سمینار برق مسیریابی بسته ها در شبکه های کامپیوتری به کمک شبکه عصبی

سمینار برق مسیریابی بسته ها در شبکه های کامپیوتری به کمک شبکه عصبی

چکیده 

تاکنون کاربردهای فراوانی برای شبکه های عصبی مصنوعی ارائه شده است. شبکه های عصبی مصنوعی، اطلاعات را به روشی مشابه با کاری که مغز انسان انجام میدهد، پردازش میکنند. آنها از تعداد زیادی از عناصر پردازشی که فوق العاده بهم پیوسته اند، تشکیل شده اند که این عناصر به صورت موازی باهم برای حل یک مسئله مشخص کار می کنند. امتیاز شبکه عصبی این است که خودش کشف میکند که چگونه مسئله را حل کند.

نتایج مثبتی که استفاده از شبکه های عصبی در حل مسائل بهینه سازی در پی داشته است، راه را برای استفاده از آنها در مسیریابی شبکه های کامپیوتری گشوده است. این امر در شبکه های متداول با استفاده از شبکه ی هاپفیلد و در شبکه های بسته شناختی با استفاده از شبکه عصبی رندم صورت می گیرد. علاوه بر بکارگیری مستقیم شبک ههای عصبی بعنوان الگوریتم مسیریاب، شبکه های عصبی همچنین بصورت غیر مستقیم به الگوریتم های مسیریابی کمک میکنند. آنها با تحلیل و پیش بینی شرایط شبکه، ورودی الگوریتم مسیریابی، که می تواند هرکدام از الگوریتم های مسیریابی متداول باشد، را فراهم می کند. در این سمینار، هر دو کاربرد شبکه های عصبی در امر مسیریابی بررسی و نتایج استفاده از آن و نیز پارامترهای موثر در عملکرد و بازدهی انها مورد بررسی قرار گرفته است. 

مقدمه 

شبکه های عصبی نسبت به کامپیوترهای معمولی مسیر متفاوتی را برای حل مسئله طی میکنند. کامپیوترهای معمولی یک مسیر الگوریتمی را استفاده میکنند به این معنی که کامپیوتر یک مجموعه از دستورالعمل ها را به قصد حل مسئله پی میگیرد. بدون شناساندن قدم های مخصوصی که نیاز به طی کردن آنها دارد، کامپیوتر قادر به حل مسئله نیست. شبکه های عصبی اطلاعات را به روشی مشابه با کاری که مغز انسان انجام میدهد، پردازش میکنند. آنها از تعداد زیادی از سلول عصبی که فوق العاده بهم پیوسته اند تشکیل شده اند که این عناصر به صورت موازی باهم برای حل یک مسئله مشخص کار می کنند. شبکه های عصبی با مثال کار می کنند. مثال ها می بایست با دقت انتخاب شوند در غیر این صورت زمان سودمند، تلف میشود و یا حتی بدتر از این، شبکه ممکن است نادرست کار کند. 

شبکه های عصبی و کامپیوترهای معمولی با هم در حال رقابت نیستند، بلکه کامل کننده یکدیگرند. وظایفی وجود دارد که بیشتر مناسب روش های الگوریتمی هستند، نظیر عملیات محاسباتی و وظایفی نیز وجود دارد که بیشتر مناسب شبکه های عصبی هستند. حتی فراتر از این، مسائلی وجود دارد که نیازمند به سیستمی است که از ترکیب هر دو روش بدست می آید، به این قصد که بیشترین کارایی بدست آید.

با گسترش شبکه ها، پژوهش ها بر روی روش های مسیریابی سریع، مطمئن و ساده که کمترین بار سیگنالینگی را به شبکه تحمیل کنند، شدت گرفته است. شبکه های عصبی با قابلیت هایی که دارند، توجه بسیاری از پژوهشگران در این عرصه را به خود جلب نموده است. نتیجه این تحقیقات، ارائه روش هایی است که در آنها شبکه عصبی یا بعنوان موتور اصلی در الگوریتم مسیریابی، تصمی مگیرنده است و یا بعنوان ابزار کمکی اطلاعات لازم را برای الگوریتم اصلی فراهم می کند.