شماره ركورد كنفرانس :
5280
عنوان مقاله :
بررسي كنترل ازدحام به كمك روشهاي يادگيري ماشين
پديدآورندگان :
موسوي سيدمحمدمهدي مركز آموزش عالي كاشمر، , محسني سلما مركز آموزش عالي كاشمر،
كليدواژه :
كنترل ازدحام , TCP , يادگيري ماشين , تلفات بسته
عنوان كنفرانس :
پنجمين كنفرانس ملي فناوريهاي نوين در مهندسي برق و كامپيوتر
چكيده فارسي :
يكي از ملزومات اساسي شبكههاي كامپيوتري در راستاي تأمين خدمات كيفيت سرويس، كنترل ازدحام، جهت تخصيص بهينه منابع شبكه ميباشد. دفعات وقوع ازدحام در يك نشست و شدت آن، به عوامل متعددي مانند نرخ ترافيك ورودي، معماري و توپولوژي شبكه، و ميزان منابع شبكه بستگي دارد. ازدحام در مسيريابها مشاهده شده و سپس پروتكلTCP ، آن را مديريت ميكند. بنابراين در روشهاي كلاسيك، مسئوليت كنترل ازدحام بر عهده TCP، و همزمان با لايه شبكه است. رويكرد شناسايي ازدحام، مبني بر تلفات بسته و رويكرد كنترل كلاسيك آن، مبتني بر روشهاي آماري است. در شبكههاي پيچيده و پويا و سناريوهاي خاص، عملكرد اين الگوريتمها به چالش كشيده ميشود. از طرفي، به كمك روشهاي يادگيري ماشين، به دليل سازگاري بالا و توان بالاي محاسباتي، ميتوان به عملكرد بهتر، البته با هزينه بيشتر رسيد. در اين مقاله سعي شده است ابتدا علل ازدحام و مسئله تخصيص منابع مطرح شود، سپس روشهاي كنترل ازدحام كلاسيك و چالشهاي موجود در اين روشها بيان شود. در ادامه يادگيري ماشين به عنوان يكي از روشهاي نوين جهت كنترل ازدحام معرفي شده و الگوريتمهايي كه از اين روشها استفاده كردهاند بررسي ميشوند. در انتها روشهاي كلاسيك و روشهاي مبتني بر يادگيري ماشين با يكديگر مقايسه شده و مزايا و معايب هر كدام بيان ميشود.