-
شماره ركورد
26615
-
پديد آورنده
علي بحراني
-
عنوان
ارائه‌ي رهيافتي براي تحمل‌پذيري تاخير در بازي تحت ابر
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي كامپيوتر
-
سال تحصيل
1398
-
تاريخ دفاع
1400/12/07
-
استاد راهنما
دكتر رضا انتظاري ملكي
-
دانشكده
مهندسي كامپيوتر
-
چكيده
بازي تحت ابر يكي خدمات متأخر حوزه ي رايانش ابري است كه اخيراً شركت هاي بزرگ دنياي علوم و مهندسي كامپيوتر سرمايه گذاري هاي عظيمي را بر روي آن انجام داده اند. در اين خدمت، بار ساختن فريم هاي بازي و در مواقعي صداي بازي بر روي سرويس دهنده هاي ابري داراي منابع گرافيكي مورد نياز اجراي بازي، تخليه مي گردد. از اين رو، امكان اجراي برخط بازي هاي پيشرفته بر روي دستگاه هاي با توان پردازشي كم ممكن مي شود. تأخير يكي از مهم ترين چالش هاي تجاري سازي خدمت بازي تحت ابر است و تأخير در بازي تحت ابر داراي چهار منبع اصلي است: 1. تأخير سمت سرويس گيرنده 2. تأخير اينترنت 3. تأخير مركز داده ي ابري 4. تأخير پردازش سرويس دهنده ي ابري و به جز تأخير سمت سرويس گيرنده كه مقداري ناچيز است، راه حل هاي تئوري و عملي مختلفي براي كاهش تأخير از ساير منابع ذكر شده بيان شده است. اين راه حل ها، مبتني بر يادگيري ماشين، روش هاي هيبريدي، اكتشافي و فرااكشتافي است و در اين پايان نامه مورد مطالعه قرار گرفته است و راه‌حلي پيشنهادي مبتني بر الگوريتم يادگيري كيو (Q-Learning)، كه يكي از روش هاي حوزه ي يادگيري تقويتي است، ارائه خواهد شد. اين راه حل بر روي كاهش تأخير از منبع مركز داده ي ابري از طريق بهتر كردن مسيريابي، متمركز است. اما از تأخير كل به عنوان داده ي آموزشي استفاده مي شود. براي ارزيابي اثر اين الگوريتم بر روي تأخير مركز داده، به كمك يك برنامه ي شبيه سازي پياده سازي شده با زبان پايتون، نتايج مسيريابي با الگوريتم ارائه شده با نتايج دو الگوريتم مسيريابي با نام هاي تك-ميزبان و نوبت-محور مقايسه خواهد شد. بر اساس اين مقايسه، مشاهده مي شود كه روش پيشنهادي 5 الي 15 درصد تأخير كل را بهبود خواهد بخشيد.
-
تاريخ ورود اطلاعات
1401/03/24
-
عنوان به انگليسي
An Approach to Tolerate the Delay in Cloud Gaming
-
تاريخ بهره برداري
3/18/2023 12:00:00 AM
-
دانشجوي وارد كننده اطلاعات
علي بحراني
-
چكيده به لاتين
Cloud Gaming is one of the most recent services of cloud computing. There have been plenty of investments in this area made by the pioneer computer science companies. In this service, the task of rendering the game frames will be offloaded on a cloud server. As a result, cloud gaming makes it possible to run sophisticated games on devices with relatively low processing and electrical power. Delay tolerance is a significant challenge in the practical usage of cloud gaming. Moreover, there are four general sources of delay in cloud computing; 1. Client’s processing delay, 2. Internet network’s delay, 3. Datacenter’s delay, and 4. Server’s processing delay; And except for the first item that causes an ignorable delay, several solutions for other sources have been based on machine learning, hybrid approaches, heuristic, metaheuristic, and many other methods. So, in this dissertation, we propose a method based on Q-Learning, one of the reinforcement learning algorithms, which focuses on reducing the delay in the cloud’s data center. However, this method uses the total delay as training data. To evaluate the proposed method, we use simulation software implemented in Python programming language, and the result will be compared with two other routing algorithms that are single host and turn-based. The comparison shows that our algorithm decreased the overall delay from 5 to 15 percent.
-
كليدواژه هاي فارسي
بازي تحت ابر , تأخير , رايانش ابري , يادگيري تقويتي , يادگيري ماشين
-
كليدواژه هاي لاتين
Cloud Gaming , Delay , Cloud Computing , Reinforcement Learning , Machine Learning
-
Author
Ali Bahrani
-
SuperVisor
Dr. Reza Entezari-Maleki
-
لينک به اين مدرک :
