بهینه‌سازی الگوریتم‌های مسیریابی در شبکه‌های کامپیوتری با استفاده از یادگیری ماشین

دسته بندی موضوعی : برنامه ریزی درسی و آموزشی

زبان : فارسی

نوع فایل : PDF

تعداد صفحات : 1

وضعیت : این مقاله توسط هیات داوران پایگاه ایران ژورنال داوری شده است
فصل نامه علمی تخصصی پژوهش برتر - سال اول شماره اول - بهار 1404

نویسندگان :
فاطمه جعفری کارشناسی علوم کامپیوتر

ثبت شده توسط : ایران ژورنال

لینک مستقیم مقاله : https://iran-journals.com/doc/2422

چکیده فارسی :

در دهه‌های اخیر، رشد روزافزون حجم داده‌ها و افزایش پیچیدگی شبکه‌های کامپیوتری باعث شده است که مدیریت کارآمد مسیرهای انتقال داده به یکی از چالش‌های اساسی در حوزه شبکه تبدیل شود. الگوریتم‌های سنتی مسیریابی اگرچه در بسیاری از شبکه‌ها عملکرد قابل قبولی داشته‌اند، اما در مواجهه با شرایط پویا، تغییرات لحظه‌ای ترافیک شبکه و افزایش مقیاس شبکه‌ها با محدودیت‌هایی روبه‌رو هستند. از سوی دیگر، پیشرفت‌های قابل توجه در حوزه یادگیری ماشین امکان تحلیل الگوهای پیچیده و پیش‌بینی رفتار سیستم‌های پویا را فراهم کرده است. ترکیب این قابلیت‌ها با فرآیند مسیریابی می‌تواند راهکاری مؤثر برای بهبود کارایی شبکه‌های کامپیوتری باشد.
هدف این پژوهش بررسی و تحلیل نقش الگوریتم‌های یادگیری ماشین در بهینه‌سازی فرآیند مسیریابی در شبکه‌های کامپیوتری است. در این پژوهش تلاش شده است تا با مطالعه الگوریتم‌های کلاسیک مسیریابی و مقایسه آن‌ها با روش‌های مبتنی بر یادگیری ماشین، ظرفیت‌های بهبود عملکرد شبکه مورد بررسی قرار گیرد. به طور خاص، استفاده از الگوریتم‌هایی نظیر یادگیری تقویتی، درخت تصمیم و شبکه‌های عصبی برای پیش‌بینی مسیرهای بهینه و مدیریت بار ترافیکی مورد توجه قرار گرفته است.

روش پژوهش حاضر از نوع تحلیلی–توصیفی بوده و بر پایه مطالعه منابع علمی، مقالات معتبر و تحلیل مدل‌های پیشنهادی در حوزه شبکه‌های هوشمند انجام شده است. در این چارچوب، ابتدا ساختار و محدودیت‌های الگوریتم‌های سنتی مسیریابی بررسی شده و سپس چارچوبی مفهومی برای به‌کارگیری الگوریتم‌های یادگیری ماشین در فرآیند مسیریابی ارائه شده است.
نتایج بررسی‌ها نشان می‌دهد که استفاده از یادگیری ماشین می‌تواند موجب کاهش تأخیر انتقال داده، بهبود بهره‌وری پهنای باند، افزایش پایداری شبکه و کاهش ازدحام در مسیرهای ارتباطی شود. همچنین الگوریتم‌های یادگیری تقویتی به دلیل توانایی در یادگیری از تعامل با محیط شبکه، ظرفیت بالایی در انطباق با شرایط پویا دارند.
به طور کلی می‌توان نتیجه گرفت که ادغام فناوری یادگیری ماشین با سیستم‌های مسیریابی شبکه، رویکردی نوین برای طراحی شبکه‌های هوشمند و خودسازگار فراهم می‌کند. این رویکرد می‌تواند در آینده نقش مهمی در مدیریت شبکه‌های بزرگ، مراکز داده، اینترنت اشیا و شبکه‌های نسل جدید ایفا کند.

کلمات کلیدی فارسی :
شبکه‌های کامپیوتری، الگوریتم‌های مسیریابی، یادگیری ماشین، بهینه‌سازی شبکه، یادگیری تقویتی