Nhiệm Vụ Nghiên Cứu Cơ Bản Quỹ Nafosted - SOICT - HUST

1. Đề tài: Khai phá các cấu trúc rời rạc trong tối ưu hoá hoạt động một số mạng tự trị

• Chủ trì: TS. Nguyễn Phi Lê
• Thời gian thực hiện: 2020-2022
• Nguồn tài trợ: NAFOSTED

Mô tả ngắn gọn: Các mạng tự trị là những hệ thống đa nhiệm, nhận thức bậc cao và rất hiệu quả để khai phá tri thức. Khác với các thế hệ mạng truyền thống, các thành phần trong mạng tự trị được trang bị khả năng tự điều chỉnh tham số, tự thiết lập lại cấu hình. Các mạng tự trị phổ biến hiện nay rất được quan tâm phát triển bao gồm các hệ thống mạng có khả năng tự động thiết lập lại cấu hình, các mạng giao thông tự hành, các mạng cảm biến có thể điều chỉnh tham số, và các mạng Internet vạn vật có thể tuỳ chỉnh băng thông theo môi trường nói chung.

Trong khuôn khổ đề tài này, chúng tôi tập trung vào một số vấn đề thời sự đối với mạng tự trị là: tối ưu hoá việc triển khai mạng, tối ưu chu trình di chuyển của các thành phần di động trong mạng, tối ưu lịch hoạt động của các thành phần mạng.

Mặc dù có khá nhiều nghiên cứu về tối ưu mạng tự trị, phần lớn các nghiên cứu từ trước tới nay chỉ tập trung vào các cấu hình mạng đơn giản. Hơn nữa, các nghiên cứu chỉ dừng lại ở mức đề xuất các thuật toán heuristic và đánh giá bằng thực nghiệm. Trong đề tài này, bằng việc khai phá các cấu trúc rời rạc, chúng tôi tập trung giải quyết các bài toán với cấu trúc mạng phức tạp, đề xuất các thuật toán hiệu quả cả về thời gian tính toán và chất lượng lời giải thu được, đồng thời đưa ra các phân tích, chứng minh chặt chẽ bằng lý thuyết đối với các thuật toán được đề xuất.

2. Đề tài: Nghiên cứu đồ thị tri thức và các phương pháp học sâu tích hợp trong một số bài toán trợ giúp ra quyết định

• Chủ trì: PGS. Phạm Văn Hải
• Thời gian thực hiện: 2020-2022
• Nguồn tài trợ: NAFOSTED

Mô tả: Đối với các lớp bài toán trợ giúp ra quyết định phức tạp, khai phá dữ liệu và tri thức chuyên gia cần được kết hợp để hỗ trợ ra quyết định. Trong phân tích dữ liệu lớn, tri thức được biểu diễn trên đồ thị và được ghi vào một đồ thị lưu trữ các tri thức gọi là Đồ thị tri thức. Thông tin, dữ liệu được biểu diễn trên đồ thị tri thức sẽ cho những kết quả truy vấn chính xác hơn và hỗ trợ các bài toán trợ giúp ra quyết định trên một phạm vi rộng hơn so với các phương pháp truyền thống hiện tại. Đối với việc xử lý thông tin trên Đồ thị tri thức, các phương pháp lập luận xấp xỉ và học sâu -Deep Learning được quan tâm nghiên cứu rộng rãi nhằm tăng cường tính lý giải và suy luận kết quả. Các mô hình đề mới tiếp cận theo phương pháp nghiên cứu mô hình khoa học sẽ được thực nghiệm trên các bộ dữ liệu, kết hợp với tri thức chuyên gia cơ sở để ứng dụng thực tiễn trong các miền nghiên cứu khác nhau. Các mô hình đề xuất trong đề tài sẽ được thực nghiệm trong các miền nghiên cứu về sức khỏe, y tế và hành vi người dùng.

