where there is a lack of historical information to determine criteria relations and weights. We employ a non-linear constraint optimization model to estimate the Shapley importance and criteria interaction indices. In this paper, we propose a Cloud Service Selection with Criteria Interactions framework (CSSCI) that applies a fuzzy measure and Choquet integral to measure and aggregate non-linear relations between criteria. This paper addresses these critical issues of modeling the interactions between cloud service selection criteria, and designing indices to validate service selection methods. In addition, a lack of measurement indices to validate the performance of service selection methods has hindered the development of decision making techniques in the service selection area. These interactions influence the performance of a service selection system in different ways. In reality, there are different types of interactions between criteria. Existing cloud service selection techniques assume that service evaluation criteria are independent.
0 Comments
Leave a Reply. |
AuthorWrite something about yourself. No need to be fancy, just an overview. ArchivesCategories |