1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Бакалавр
  4. 122 — Компʼютерні науки, F3 Комп’ютерні науки (бакалаври)
Palun kasuta seda identifikaatorit viitamiseks ja linkimiseks: http://elartu.tntu.edu.ua/handle/lib/52632
Pealkiri: Алгоритмічні засоби периферійних обчислень для обробки великих даних розумних міст
Teised pealkirjad: Algorithmic Tools for Edge Computing in Big Data Processing for Smart Cities
Autor: Білянський, Артем Андрійович
Bilianskyi, Artem
Affiliation: Тернопільський національний технічний університет імені ім. І. Пулюя
Bibliographic reference (2015): Білянський А. А. Алгоритмічні засоби периферійних обчислень для обробки великих даних розумних міст : робота на здобуття кваліфікаційного ступеня бакалавра : спец. 122 - комп’ютерні науки / наук. кер. В. В. Никитюк. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2026. 74 с.
Ilmumisaasta: 27-juu-2026
Submitted date: 13-juu-2026
Date of entry: 24-juu-2026
Kirjastaja: Тернопільський національний технічний університет імені ім. І. Пулюя
Country (code): UA
Place of the edition/event: Тернопіль
Supervisor: Никитюк, Вячеслав Вячеславович
Nykytyuk, Vyacheslav
UDC: 004.9
Märksõnad: 122
комп’ютерні науки
периферійні обчислення
розумне місто
великі дані
алгоритмічні засоби
багатокритеріальна оптимізація
розподіл ресурсів
відмовостійкість
енергоефективність
edge computing
smart city
big data
algorithmic tools
multi-criteria optimization
resource allocation
fault tolerance
energy efficiency
Page range: 74
Kokkuvõte: Кваліфікаційна робота присвячена дослідженню алгоритмічних засобів периферійних обчислень для обробки великих даних розумних міст. В першому розділі кваліфікаційної роботи розглянуто периферійні обчислення. Проведено систематизацію алгоритмічних засобів розподілу ресурсів. Проаналізовано архітектурні характеристики обчислювальних платформ. Подано структурно-порівняльний аналіз парадигм і моделей розвантаження. Висвітлено теоретичні засади та концептуальні основи периферійних обчислень. Досліджено критично важливі застосунки. В другому розділі досліджено алгоритми енергоефективного управління ресурсами. Проаналізовано алгоритмічні засоби мінімізації затримок обробки великих даних периферійних мережах «розумного міста». Здійснено аналіз методів забезпечення надійності та відмовостійкості. Розглянуто математичні моделі та алгоритмічні засоби багатокритеріальної оптимізації інфраструктури. Досліджено алгоритмічні засоби інтелектуального керування ресурсами периферійних систем. В третьому розділі досліджено математичні моделі та алгоритми динамічного планування завдань. Здійснено класифікацію та аналіз математичних методів багатокритеріальної оптимізації. Проведено систематизацію дослідницьких прогалин та визначення напрямків оптимізації периферійних обчислень «розумного міста». Розглянуто алгоритмічні засоби багатокритеріальної оптимізації.
The qualification thesis is devoted to the study of algorithmic tools for edge computing in big data processing for smart cities. The first chapter examines edge computing paradigm. The systematization of algorithmic tools for resource allocation is carried out. The architectural characteristics of computing platforms are analyzed. A structural and comparative analysis of offloading paradigms and models is presented. The theoretical foundations and conceptual frameworks of edge computing are highlighted. Mission-critical applications are investigated. The second chapter explores algorithms for energy-efficient resource management. Algorithmic tools for minimizing big data processing latencies in edge networks of a "smart city" are analyzed. An analysis of methods for ensuring reliability and fault tolerance is carried out. Mathematical models and algorithmic tools for multi-objective infrastructure optimization are considered. Algorithmic tools for intelligent resource management in edge systems are investigated. The third chapter investigates mathematical models and algorithms for dynamic task scheduling. The classification and analysis of mathematical methods for multi-objective optimization are performed. The systematization of research gaps and the determination of trends for optimizing edge computing in a "smart city" are carried out. Algorithmic tools for multi-objective optimization are considered.
