Багатокритерійна модель інтеграції розподілених систем у хмарні сервіси

Ключові слова: багатокритеріальна оптимізаційна модель, системи розподіленої обробки інформації, хмарні сервіси, хмарні технології, хмарні обчислення, інтеграція, метод NSGA-II, обчислювальні експерименти, модель, технології

Анотація

У рамках даного дослідження запропоновано багатокритеріальну оптимізаційну модель інтеграції систем розподіленої обробки інформації  у хмарні сервіси, яка враховує часові залежності та фактори ризику і відрізняється від існуючих аналогів тим, що, окрім традиційних критеріїв, таких як бізнес-ефективність, фінансові витрати та технічні пріоритети, до моделі були введені часові залежності та ризики, що дозволяє точніше відображати динаміку процесів інтеграції та мінімізувати потенційні негативні наслідки. У рамках обчислювальних експериментів підтверджено, що викладена в роботі модель результативно вирішує задачу багатокритеріальної оптимізації, враховуючи суперечливі цілі, зокрема максимізацію бізнес-ефективності, мінімізацію фінансових витрат та управління ризиками. Акцент було зроблено на врахуванні часових залежностей, таких як швидкість адаптації системи до хмарної інфраструктури (параметр α) та темп накопичення економічної вигоди (параметр β), що в кінцевому підсумку підвищило точність моделювання, надаючи особам, які приймають рішення, можливість більш реалістично оцінювати динаміку інтеграції розподіленої обробки інформації в хмарні сервіси та перспективи впровадження нових технологій розподіленої обробки інформації в хмарні сервіси. Розроблена модель була реалізована на мові Python на основі застосування методу NSGA-II, обраного завдяки його здатності ефективно працювати з багатокритеріальними задачами, враховувати обмеження та знаходити рішення на Парето-фронті. Застосування цього методу дозволяє забезпечити рівномірний розподіл рішень у просторі критеріїв, що є релевантним для задач, пов’язаних з інтеграцією розподіленої обробки інформації в хмарні сервіси, які апріорі передбачають необхідність враховувати множину суперечливих цілей. Врахування факторів, таких як швидкість адаптації та темп накопичення економічної вигоди, дозволить точніше прогнозувати результати інтеграції та мінімізувати ризики, пов’язані з переходом на хмарні технології. Особливістю моделі є її орієнтованість на практичне застосування в умовах реального бізнесу, що робить її особливо затребуваною для торговельних компаній, де швидкість обробки даних і доступність ресурсів безпосередньо впливають на задоволеність клієнтів та прибуток.

Посилання

1. Garg, S.K., Vecchiola, C. & Buyya, R. Mandi: a market exchange for trading utility and cloud computing services. J Supercomput 64, 1153–1174 (2013).
2. M. Abid and M. Saqlain, “Utilizing edge cloud computing and deep learning for enhanced risk assessment in China’s international trade and investment,” Int J. Knowl. Innov Stud., vol. 1, no. 1, pp. 1–9, 2023.
3. Belgacem, A., Beghdad-Bey, K. Multi-objective workflow scheduling in cloud computing: trade-off between makespan and cost. Cluster Comput 25, 579–595 (2022).
4. Omid Fatahi Valilai, Mahmoud Houshmand,A collaborative and integrated platform to support distributed manufacturing system using a service-oriented approach based on cloud computing paradigm, Robotics and Computer-Integrated Manufacturing,Volume 29, Issue 1,2013,Pages 110-127, ISSN 0736-5845
5. Attaran, M., & Woods, J. (2019). Cloud computing technology: improving small business performance using the Internet. Journal of Small Business & Entrepreneurship, 31(6), 495–519.
Опубліковано
2026-09-24
Як цитувати
Федотов C. О., & Кайдик, О. Л. (2026). Багатокритерійна модель інтеграції розподілених систем у хмарні сервіси. КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, (64), 312-321. https://doi.org/10.36910/6775-2524-0560-2026-64-30
Розділ
Інформатика та обчислювальна техніка