Optimized network resource management using SDN architecture by hybrid fuzzy neural-grey wolf algorithms in cloud environments

Résumé

Cette thèse examine la manière de mettre en oeuvre une gestion dynamique des ressources dans le cloud grâce à l’architecture de réseau défini par logiciel (SDN). La complexité et la demande de services cloud s’accroissent, tandis que la gestion des ressources dans les réseaux traditionnels se heurte à des problèmes d’efficacité et d’adaptabilité. Pour faire face à ces difficultés, nous proposons dans ce travail de recherche une solution novatrice en intégrant conjointement un algorithme hybride de réseau neuronal flou et l’optimiseur Grey Wolf (GWO) au sein du cadre SDN. Cet algorithme hybride améliore l’équilibrage de charge et la répartition des ressources dans les clouds en fonction des changements contextuels du réseau. Ainsi, nous pouvons comparer les résultats obtenus par la méthode proposée aux techniques conventionnelles, afin de démontrer les avantages potentiels en termes de meilleure satisfaction, de réduction de la congestion du réseau, d’optimisation des ressources et de diminution du temps de résolution des erreurs. Cette recherche s’inscrit dans le domaine du SDN en abordant la problématique de la gestion des ressources et de l’équilibrage de charge pour des améliorations et des optimisations en temps réel du réseau, applicables notamment au cloud computing, à l’IoT et à la 5G.

Date	9 janv. 2025
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Michel Kadoch (Directeur(-trice))