اصلاح یادگیری Q مبتنی بر الگوریتم مسیریابی کاملا تطبیقی برای اتصالات داخلی معماری NOC
اصلاح یادگیری Q مبتنی بر الگوریتم مسیریابی کاملا تطبیقی برای اتصالات داخلی معماری NOC
محمود علیلو1 ربابه چنپا2
1) عضو هیأت علمی گروه کامپیوتر، دانشگاه ازاد اسلامی واحد سلماس،ایران-
2) عضو هیأت علمی گروه کامپیوتر، دانشگاه ازاد اسلامی واحد
کد IOI مقاله
:
XYCZ-AAFZA
محل انتشار :
کنفرانس بین المللی مهندسی و علوم کاربردی(iceasconf.com)
چکیده :
این مقاله یک الگوریتم مسیریابی به طور کامل سازگار و مقاوم در برابر خطا افزایش دهنده عملکرد بر اساس یادگیری تقویتی را به عنوان یک راه حل جدید برای افزایش تعادل بار ترافیک در شبکه بر روی تراشه پیشنهاد می کند. ما نشان داده ایم که الگوریتم پیشنهادی به نام الگوریتم مسیریابی یادگیری Q اصلاح شده (MQR)، با استفاده از محاسبات مربوط به الگوریتم تطبیقی، چگونه باعث توزیع ترافیک یکنواخت در کل شبکه برای جلوگیری از لینک غیرمنتظره کمی شود. نتایج شبیه سازی نشان می دهد که الگوریتم مسیریابی پیشنهاد شده قادر به ارسال بسته است و حتی در مورد لینک های معیوب و یا سوئیچ در NOC می تواند بهترین انتخاب را با محاسبه همه راه های ممکن بین هر مبدا و مقصد ایجاد کند. MQR تحویل بسته را تا آنجا که ممکن است تضمین می کند. این الگوریتم می تواندمشکل بن بست و گرسنگی را مدیریت کند.
کلمات کلیدی : تحمل پذیری خطا مسیریابی وفقی شبکه روی تراشه