3. Đề tài: Kéo dài thời gian hoạt động của mạng Internet vạn vật sử dụng các thuật toán lấy cảm hứng từ tự nhiên

• Chủ trì: PGS. Huỳnh Thị Thanh Bình
• Thời gian thực hiện: 2020-2022
• Nguồn tài trợ: NAFOSTED

Mô tả ngắn gọn: Cùng với sự phát triển của công nghệ vi xử lý, thu thập và xử lý dữ liệu thông minh, mạng Internet vạn vật (IoT) ngày càng được sử dụng rộng rãi và đóng vai trò quan. Phần lớn các mạng IoT là các mạng tự vận hành, các nút mạng thường bị giới hạn về năng lượng. Vì vậy, một trong những vấn đề cấp thiết đối với mạng IoT là tối ưu hoá năng lượng tiêu thụ của các nút mạng nhằm kéo dài tối đa tuổi thọ mạng. Đây là một vấn đề thu hút sự chú ý của rất nhiều nhà nghiên cứu. Năng lượng tiêu thụ của các nút mạng phụ thuộc vào rất nhiều yếu tố, từ triển khai lắp đặt cho tới vận hành. Do đó, tối ưu năng lượng là một bài toán khó, đặc biệt là với các mạng IoT thế hệ mới, có cấu hình phức tạp và sử dụng các công nghệ tân tiến.

Mặc dù đã có nhiều nghiên cứu tối ưu hoá năng lượng của mạng IoT, các nghiên cứu hiện tại chỉ tập trung vào một số loại hình mạng nhất định và giải quyết bài toán tối ưu với các giả thiết lý tưởng. Trong nghiên cứu này, chúng tôi hướng tới một giải pháp tối ưu hoá năng lượng toàn diện cho các mạng IoT. Cụ thể, chúng tôi đề xuất các mô hình mạng IoT gần với thực tế, đưa ra các giải pháp tối ưu hoá năng lượng sử dụng các công nghệ tân tiến nhất. Các bài toán tối ưu hoá năng lượng là các bài toán NP-khó và thường không thể tìm được lời giải chính xác với các bộ dữ liệu kích thước lớn. Chúng tôi sẽ áp dụng các thuật toán thông minh lấy cảm hứng từ tự nhiên nhằm đưa ra lời giải hiệu quả nhất.

4. Đề tài: Đề xuất Mạng định nghĩa bằng tri thức để nâng cao hiệu quả tự động xử lý sự cố mạng và tối ưu hóa cơ chế định tuyến.

• Chủ nhiệm: TS. Nguyễn Hải Anh
• Thời gian thực hiện: 2020-2022
• Nguồn tài trợ: NAFOSTED

Mô tả: Sự phát triển của Công nghệ tính toán khắp nơi và Internet vạn vật đã và đang thúc đẩy sự tăng trưởng mạnh mẽ không ngừng số lượng thiết bị có khả năng kết nối vào mạng, đáp ứng nhu cầu truy cập mạng Internet ở bất cứ đâu vào bất kỳ lúc nào và từ bất kỳ thiết bị nào. Việc này đã tạo ra thách thức không nhỏ trong việc quản lý mạng máy tính đáp ứng yêu cầu đa dạng của người dùng về chất lượng dịch vụ. May mắn là trong thời gian gần đây Trí tuệ nhân tạo đang phát triển rất mạnh mẽ nhờ sự phát triển của công nghệ máy tính như GPU và TPU. Từ đó mở ra cơ hội ứng dụng Trí tuệ nhân tạo vào việc tự động hóa, tự thích nghi cho việc quản lý Mạng máy tính. Tuy nhiên việc áp dụng Trí tuệ nhân tạo vào hệ thống mạng hiện nay là không đơn giản vì các nút mạng chỉ có cái nhìn cục bộ và phạm vi tác động nhỏ hẹp. Để giải quyết vấn đề đó, kiến trúc tập trung hóa điều khiển, tiêu biểu là Mạng định nghĩa bằng phần mềm – SDN, là một giải pháp khả thi. Do vậy, chúng tôi quyết định sẽ phát triển một tầng tri thức trên kiến trúc Mạng định nghĩa bằng phần mềm, hình thành nên một hệ thống Mạng định nghĩa bằng tri thức. Hai trong các kết quả mong muốn của đề tài là Cơ chế tự động xử lý sự cố cho mạng SDN, và Cơ chế định tuyến cho mạng SDN dựa trên kỹ thuật định tuyến phân đoạn.

