A CSA Method for Assigning Client to Servers in Online Social Networks

در اين مقاله مساله الحاق كاربران به سرورها در سيستم هاي شبكه هاي اجتماعي برخط مورد بررسي قرار مي گيرد. برنامه هاي شبكه هاي برخط اجتماعي مانند فيسبوك و يا اينستاگرام بر روي بستري از سرور ها بنا شده اند كه ارتباط بين كاربران اين شبكه هاي اجتماعي را ميسر مي سازند. يك عامل كليدي كه امكان ارتباط بين كاربران و سرورها را تعيين مي كند زمان مورد انتظار براي انتقال پيام است. الحاق بهينه كاربران به سرورها مي تواند از ارتباطات با كيفيت پايين جلوگيري كند. همچنين ارتباط بين كاربران را نيز بهبود بخشد و از هدر رفتن منابع ارتباطاتي جلوگيري كند. متاسفانه اين مساله يك مساله NP-hard است. در اين مقاله سعي شده است كه با استفاده از الگوريتم مكاشفه اي Centralized Simulated Annealing اين مساله با تقريب نسبتا خوبي حل شود. نتايج شبيه سازي نشان مي دهند كه الگوريتم با تكرارهاي كمي براي جستجو در حالت هاي متفاوت تخصيص كاربران به سرور ها در نهايت جواب بهينه اي براي مساله مي يابد. از طرف ديگر افزايش تعداد تكرارها براي جستجو در حالات مختلف الحاق كاربران به سرورها در مقابل افزايش تعداد كاربران بسيار پايين است.

This paper deals with the problem of user-server assignment in online social network systems. Online social network applications such as Facebook, Twitter, or Instagram are built on an infrastructure of servers that enables them to communicate with each other. A key factor that determines the facility of communication between the users and the servers is the Expected Transmission Time (ETT). A smart user-server assignment can avoid the low quality links and improve the communication between nodes and also save the valuable communication resources. Unfortunately, finding the optimal assignment turns out to be a NP-hard problem. This paper proposes the use of a heuristic algorithm named Centralized Simulated Annealing (CSA) to get a good near optimum solution for this problem. Simulation results of this investigation show that using a relatively small number of iterations, this approach achieves a very good performance improvement. On the other hand, the average number of iterations needed to achieve the near-optimal solution, will be slightly increased when the number of users in the network increase.