مسیریابی آگاه از ترافیک به کمک شبکه‌های نرم‌افزار- محور با استفاده از یادگیری تقویتی و منطق فازی

در سالیان اخیر ایده شبکه‌های نرم‌افزار محور به‌عنوان راه‌حل مناسبی به‌منظور تسهیل مدیریت شبکه ارائه شده است. این معماری توانست عملکردهای مدیریتی شبکه را بهبود داده و امکان هماهنگ‌سازی تجهیزات شبکه را افزایش دهد. یکی از مسائلی که در حال حاضر در این معماری مطرح است مسئله مسیریابی بسته‌هایی است که در این شبکه‌ها جریان دارد. مهم‌ترین هدف در مسیریابی بسته‌ها در این شبکه‌ها، افزایش کیفیت خدمات است. بالارفتن بهره‌وری در این شبکه‌ها منجر به افزایش رضایت کاربران می‌شود. در همین راستا در این پژوهش، مکانیسمی برای انتخاب بهترین مسیر در بین چندین مسیر برای هدایت یک جریان ورودی در شبکه ارائه شده است. روش پیشنهاد شده میزان تاثیر پارامترهای شبکه از جمله پهنای باند، تاخیر و اتلاف بسته را در هر یک از لینک‌های مسیر با استفاده از الگوریتم‌های هوش مصنوعی بررسی کرده و پارامترهایی که باعث کاهش بهره‌وری در این شبکه‌ها می‌شوند را با استفاده از منطق فازی تغییر می‌دهد. ارزیابی‌های انجام شده نشان می‌دهد که روش ارائه شده می‌تواند مسیرهایی با بهره‌وری بالا انتخاب کرده و باعث افزایش کیفیت خدمات در این شبکه‌ها شود. گرفتن بازخورد و اصلاح توابع عضویت فازی مربوط به هر یک از معیارها می‌تواند میزان تاثیر این پارامترها را در سطح قابل قبولی حفظ کند که پس از آن کلیه انتقال‌ها به سمت بهینه میل می‌کنند. باتوجه‌به استفاده از روش‌های یادگیری تقویتی که اساس برخی از روش‌های مسیریابی استفاده شده در شبکه نرم‌افزار محور است، این پیشنهاد می‌تواند به‌مرورزمان شبکه را به سمت ارائه خدمات بهینه‌تر هدایت کند.