5. Đề tài: Thiết kế và tối ưu xuyên lớp mạng truyền thông quang sử dụng các trạm hạ tầng trên cao

• Chủ trì: PGS.TS. Trương Thị Diệu Linh
• Thời gian thực hiện: 2019-2021
• Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: Các trạm hạ tầng trên cao (HAPs) là các thiết bị bay có khả năng giữ vị trí gần như ổn định ở dưới tầng bình lưu. HAP có thể là các máy bay hay khí cầu thường nằm trên mây ở độ cao từ 17 đến 25 km. So với vệ tinh hoặc các hệ thống truyền thông mặt đất cổ điển, hạ tầng HAP tương đối linh hoạt, không gây ô nhiễm và có hiệu quả kinh tế cao. Các hệ thống HAP đã được nghiên cứu và triển khai rộng rãi ở châu Âu, châu Mỹ, Nhật, Hàn quốc v.v… HAP có thể được sử dụng cho nhiều mục đích khác nhau như quan sát vũ trụ, xây dựng bản đồ địa lý, theo dõi thiên tai và thiết lập mạng truyền dữ liệu.   Mục tiêu của đề tài là đề xuất một mô hình truyền thông quang sử dụng HAP và thiết kế topology cho mạng quang sử dụng HAP tối ưu với các tham số của lớp vật lý nhằm đem lại hiệu năng cao cho mạng.

6. Đề tài: Định tuyến mạng và tiếp cận phi-vị-kỷ nhằm tối ưu hóa hiệu năng tổng thể (102.02-2017.316)

• Chủ trì: PGS.TS. Nguyễn Khanh Văn
• Thời gian thực hiện: Từ 08/2018 đến 08/2020
• Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: Nghiên cứu thiết kế các cơ chế và thuật toán phân tán nắm bắt tri thức địa hình trong mạng CBKD. Phát triển các thuật toán định tuyến phi-vị-kỷ khai thác tri thức địa hình, đảm bảo cân bằng hiệu quả giữa lợi ích cục bộ và toàn thể. Thiết kế định tuyến trong mạng liên kết DCN (sử dụng mô hình ngẫu nhiên) nhằm đạt được các hiêu năng đòi hỏi đặc thù về tính mở rộng mềm dẻo và dễ thích nghi, hướng tới giảm chi phí xây dựng và tiết kiệm năng lượng. Phát tiển các thuật toán mới có thể được áp dụng đẻ giảm thiểu tiêu thụ năng lượng khi đưa vào vận hành trong các hệ trongcacs hệ ICT phân tán cỡ lớn.

7. Đề tài: Phát triển các kỹ thuật meta-heuristic giải các bài toán tối ưu trong các hệ thống phân tán và hệ thống phần mềm (DFG 102.01-2016.03)

• Chủ trì: PGS.TS. Huỳnh Thị Thanh Bình
• Thời gian thực hiện:  từ 07/2017 đến 07/2019
• Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: Việc kết hợp và chia sẻ nhiều dạng tài nguyên trong các hệ thống phân tán và xây dựng các hệ thống phần mềm chạy trên các hạ tầng mạng khác nhau là một xu thế công nghệ mới, điển hình là Internet of Things (IoT). Mặc dù ứng dụng IoT hiện nay mới chỉ dừng ở mức sử dụng công nghệ, nhưng các ứng dụng này đòi hỏi phải xử lý một lượng dữ liệu khổng lồ, trong môi trường phân tán trong thời gian thực với các giới hạn về năng lực xử lý, bộ nhớ, nguồn pin của thiết bị cuối. Đề tài này quan tâm đến hai hướng nghiên cứu chính và đề xuất các vấn đề cần nghiên cứu liên quan: Hạ tầng IoT: tối ưu việc triển khai mạng cảm biến không dây trong công nghệ IoT; giảm độ trễ trong truyền thông của hạ tầng mạng IoT. Phát triển phần mềm cho IoT: tối ưu hóa phần mềm IoT để đáp ứng yêu cầu phi chức năng của phần mềm; sinh dữ liệu tự động cho kiểm thử phần mềm trong môi trường IoT; Đánh giá và kiểm thử tiến hóa dịch vụ trong các môi trường IoT Hai hướng nghiên cứu và các đề xuất nghiên cứu trong đề tài đều được chứng minh là dẫn tới phải giải quyết các bài toán tối ưu tổ hợp thuộc lớp NP-Khó. Hiện nay, các ứng dụng IoT mới dừng lại ở việc sử dụng công nghệ chưa hoặc ít xây dựng được các kỹ thuật metaheuristic để giải quyết các vấn đề tối ưu trong các hạ tầng IoT và phát triển phần mềm IoT. Vì vậy, vấn đề sử dụng các kỹ thuật metaheuristic để giải quyết lớp các bài toán NP-Khó trong các hệ phân tán và phần mềm là một chủ đề cần được nghiên cứu sâu thêm.

