УДК 621.39:004.4 СОВМЕЩЕНИЕ ГРАФИЧЕСКОЙ МОДЕЛИ И ЭВОЛЮЦИОННОГО АЛГОРИТМА ДЛЯ РЕШЕНИЯ ЗАДАЧ ПАРЕТО -ОПТИМАЛЬНОЙ МАРШРУТИЗAЦИИ
Аннотация
В данной статье представлен математический подход к управлению трафиком в сетях связи на основе многокритериальной оптимизaции. Модель построена на основе графиков и учитывает показатели качества обслуживания, такие как задержка, пропускная способность и надёжность в качестве отдельных критериев. Предусмотрена интегрaция интеллектуальных методов управления, включая обучение с подкреплением и графические нейронные сети для адаптивной маршрутизaции. Модель реализована в среде Python и протестирована на статических и аварийных сценариях. С помощью Парето-оптимального подхода реализован алгоритм принятия решений в условиях сложной сетевой топологии. Эволюционные вычислительные методы, включая генетический алгоритм и методы обучения с подкреплением, использованы для моделирования, что подтвердило устойчивость и адаптивность разработанной модели. Полученные результаты показывают устойчивость модели и её высокую адаптивность к изменениям в топологии сети.
Ключевые слова:
Об авторах
Список литературы
Kleinrock L. Queueing Systems. Volume 2: Computer Applications. Wiley, 1976.
Li X., Floudas C. A. Multiobjective optimization problems with equilibrium constraints // Journal of Optimization Theory and Applications. – 2006.
Ahuja R. K., Magnanti T. L., Orlin J. B. Network flows: theory, algorithms, and applications. Prentice Hall, 1993.
Marler R. T., Arora J. S. Survey of multi-objective optimization methods for engineering // Structural and Multidisciplinary Optimization. – 2004.
Deb K. Multi-objective optimization using evolutionary algorithms. John Wiley & Sons, 2001.
Sutton R. S., Barto A. G. Reinforcement Learning: An Introduction. MIT Press, 2018.
Bäck T. Evolutionary algorithms in theory and practice. Oxford University Press, 1996.
Alsabaan M., Naik K., Goel N., Nayak A. Real-time traffic routing using intelligent transportation systems // IEEE Transactions on Intelligent Transportation Systems, 2013.
Zhou J. et al. Graph neural networks: A review of methods and applications // AI Open. – 2020.
Attar R. et al. Multipath routing for QoS-aware traffic engineering in MPLS networks // Scientific Research Publishing, 2017.
Wu Z. et al. A comprehensive survey on graph neural networks // IEEE Transactions on Neural Networks and Learning Systems, 2020.
Liu Y. et al. Multi-objective genetic algorithm for routing optimization // PLOS ONE, 2019.
Mirzaeva M. Study of Neural Networks in Telecommunication Systems // Conference Proceedings, 2021.
Как цитировать
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.