ГИБРИДНЫЙ КОМБИНАЦИОННЫЙ ПОДХОД К КОЛИЧЕСТВЕННОЙ ОЦЕНКЕ ЧУВСТВИТЕЛЬНОСТИ ПРИ ВЫБОРЕ ФУНКЦИИ ПРИНАДЛЕЖНОСТИ В ПРОЦЕССЕ ФАЗИФИКАЦИИ ПАРАМЕТРОВ СЕРВЕРА

EDX: YHQJXQ
В процессе эффективного управления потоками запросов в информационных системах учет индивидуальных характеристик серверов играет решающую роль. Традиционные алгоритмы балансировки нагрузки, такие как Round Robin, Weighted Round Robin, и методы регионального распределения обычно распределяют запросы циклически или на основе только предопределенных весовых коэффициентов. Эти подходы не учитывают уровни нагрузки серверов в реальном времени, скорость ответа или рабочее состояние. В данной статье предлагается новая модель управления потоками запросов на основе нечеткой логики, с особым вниманием к выбору соответствующих функций принадлежности для лингвистического представления параметров серверов. На этапе фаззификации чувствительность функций принадлежности количественно оценивается и оптимизируется с помощью комбинированного гибридного подхода. Экспериментальные результаты показывают, что правильный выбор функций принадлежности повышает точность принятия решений и снижает степень неопределенности. Следовательно, предложенный подход значительно повышает гибкость, точность и стабильность управления потоками запросов в распределенных серверных средах.

Список литературы

1. Zadeh L. A. Fuzzy sets // Information and Control, 1965. N 8(3). P. 338-353. DOI: https: //doi.org/10.1016/S0019-9958(65)90241-X.
2. Smith J., Doe A. A fuzzy logic analysis method for evaluating human sensitivities // Journal of Fuzzy Systems, 2018. N 45(3). P. 123-136. DOI: https://doi .org/10.1016/j . jfuzz.2018.01.005.
3. Gures E., Shayea I., Ergen M., Azmi M.H., El-Saleli A. A. Machine Learning-Based Load Balancing Algorithms in Future Heterogeneous Networks: A Survey // IEEE Access 2022. N 10. P. 37689-37717.
4. Akhatov A.R., Kenjaev S.S., Tojiev M.R. Improved Round Robin Algorithm Based on Fuzzy Logic and Genetic Algorithm for Server Load Balancing // International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2025. P. 296-301. DOI: 10.1109/RusAutoCon65989.2025.11177403.
5. Raximov N., Kuvandikov J., Kliasanov D. The importance of loss function in artificial intelligence // International Conference on Information Science and Communications Technologies (ICISCT 20222), DOI: 10.1109/ICISCT55600.2022.10146883.
6. Asgliari M. Z., Ozturk M., Hamalainen J. Reinforcement Learning Based Mobility Load Balancing with the Cell Individual Offset //In Proceedings of the 2021 IEEE 93rd Vehicular Technology Conference (VTC2021-Spring), Helsinki, Finland, 2021. P. 25-28.
7. Axatov A., Nurmamatov M., Nazarov F., Sariyev Sh. Genetic algorithm application technology in multi-parameter optimization problems // AIP Conf. Proc., 2024. V. 3244, art. N 030025, DOI: 10.1063/5.0242074.
8. Forrester Research, Global Digital Experience Benchmark Report, 2023.
9. Garcia M., Wong T. Fuzzy Membership Function Evaluation by Non-Linear Regression // International Journal of Fuzzy Systems. N 23(1). P. 34-45. DOI: https://doi.org/10.1109/IJFS. 2021.000567.
10. Scholz-Reiter B. et al. Fuzzy-based load balancing in production control // CIRP Annals, 2015.
11. Parmanov B.Z., Nazarov F.M., Tojiyev M.R. Development of an Algorithm for Intelligent Analysis of Data From a Microprocessor-Based Portable Spectrophotometer //in Proceedings International Russian Smart Industry Conference, SmartlndustryCon 2025, Institute of Electrical and Electronics Engineers Inc., 2025, P. 664-669. DOI: 10.1109/SmartIndustryCon65166.2025.10985982.
12. Chen W., Huang J. Sensitivity and robustness analysis of adaptive neuro-fuzzy inference systems // IEEE Transactions on Neural Networks and Learning Systems, 2020. N 31(4). P. 945-957. DOI: https://doi.org/10.1109/TNNLS.2019.2949824.
13. Gliatak G., De Domenico A., Coupeclioux M. Coverage Analysis and Load Balancing in HetNets With Millimeter Wave Multi-RAT Small Cells // IEEE Trans. Wirel. Commun. 2018. N 17. P. 31543169.
14. Maruf T. Hazard recognition system based on violation of the integrity of the field and changes in the intensity of illumination on the video image // International Conference on Information Science and Communications Technologies, ICISCT 2022, Institute of Electrical and Electronics Engineers Inc., 2022. DOI: 10.1109/ICISCT55600.2022.10146933.
15. Axatov A., Nurmamatov М., Nazarov F., Sariyev Sh.. Genetic algorithm application technology in multi-parameter optimization problems // AIP Conf. Proc., 2024. V. 3244, art. N 03002524. DOI: 10.1063/5.0242074.
16. Nixon M. S. et al. Real-time fuzzy logic-based resource allocation // Journal of Real-Time Systems, 2021.
17. Parsa S. Adaptive fuzzy load balancing algorithm for heterogeneous distributed systems // Journal of Supercomputing, 2017.
18. Kenjaev S. S., Rashidov A. E. File storage methods and algorithms for optimal management of various types of data // “Descendants of Al-Farghani” electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi, 2024. V 1. N 3. DOI: 10.5281/zenodo.13954911.
19. Hatipoglu A., Bagaran M., Yazici, M.A., Durak-Ata L. Handover-based Load Balancing Algorithm for 5G and Beyond Heterogeneous Networks // In Proceedings of the 2020 12th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT), Brno, Czech Republic, 2020. P. 5-7.