Kirjeldus: Роботу виконано на кафедрі комп'ютерних наук Тернопільського національного технічного університету імені Івана Пулюя. Захист відбудеться 27.06.2026р. на засіданні екзаменаційної комісії №31 у Тернопільському національному технічному університеті імені Івана Пулюя
Content: ВСТУП 9 РОЗДІЛ 1. ТЕОРЕТИКО-МЕТОДОЛОГІЧНІ ЗАСАДИ ТА АРХІТЕКТУРНО-АЛГОРИТМІЧНІ ПРИНЦИПИ ПЕРИФЕРІЙНОЇ ОБРОБКИ ДАНИХ У «РОЗУМНИХ МІСТАХ» 12 1.1 Периферійні обчислення як інструмент управління ресурсами критично важливих застосувань «розумних міст» 12 1.2 Систематизація алгоритмічних засобів розподілу ресурсів у периферійних мережах 13 1.3 Аналіз архітектурних характеристик периферійних обчислювальних платформ та функціональних вимірів розміщення завдань 14 1.4 Структурно-порівняльний аналіз парадигм і моделей розвантаження периферійних обчислювальних мереж 15 1.5 Теоретичні засади та концептуальні основи периферійних обчислень у критично важливих застосуваннях 18 1.6 Критично важливі застосунки периферійних обчислень 19 1.7 Висновок до першого розділу 22 РОЗДІЛ 2. АНАЛІТИЧНИЙ ОГЛЯД ТА КЛАСИФІКАЦІЯ АЛГОРИТМІЧНИХ ЗАСОБІВ ОПТИМІЗАЦІЇ ПЕРИФЕРІЙНИХ ОБЧИСЛЕНЬ У «РОЗУМНИХ МІСТАХ» 23 2.1 Алгоритми енергоефективного управління ресурсами периферійних обчислень у системах «розумного міста» 23 2.2 Аналіз алгоритмічних засобів мінімізації затримок обробки великих даних у периферійних мережах «розумного міста» 26 2.3 Аналіз методів забезпечення надійності та відмовостійкості периферійних обчислювальних систем у середовищі «розумного міста» 30 2.4 Математичні моделі та алгоритмічні засоби багатокритеріальної оптимізації периферійної інфраструктури «розумного міста» 31 2.5 Алгоритмічні засоби інтелектуального керування ресурсами периферійних систем з урахуванням мобільності сервісів «розумного міста» 34 2.6 Алгоритмічні засоби забезпечення доступності великих даних та оптимізації реплікації у периферійній інфраструктурі «розумного міста» 37 2.7 Алгоритмічні засоби забезпечення відмовостійкості та надійності обробки великих даних у периферійному середовищі «розумного міста» 39 2.8 Висновок до другого розділу 40 РОЗДІЛ 3. АЛГОРИТМИ ТА МОДЕЛІ БАГАТОКРИТЕРІАЛЬНОЇ ОПТИМІЗАЦІЇ ПЕРИФЕРІЙНИХ ОБЧИСЛЮВАЛЬНИХ ПРОЦЕСІВ У «РОЗУМНИХ МІСТАХ» 41 3.1 Математичні моделі та алгоритми динамічного планування завдань у туманно-периферійних мережах 41 3.2 Класифікація та аналіз математичних методів багатокритеріальної оптимізації периферійних обчислювальних систем 43 3.3 Систематизація дослідницьких прогалин та визначення напрямків оптимізації периферійних обчислень «розумного міста» 48 3.4 Алгоритмічні засоби багатокритеріальної оптимізації та забезпечення відмовостійкості периферійних обчислень «розумного міста» 49 3.5 Аналіз алгоритмів забезпечення відмовостійкості та безперервності сервісів у хмарно-периферійних архітектурах міських мереж 50 3.6 Алгоритмічні засоби енергоефективного управління та балансування навантаження в гетерогенному периферійному середовищі «розумного міста» 51 3.7 Алгоритмічні засоби забезпечення безпеки даних та підтримки мобільності вузлів у периферійній інфраструктурі «розумного міста» 52 3.8 Висновок до третього розділу 53 РОЗДІЛ 4. БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ 54 4.1 Захист людини від іонізуючих випромінювань 54 4.2 Умови праці працівників ІТ-галузі 59 4.3 Висновок до четвертого розділу 63 ВИСНОВКИ 64 ПЕРЕЛІК ДЖЕРЕЛ 66
URI: http://elartu.tntu.edu.ua/handle/lib/52632
Copyright owner: © Білянський Артем Андрійович, 2026
References (Ukraine): 1. Duda O., Matsiuk O., Kunanets N., Pasichnyk V., Rzheuskyi A., Bilak Y. Formation of hypercubes based on data obtained from IoT devices // International Journal of Sensors, Wireless Communications and Control. 2021. Vol. 11(5). P. 498–504. DOI: 10.2174/2210327910999201210145151.
2. Orlov M. V., Duda O. M., Zhovnir Y. I., Hrybovskyi O. M. DevOps tools in IoT systems // Комп’ютерно-інтегровані технології. 2024. Vol. 57. P. 128–138. DOI: 10.36910/6775-2524-0560-2024-57-15.
3. Luchkevych M., Shakleina I., Duda O. The impact of modern cloud technologies on the efficiency of DevOps processes // Scientific Journal TNTU. 2025. No. 1(117). P. 112–122. DOI: 10.33108/visnyk_tntu2025.01.
4. Orlov M. V., Hrybovskyi O. M., Zhovnir Y. I., Duda O. M. DevOps methodology in IoT ecosystems // Вчені записки ТНУ. 2024. Vol. 35(6). P. 163–170. DOI: 10.32782/2663-5941/2024.6.2/22.
5. Rasouli, Nayereh, Cristian Klein, and Erik Elmroth. "Resource management for mission-critical applications in edge computing: systematic review on recent research and open issues." ACM Computing Surveys 58.3 (2025): 1-37.
6. Ankur Utsav, Amit Abhishek, P. Suraj, and Ritesh Kr. Badhai. 2021. An IoT based UAV network for military applications. In 2021 Sixth International Conference on Wireless Communications, Signal Processing and Networking (WiSPNET). 122–125. DOI:http://dx.doi.org/10.1109/WiSPNET51692.2021.9419470.
7. Tzu-Wei Lin. 2022. A privacy-preserved id-based secure communication scheme in 5G-IoT telemedicine systems. Sensors 22, 18 (Jan. 2022), 6838. DOI:http://dx.doi.org/10.3390/s22186838.
8. Zhovnir Y. I., Hrybovskyi O. M., Orlov M. V., Duda O. M., Kunanets N. E. IoT information systems methodology // Управління розвитком складних систем. 2024. Vol. 60. P. 56–71. DOI: 10.32347/2412-9933.2024.60.56-70.
9. Shuchen Zhou, Waqas Jadoon, and Iftikhar Khan. 2023. Computing offloading strategy in mobile edge computing environment: A comparison between adopted frameworks, challenges, and future directions. Electronics 12 (May 2023), 2452. DOI:http://dx.doi.org/10.3390/electronics12112452.
10. Ramesh Singh, Radhika Sukapuram, and Suchetana Chakraborty. 2023. A survey of mobility-aware multi-access edge computing: Challenges, use cases and future directions. Ad Hoc Networks 140 (March 2023), 103044. DOI:http: //dx.doi.org/10.1016/j.adhoc.2022.103044.
11. Nina Santi and Nathalie Mitton. 2021. A resource management survey for mission critical and time critical applications in multi access edge computing. ITU Journal on Future and Evolving Technologies 2, 2 (Nov. 2021). Retrieved from https://hal.science/hal-03420193.
12. Duda O., Zakharia O., Kramar T., Melnyk A., Skaletskyi P. Data mesh smart city architecture // Вісник НУ «Львівська політехніка». 2025. Vol. 17. P. 411–424. DOI: 10.23939/sisn2025.17.411.
13. Mostafa Raeisi-Varzaneh, Omar Dakkak, Adib Habbal, and Byung-Seo Kim. 2023. Resource scheduling in edge computing: Architecture, taxonomy, open issues and future research directions. IEEE Access 11 (2023), 25329–25350. DOI:http://dx.doi.org/10.1109/ACCESS.2023.3256522.
14. Quyuan Luo, Shihong Hu, Changle Li, Guanghui Li, and Weisong Shi. 2021. Resource Scheduling in Edge Computing: Survey. IEEE Communications Surveys & Tutorials 23, 4 (2021), 2131–2165. DOI:http://dx.doi.org/10.1109/COMST. 2021.3106401.
15. Ling Hou, Mark A. Gregory, and Shuo Li. 2022. A survey of multi-access edge computing and vehicular networking. IEEE Access 10 (2022), 123436–123451. DOI:http://dx.doi.org/10.1109/ACCESS.2022.3224032.
16. Zeinab Zabihi, Amir Masoud Eftekhari Moghadam, and Mohammad Hossein Rezvani. 2023. Reinforcement learning methods for computing offloading: A systematic review. Comput. Surveys (June 2023), 3603703. DOI: http://dx.doi.org/10.1145/3603703.
17. Ning Lyu. 2021. Brief review on computing resource allocation algorithms in mobile edge computing. In 2021 2nd International Conference on Computing and Data Science (CDS). 108–111. DOI:http://dx.doi.org/10.1109/CDS52072. 2021.00025.
18. The European Parliament and The Council of the European Union. 2022. Directive of the European Parliament and of the Council on the resilience of critical entities and repealing Council Directive 2008/114/EC. (2022). Retrieved 30 November 2022 from https://data.consilium.europa.eu/doc/document/PE-51-2022-INIT/en/pdf.
19. Doru Calin. 2023. A short overview of mission critical communications technologies for the rail industry. IEEE Wireless Communications 30, 3 (June 2023), 6–8. DOI:http://dx.doi.org/10.1109/MWC.2023.10183806.
20. Yue Wang, Tao Yu, and Kei Sakaguchi. 2021. Context-based MEC platform for augmented-reality services in 5G networks. In 2021 IEEE 94th Vehicular Technology Conference (VTC2021-Fall). 1–5. DOI:http://dx.doi.org/10.1109/ VTC2021-Fall52928.2021.9625304.
21. Sujie Shao, Lili Su, Qinghang Zhang, Shuang Wu, Shaoyong Guo, and Feng Qi. 2023. Multi task dynamic edge– end computing collaboration for urban Internet of Vehicles. Computer Networks 227 (May 2023), 109690. DOI:http: //dx.doi.org/10.1016/j.comnet.2023.109690.
22. Duda O., Kunanets N., Matsiuk O., Pasichnyk V., Rzheuskyi A. Aggregation, Storing, Multidimensional Representation and Processing of COVID-19 Data // Advances in Intelligent Systems and Computing V. CSIT 2020. Springer, Cham, 2021. Vol. 1293. DOI: 10.1007/978-3-030-63270-0_60. ISSN 2194-5357, EISSN 2194-5365.
23. Jiangjiang Zhang, Bei Gong, Muhammad Waqas, Shanshan Tu, and Zhu Han. 2023. A hybrid many-objective optimization algorithm for task offloading and resource allocation in multi-server mobile edge computing networks. IEEE Transactions on Services Computing (2023), 1–14. DOI:http://dx.doi.org/10.1109/TSC.2023.3268990.
24. Sardar Khaliq uz Zaman, Ali Imran Jehangiri, Tahir Maqsood, Nuhman ul Haq, Arif Iqbal Umar, Junaid Shuja, Zulfiqar Ahmad, Imed Ben Dhaou, and Mohammed F. Alsharekh. 2023. LiMPO: Lightweight mobility prediction and offloading framework using machine learning for mobile edge computing. Cluster Computing 26, 1 (Feb. 2023), 99–117. DOI:http://dx.doi.org/10.1007/s10586-021-03518-7.
25. Sanaa Almasri, Moath Jarrah, and Basheer Al-Duwairi. 2022. Multi-objective optimization of task assignment in distributed mobile edge computing. Journal of Reliable Intelligent Environments 8, 1 (March 2022), 21–33. DOI:http: //dx.doi.org/10.1007/s40860-021-00162-1.
26. Chit Wutyee Zaw, Shashi Raj Pandey, Kitae Kim, and Choong Seon Hong. 2021. Energy-aware resource management for federated learning in multi-access edge computing systems. IEEE Access 9 (2021), 34938–34950. DOI:http://dx.doi. org/10.1109/ACCESS.2021.3055523.
27. Duda O., Kunanets N., Martsenko S., Nykytyuk V., Pasichnyk V. COVID-19 data collections and processing // IEEE CSIT 2021. P. 252–257. DOI: 10.1109/CSIT52700.2021.9648658.
28. Yumei Li, Xiumin Zhu, Shudian Song, Shuyue Ma, Feng Yang, and Linbo Zhai. 2023. Task offloading and parameters optimization of MAR in multi-access edge computing. Expert Systems with Applications 215 (April 2023), 119379. DOI:http://dx.doi.org/10.1016/j.eswa.2022.119379.
29. Shangguang Wang, Yan Guo, Ning Zhang, Peng Yang, Ao Zhou, and Xuemin Shen. 2021. Delay-aware microservice coordination in mobile edge computing: A reinforcement learning approach. IEEE Transactions on Mobile Computing 20, 3 (March 2021), 939–951. DOI:http://dx.doi.org/10.1109/ TMC.2019.2957804.
30. Md Delowar Hossain, Luan N. T. Huynh, Tangina Sultana, Tri D.T. Nguyen, Jae Ho Park, Choong Seon Hong, and Eui-Nam Huh. 2020. Collaborative task offloading for overloaded mobile edge computing in small-cell networks. In 2020 International Conference on Information Networking (ICOIN). 717–722. DOI:http://dx.doi.org/10.1109/ICOIN48656. 2020.9016452.
31. Zhihan Lv and Liang Qiao. 2020. Optimization of collaborative resource allocation for mobile edge computing. Computer Communications 161 (Sept. 2020), 19–27. DOI:http://dx.doi.org/10.1016/j.comcom.2020.07.022.
32. Raphael Eidenbenz, Yvonne-Anne Pignolet, and Alain Ryser. 2020. Latency-aware industrial fog application orchestration with kubernetes. In 2020 Fifth International Conference on Fog and Mobile Edge Computing (FMEC). 164–171. DOI:http://dx.doi.org/10.1109/FMEC49853.2020.9144934.
33. Jingxian Liu, Yitian Wang, Wei Zhang, and Kangxu Tian. 2023. A novel offloading and resource allocation scheme for time-critical tasks in heterogeneous internet of vehicles. In 2023 2nd International Conference for Innovation in Technology (INOCON). 1–7. DOI:http://dx.doi.org/10.1109/INOCON57975. 2023.10101035.
34. Sa Math, Prohim Tam, Dae-Young Kim, and Seokhoon Kim. 2022. Intelligent offloading decision and resource allocations schemes based on RNN/DQN for reliability assurance in software-defined massive machine-type communications. Security and Communication Networks 2022 (April 2022), e4289216. DOI:http://dx.doi.org/10.1155/2022/4289216.
35. Lu Zhao, Bo Li, Wenan Tan, Guangming Cui, Qiang He, Xiaolong Xu, Lida Xu, and Yun Yang. 2022. Joint coveragereliability for budgeted edge application deployment in mobile edge computing environment. IEEE Transactions on Parallel and Distributed Systems 33, 12 (Dec. 2022), 3760–3771. DOI:http://dx.doi.org/10.1109/TPDS.2022.3166163.
36. Chanh Nguyen, Cristian Klein, and Erik Elmroth. 2020. Elasticity control for latency-intolerant mobile edge applications. In 2020 IEEE/ACM Symposium on Edge Computing (SEC). IEEE, 70–83.
37. Salman Raza, Wei Liu, Manzoor Ahmed, Muhammad Rizwan Anwar, Muhammad Ayzed Mirza, Qibo Sun, and Shangguang Wang. 2020. An efficient task offloading scheme in vehicular edge computing. Journal of Cloud Computing 9, 1 (June 2020), 28. DOI:http://dx.doi.org/10.1186/s13677-020-00175-w.
38. Jianbo Du, Yan Sun, Ning Zhang, Zehui Xiong, Aijing Sun, and Zhiguo Ding. 2023. Cost-effective task offloading in NOMA-enabled vehicular mobile edge computing. IEEE Systems Journal 17, 1 (March 2023), 928–939. DOI:http: //dx.doi.org/10.1109/JSYST.2022.3167901.
39. Xiao Ma, Shangguang Wang, Shan Zhang, Peng Yang, Chuang Lin, and Xuemin Shen. 2021. Cost-efficient resource provisioning for dynamic requests in cloud assisted mobile edge computing. IEEE Transactions on Cloud Computing 9, 3 (July 2021), 968–980. DOI:http://dx.doi.org/10.1109/TCC.2019.2903240.
