Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12104/104852
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.authorGonzález Jiménez, Joana
dc.date.accessioned2024-09-18T17:24:13Z-
dc.date.available2024-09-18T17:24:13Z-
dc.date.issued2024-02-16
dc.identifier.urihttps://wdg.biblio.udg.mx
dc.identifier.urihttps://hdl.handle.net/20.500.12104/104852-
dc.description.abstractCada día, el avance tecnológico y la prevalencia de la conectividad en línea propician la generación de voluminosas cantidades de datos. Estos datos, transmitidos a sistemas de almacenamiento en la nube, son sometidos a procesos de análisis y procesamiento, mientras navegan por la red enfrentando desafíos significativos como daños, problemas de seguridad y latencia. En este contexto, la computación en la niebla (Fog Computing) emerge como una arquitectura óptima para mitigar estos inconvenientes recurrentes. La tecnología de Fog Computing, sin embargo, plantea dilemas inherentes a su implementación, siendo un desafío destacado para los sectores industriales y la comunidad científica el manejo del consumo energético. Este consumo es generado por las constantes solicitudes de usuarios a los servidores de niebla o a conjuntos de máquinas virtuales. Estas últimas son esenciales para disminuir la dependencia de servidores físicos y permiten la programación de recursos ociosos, contribuyendo de esta manera al ahorro de energía. Dada la relevancia de este desafío, se llevó a cabo un análisis del estado del arte de los algoritmos metaheurísticos que han ganado mayor representación en la literatura científica, con el objetivo de encontrar soluciones viables a este problema de consumo energético. Durante este análisis, se compararon diversos algoritmos tales como el Algoritmo Genético (AG), el Algoritmo de Particle Swarm Optimization (PSO) y el Algoritmo Differential Evolution (DE), Algoritmo Crow Search (CSA) y la modificación propuesta en esta tesis el Algoritmo Crow Search con mutación trigonométrica (CSA-MT). Los resultados obtenidos evidenciaron una superioridad del algoritmo Algoritmo Crow Search con mutación trigonométrica (CSA-MT) en comparación con los otros métodos analizados. Este hallazgo propone una alternativa más eficiente para abordar los desafíos energéticos inherentes a la computación en la niebla.
dc.formatapplication/PDF
dc.language.isospa
dc.publisherBiblioteca Digital wdg.biblio
dc.publisherUniversidad de Guadalajara
dc.rights.urihttps://www.riudg.udg.mx/info/politicas.jsp
dc.titleBALANCE DE TAREAS EN SERVIDORES EN LA NIEBLA MEDIANTE EL USO DE OPTIMIZACIÓN METAHEURÍSTICA
dc.typeTesis de Maestría
dc.rights.holderUniversidad de Guadalajara
dc.rights.holderGonzález Jiménez, Joana
dc.type.conacytmasterThesis
dc.degree.nameMAESTRIA EN COMPUTO APLICADO
dc.degree.departmentCUCEI
dc.degree.grantorUniversidad de Guadalajara
dc.rights.accessopenAccess
dc.degree.creatorMAESTRO EN COMPUTO APLICADO
dc.contributor.directorValdivia González, Arturo
dc.contributor.codirectorAranguren Navarro, Itzel Niasandiu
Aparece en las colecciones:CUCEI

Ficheros en este ítem:
Fichero TamañoFormato 
MCUCEI10928FT.pdf2.38 MBAdobe PDFVisualizar/Abrir


Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.