МЕТОД СТРУКТУРОВАНОГО ВПРОВАДЖЕННЯ ХМАРНОЇ ІНФРАСТРУКТУРИ
DOI:
https://doi.org/10.32689/maup.it.2025.3.25Ключові слова:
хмарні сервіси, багатокритеріальна оптимізація, функції належності, NSGA-III, MOEA/D, Парето-оптимальність, еволюційні алгоритми, модель виборуАнотація
Українські підприємства дедалі активніше впроваджують хмарні сервіси (ХС) як основу бізнес-процесів. Проте вибір оптимальної конфігурації ХС має стратегічне значення, оскільки у підсумку визначить рівень витрат на ІТ-інфраструктуру, продуктивність і масштабованість ІТ систем. А також, додатково на безпеку даних й відповідність регуляторним вимогам. Проте процес прийняття рішень у цій сфері є надзвичайно складним.Це пов’язано багатокритеріальним характером задачі. Особи яка приймає рішення у процесі вибору ХС зазвичай оцінює суперечливі вимоги. Класичні методи багатокритеріальної оптимізації не завжди здатні врахувати суб’єктивні пріоритети та нечітко сформульовані вимоги («прийнятна вартість», «висока безпека», «достатня масштабованість»). Відповідно це знижує практичну придатність такої оптимізації.Метою даної роботи є синтез моделей, які здатні поєднати формальні кількісні показники та експертні судження, забезпечуючи збалансований вибір.Методологія. У статті запропоновано інтегровану модель, яка об’єднує апарат нечіткої логіки (НЛ) з сучасними еволюційними алгоритмами багатокритеріальної оптимізації (NSGA-III та MOEA/D). Для оцінювання альтернатив застосовано систему нечітких функцій належності та механізм агрегації за методом Мамдані. Це дозволило адекватно формалізувати якісні та нечіткі критерії. На етапі оптимізації формуємо множину Парето-оптимальних рішень, яка відобразить компроміс між різними вимогами. Для підвищення інтерпретованості та зручності вибору в ході дослідження отримано Парето-множину додатково ранжовано за допомогою методу нечіткого аналізу ієрархій (Fuzzy AHP – FAHP) та функції бажаності. Запропонована модель в цілому забезпечує комплексне врахування як техніко-економічних параметрів ХС, так і суб’єктивних пріоритетів особи, яка приймає рішення. Ефективність моделі підтверджено обчислювальним експериментом (ОЕ).Наукова новизна. Результати ОЕ продемонстрували покращене покриття Парето-фронту та вищу якість інтерпретації рішень у порівнянні з традиційними методами оптимізаціх структури ХС для підприємств.Висновки. Представлена модель може бути використана як інструмент підтримки прийняття рішень у сфері управління ІТ-інфраструктурою підприємств, сприяючи підвищенню обґрунтованості та адаптивності вибору ХС.
Посилання
Андрощук О., Голобородько М., Кондратенко Ю., Литовченко Г. Критерії та рекомендації з оцінювання якості хмарних сервісів для інформаційної інфраструктури. Сучасні інформаційні технології у сфері безпеки та оборони, 2024. 51(3), 60–70.
Марцинюк Є., Партика A. Аналіз впливу тіньових ІТ на інфраструктуру хмарних середовищ підприємства. Ukrainian Scientific Journal of Information Security, 2024. 30(2), 270–278.
Хомчак М. Модель вибору хмарних сервісів на основі нечіткої логіки та багатокритеріальної оптимізації. Технічні науки та технології, 2025. 3(41). Рукопис подано до публікації.
Цвіркун О., Євланов М. Огляд сучасного стану задачі дослідження моделей та методів вибору хмарних інфраструктурних компонентів інформаційних систем на основі функціональних вимог. UNIVERSUM, 2024. (11), 40–49.
Alharbi A., Alosaimi W., Alyami H., Alouffi B., Almulihi A., Nadeem M., Khan R. A. Selection of data analytic techniques by using fuzzy AHP TOPSIS from a healthcare perspective. BMC Medical Informatics and Decision Making, 2024. 24(1), 240.
Bastos R. R., de Moura B. M. P., Santos H. S., Lucca G., Yamin A. C., Reiser R. H. S. Enhancing a Fuzzy System Through Computational Intelligence-Based Feature Selection for Decision-Making in Cloud Computing Environments. Available at SSRN 4889113.
Cao J., Zhang J., Zhao F., Chen Z. A two-stage evolutionary strategy based MOEA/D to multi-objective problems. Expert Systems with Applications, 2021. 185, 115654.
Chang H., Sun Y., Lu S., Lin D. Application of non-dominated sorting genetic algorithm (NSGA-III) and radial basis function (RBF) interpolation for mitigating node displacement in smart contact lenses. Scientific reports, 2024. 14(1), 29348.
Dalal S., Kumar A., Lilhore U. K., Dahiya N., Jaglan V., Rani U. Optimizing cloud service provider selection with firefly- guided fuzzy decision support system for smart cities. Measurement: Sensors, 2024. 35, 101294.
Deliktaş D., Akpınar M., Ergün P. S. Multi-criteria Evaluation of Cloud Service Providers with the Integrated Fuzzy Group Decision-making Approaches.
Faiz M., Daniel A. K. Multi-criteria based cloud service selection model using fuzzy logic for QoS. In International Conference on Advanced Network Technologies and Intelligent Computing 2021, December. pp. 153–167. Cham: Springer International Publishing.
Faiz M., Daniel A. K. A multi-criteria cloud selection model based on fuzzy logic technique for QoS. International Journal of System Assurance Engineering and Management, 2024. 15(2), 687–704.
Gopu A., Thirugnanasambandam K. R., Alghamdi A. S., Alshamrani S. S., Maharajan K., Rashid M. Energy-efficient virtual machine placement in distributed cloud using NSGA-III algorithm. Journal of Cloud Computing, 2023. 12(1), 124.
Gyani J., Ahmed A., Haq M. A. MCDM and various prioritization methods in AHP for CSS: A comprehensive review. IEEE Access, 2022. 10, 33492–33511.
Makwe A., Kanungo P., Kautish S., Madhu G., Almazyad A. S., Xiong G., Mohamed A. W. Cloud service prioritization using a Multi-Criteria Decision-Making technique in a cloud computing environment. Ain Shams Engineering Journal, 2024. 15(7), 102785.
Samti A. Y., Ben Jaafar I., Nouaouri I., Hirsch P. A Novel NSGA-III-GKM++ Framework for Multi-Objective Cloud Resource Brokerage Optimization. Mathematics, 2025. 13(13), 2042.
Wu Z., Liu H., Zhao J., Li Z. An improved MOEA/D algorithm for the solution of the multi-objective optimal power flow problem. Processes, 2023. 11(2), 337.
Yang M., Jiang R., Wang J., Gui B., Long L. Assessment of cloud service trusted state based on fuzzy entropy and Markov chain. Scientific Reports, 2024. 14(1), 30026.
Zhang C., Wang L., He K. Cloud service composition optimization based on service association impact and improved NSGA-II algorithm. Scientific Reports, 2025. 15(1), 26001.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