40. Eugen S˘lapak, Juraj Gazda, Weiqiang Guo, Taras Maksymyuk, and Mischa Dohler. 2021. Cost-effective resource allocation for multitier mobile edge computing in 5G mobile networks. IEEE Access 9 (2021), 28658–28672. DOI:http: //dx.doi.org/10.1109/ACCESS.2021.3059029.
41. Ran Bi, Ting Peng, Jiankang Ren, Xiaolin Fang, and Guozhen Tan. 2022. Joint service placement and computation scheduling in edge clouds. In 2022 IEEE International Conference on Web Services (ICWS). IEEE, 47–56.
42. Yanling Shao, Chunlin Li, Zhao Fu, Leyue Jia, and Youlong Luo. 2019. Cost-effective replication management and scheduling in edge computing. Journal of Network and Computer Applications 129 (March 2019), 46–61. DOI:http: //dx.doi.org/10.1016/j.jnca.2019.01.001.
43. Wei Wang, Yongmin Zhang, Rui Huang, Ju Ren, Feng Lyu, and Yaoxue Zhang. 2023. Efficient resource management and expansion scheme for collaborative edge-cloud computing. IEEE Transactions on Mobile Computing (2023), 1–15. DOI:http://dx.doi.org/10.1109/TMC.2023.3267497.
44. Shanchen Pang, Nuanlai Wang, Min Wang, Sibo Qiao, Xue Zhai, and Neal N. Xiong. 2021. A smart network resource management system for high mobility edge computing in 5G internet of vehicles. IEEE Transactions on Network Science and Engineering 8, 4 (2021), 3179–3191.
45. Xenofon Vasilakos, Walter Featherstone, Navdeep Uniyal, Anderson Bravalheri, Abubakar Siddique Muqaddas, Navid Solhjoo, Daniel Warren, Shadi Moazzeni, Reza Nejabati, and Dimitra Simeonidou. 2020. Towards zero downtime edge application mobility for ultra-low latency 5G streaming. In 2020 IEEE Cloud Summit. 25–32. DOI:http://dx.doi.org/10. 1109/IEEECloudSummit48914.2020.00010.
46. Wenhan Zhan, Chunbo Luo, Geyong Min, Chao Wang, Qingxin Zhu, and Hancong Duan. 2020. Mobility-aware multi-user offloading optimization for mobile edge computing. IEEE Transactions on Vehicular Technology 69, 3 (March 2020), 3341–3356. DOI:http://dx.doi.org/10.1109/TVT.2020.2966500.
47. Marco Marcozzi, Orhan Gemikonakli, Eser Gemikonakli, Enver Ever, and Leonardo Mostarda. 2023. Availability Evaluation of IoT Systems with Byzantine Fault-Tolerance for Mission-critical Applications. (June 2023). arXiv:2305.09262. Retrieved from https://arxiv.org/abs/2305.09262.
48. Muhammad Mudassar, Yanlong Zhai, and Liao Lejian. 2022. Adaptive fault-tolerant strategy for latency-aware IoT application executing in edge computing environment. IEEE Internet of Things Journal 9, 15 (Aug. 2022), 13250–13262. DOI:http://dx.doi.org/10.1109/JIOT.2022.3144026.
49. Roozbeh Siyadatzadeh, Fatemeh Mehrafrooz, Mohsen Ansari, Bardia Safaei, Muhammad Shafique, Jörg Henkel, and Alireza Ejlali. 2023. ReLIEF: A reinforcement-learning-based real-time task assignment strategy in emerging fault-tolerant fog computing. IEEE Internet of Things Journal 10, 12 (June 2023), 10752–10763. DOI:http://dx.doi.org/10.1109/JIOT.2023.3240007.
50. Kaniyambakkam Elayavilli Srinivasa Desikan, Vijeth J. Kotagi, and C. Siva Ram Murthy. 2023. Decoding the interplay between latency, reliability, cost, and energy while provisioning resources in fog-computing-enabled IoT networks. IEEE Internet of Things Journal 10, 3 (Feb. 2023), 2404–2416. DOI:http://dx.doi.org/10.1109/JIOT.2022.3211872.
51. Taha Alfakih, Mohammad Mehedi Hassan, and Muna Al-Razgan. 2021. Multi-objective accelerated particle swarm optimization with dynamic programing technique for resource allocation in mobile edge computing. IEEE Access 9 (2021), 167503–167520. DOI:http://dx.doi.org/10.1109/ACCESS.2021.3134941.
52. Shinu M. Rajagopal, M. Supriya, and Rajkumar Buyya. 2023. Resource provisioning using meta-heuristic methods for IoT microservices with mobility management. IEEE Access 11 (2023), 60915–60938. DOI:http://dx.doi.org/10.1109/ ACCESS.2023.3281348.
53. Abdullah Lakhan, Muhammad Suleman Memon, Qurat-ul-ain Mastoi, Mohamed Elhoseny, Mazin Abed Mohammed, Mumtaz Qabulio, and Mohamed Abdel-Basset. 2022. Cost-efficient mobility offloading and task scheduling for microservices IoVT applications in container-based fog cloud network. Cluster Computing 25, 3 (June 2022), 2061–2083. DOI:http://dx.doi.org/10.1007/s10586-021-03333-0.
54. István Pelle, Márk Szalay, János Czentye, Balázs Sonkoly, and László Toka. 2022. Cost and Latency Optimized Edge Computing Platform. Electronics 11, 4 (Jan. 2022), 561. DOI:http://dx.doi.org/10.3390/electronics11040561.
55. Muhammad Zakarya, Lee Gillam, Hashim Ali, Izaz Ur Rahman, Khaled Salah, Rahim Khan, Omer Rana, and Rajkumar Buyya. 2022. epcAware: A game-based, energy, performance and cost-efficient resource management technique for multi-access edge computing. IEEE Transactions on Services Computing 15, 3 (May 2022), 1634–1648. DOI:http: //dx.doi.org/10.1109/TSC.2020.3005347.
56. Yaser Ramzanpoor, Mirsaeid Hosseini Shirvani, and Mehdi Golsorkhtabaramiri. 2022. Multi-objective fault-tolerant optimization algorithm for deployment of IoT applications on fog computing infrastructure. Complex & Intelligent Systems 8, 1 (Feb. 2022), 361–392. DOI:http://dx.doi.org/10.1007/s40747-021-00368-z.
57. Umber Saleem, Yu Liu, Sobia Jangsher, Yong Li, and Tao Jiang. 2021. Mobility-aware joint task scheduling and resource allocation for cooperative mobile edge computing. IEEE Transactions on Wireless Communications 20, 1 (Jan. 2021), 360–374. DOI:http://dx.doi.org/10.1109/TWC.2020.3024538.
58. Khaled M. Matrouk and Amer D. Matrouk. 2023. Mobility aware-task scheduling and virtual fog for offloading in IoT-fog-cloud environment. Wireless Personal Communications 130, 2 (May 2023), 801–836. DOI:http://dx.doi.org/10. 1007/s11277-023-10310-w.
59. Yuan Liao and Vasilis Friderikos. 2023. Optimal deployment and operation of robotic aerial 6 G small cells with grasping end effectors. IEEE Transactions on Vehicular Technology (2023), 1–13. DOI:http://dx.doi.org/10.1109/TVT.2023.3269906.
60. Cisco Systems. IoT Threat Defense for Manufacturing SAFE. Design & Implementation Guide. Cisco White Paper, v1.0, 2021. 131 p.
61. 78% of US consumers demand businesses do more to protect data, IBM survey finds – WRALTechWire, 2018.
62. Стручок В.С. Техноекологія та цивільна безпека. Частина «Цивільна безпека». Навчальний посібник. 2022.
63. Вовк, Андрій Іванович. Методика організації роботи розподіленої Agile команди у великих ІТ-проектах. MS thesis. 2020.
64. Сьогодні UA. https://www.segodnya.ua/lifestyle/fun/pochti-kak-u-google-chemudivlyayut-ofisy-ukrainskih-it-kompaniy--764025.html.
Content type: Bachelor Thesis
Asub kollektsiooni(de)s:122 — Компʼютерні науки, F3 Комп’ютерні науки (бакалаври)

Failid selles objektis:
Fail Kirjeldus SuurusFormaat 
2026_KRB_SN-41_Bilianskyi_AA.pdfДипломна робота1,02 MBAdobe PDFVaata/Ava
Näita täiskirjet Vaata statistikat


Kõik teosed on Dspaces autoriõiguste kaitse all.

Admin vahendid