8. Đề tài: Phương pháp thuật toán và tổ hợp trên một số cấu trúc rời rạc (102.01-2016.05)

• Chủ trì: PGS.TS. Đỗ Phan Thuận
• Thời gian thực hiện: từ 4/2017 đến 4/2019
• Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: áp dụng thuật toán tổ hợp và đồ thị vào một số bài toán tối ưu tổ hợp trong mạng truyền thông, bài toán phát hiện xâm nhập mạng, bài toán tối ưu trong trí tuệ nhân tạo.

9. Đề tài: Các phương pháp kiểm chứng và cục bộ hóa lỗi cho hệ thống phần mềm hướng thành phần (102.03-2013.39)

• Chủ trì: TS. Nguyễn Thanh Hùng
• Thời gian thực hiện: từ 04/2016 đến 10/2017
• Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: Nghiên cứu framework dựa trên thành phần như BIP hoặc Alloy. Cung cấp phương pháp mới cho kiểm chứng tính dựa trên phân tích cấu trúc và ràng buộc giữa các thành phần khác nhau trong hệ thống. Tích hợp các kỹ thuật phân tích tĩnh đểgiảm chi phí thực thi do việc sử dụng bộ giám sát. Đề xuất kỹ thuật tăng cường hỗ trợ việc sửa lỗi tự động và phương pháp cục bộ hóa lỗi để cục bộ các đoạn mã gây ra lỗi trong chương trình.

10. Đề tài: Các phương pháp suy diễn cho phân tích ngữ nghĩa ẩn trong dữ liệu lớn (102.05-2014.28)

• Chủ trì: TS. Thân Quang Khoát
• Thời gian thực hiện: từ 01/03/2015 từ 28/02/2017
• Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: Đề tài phát triển một lớp thuật toán suy diễn cho phép khám phá và phát hiện các cấu trúc (ngữ ngĩa) ẩn từ các tập văn bản rất lớn giúp đưa ra những phán đoán chính xác trong các ứng dụng thực tế. Các thuật toán có khả năng làm việc với hàng triệu văn bản. Đề tài sử dụng một số hướng cốt lõi trong xử lý phân tán và học máy bao gồm mô hình hóa chủ đề, phân tích ma trận học, học trực tuyến và suy diễn ngẫu nhiên. Các thuật toán suy diễn đó sẽ được khai thác để phát triển các phương pháp hiệu quả cho hỏi đáp, khai phá văn bản và web, các hệ gợi ý, phân tích mạng xã hội và truy hồi thông tin. Ứng dụng vào trong hệ gợi ý ngoài doanh nghiệp.

11. Đề tài: Nghiên cứu và phát triển các thuật toán tối ưu dựa trên dự đoán để giải quyết các bài toán điều hành xe với tham số không cố định (FWO. 102.2013.04)

• Chủ trì: TS. Phạm Quang Dũng
• Thời gian thực hiện: từ 01/04/2014 đến 01/04/2016
• Nguồn tài trợ: Quỹ Nafosted

Mô tả ngắn gọn: Mục tiêu của đề tài là nghiên cứu và phát triển các thuật toán tối ưu dựa trên dự đoán để giải quyết các bài toán lập lộ trình vận tải vận chuyển người và hàng hóa trong các kịch bản tĩnh và động. Gồm các nội dung: Nghiên cứu và xây dựng mô hình bài toán điều hành xe với tham số không cố định. Nghiên cứu các thành tựu trong ứng dụng học máy để dự đoán về mật độ giao thông. Nghiên cứu và phát triển modun dự đoán các tham số không cố định (mật độ giao thông, yêu cầu khách hàng) của bài toán điều hành xe. Nghiên cứu, phát triển và thử nghiệm các thuật toán tối ưu giải bài toán đặt ta với các hướng tiếp cận khác nhau như tìm kiếm địa phương, tính toán tiến hóa, quy hoạch nguyên.