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

Rezadoust, SeyedehGaliya (2025). Optimized network resource management using SDN architecture by hybrid fuzzy neural-grey wolf algorithms in cloud environments. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (3MB) | Prévisualisation

Résumé

This thesis looks at how Dynamic Resource Management in the Cloud using Software Defined Network Architecture can be achieved. The complexity and demand for cloud services are increasing, and traditional network sources’ management is confronting problems with efficiency and adaptability. To address these difficulties, we present an original solution in this research by implementing both hybrid Fuzzy Neural Network and Grey Wolf Optimizer (GWO) algorithms in the SDN framework. The hybrid algorithm enhances load-balancing and resource distribution in the clouds based on the network’s contextual changes. We can thus compare the results achieved by the proposed method with the conventional techniques to show the potential benefits in terms of greater satisfaction, less congestion on the network, higher resource efficiency, and minimizing error resolution time.
This research fits into the line of work in SDN by addressing the challenge of resource management and load balancing to real-time network enhancements and optimization that concerns issues such as cloud computing, IoT, and 5G.

Titre traduit

Gestion optimisée des ressources réseau à l’aide de l’architecture SDN par des algorithmes hybrides Fuzzy Neural-Grey Wolf dans les environnements cloud

Résumé traduit

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.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Thesis presented to École de technologie supérieure in partial fulfillment of a master’s degree with thesis in information technology engineering". Comprend des références bibliographiques (pages 57-62).
Mots-clés libres:	gestion des ressources réseau, informatique en nuage, SDN (réseaux définis par logiciel), optimisation des ressources, optimiseur du Loup Gris (GWO), répartition de charge, réseau neuronal flou hybride
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Kadoch, Michel
Programme:	Maîtrise en ingénierie > Génie des technologies de l'information
Date de dépôt:	18 août 2025 15:53
Dernière modification:	18 août 2025 15:53
URI:	https://espace.etsmtl.ca/id/eprint/3675

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt