Стаття

Завантажити статтю

Аналіз методів оптимізації маршрутизації потоків даних

Анаіт Карапетян

Анотація

Розвиток мереж передачі даних і проблеми керування потоками в них вимагають нових методів оптимізації процесів маршрутизації потоків даних. Для розв’язання цієї проблеми, в рамках розвитку сучасної науки, можна використовувати моделі і методи адаптивної і нейромережевої маршрутизації. У статті розглянуто методи оптимізації адаптивної маршрутизації інформаційних потоків. Представлено моделі адаптивної маршрутизації та існуючі підходи і методи обробки інформації. Проаналізовано основні особливості та задачі маршрутизації потоків даних зі змінною динамікою. Розглянуто можливість формалізації задачі пошуку оптимального шляху. Обґрунтовано необхідність розробки нових методів адаптивної маршрутизації. Розглянуто можливість використання еволюційних методів для визначення оптимального маршруту в мережах з адаптивною маршрутизацією. Головною проблемою у використанні цих методів є великий обсяг обчислень

Ключові слова:

маршрутизація, адаптивна маршрутизація, багатокритеріальна оптимізація, нейронні мережі, мережа Хопфілда, генетичний алгоритм

Взято з Том 21, № 3, 2016

Сторінки 11-16

Використані джерела ЦИТУВАТИ

Використані джерела

  1. Hajek, B., & Sasaki, G. (1998). Scheduling in polynomial time. IEEE Transactions on Information Theory, 34, 910–917.
  2. Kleinrock, L. (1970). Communication networks: Stochastic flows and message delays. Moscow: Nauka.
  3. Kolesnikov, K. V., Karapetian, A. R., & Tsarenko, T. A. (2013). Genetic algorithms for multicriteria optimization tasks in adaptive data‑routing networks. Bulletin of NTU “KhPI”, 56(1029), 44–50.
  4. Kolesnikov, K. V., Nikulin, O. G., & Karapetian, A. R. (2013). Using neural network models to find the optimal path in networks with adaptive packet routing. Bulletin: New Solutions in Modern Technologies, (56), 50–56.
  5. Komashinsky, V. I., & Smirnov, D. A. (2003). Neural networks and their applications in control and communications systems. Moscow: Goryachaya liniya – Telecom.
  6. Pavlenko, M. A. (2011). Analysis of the capabilities of artificial neural networks for solving single‑path routing tasks in TKS. Problems of Telecommunications, 2(4), 118–127.
  7. Pogorily, S. D., & Bilous, R. V. (2010). Genetic algorithm for the network routing problem. Problems of Programming, (2‑3, special issue), 171–178.
  8. Rosenberg, R. S. (1989). Simulation of genetic populations with biochemical properties. Mathematical Biosciences, 95, 223–257.
  9. Schaffer, J. D. (1985). Multiple objective optimization with a vector‑evaluated genetic algorithm. In J. J. Grefenstette (Ed.), Genetic Algorithms and Their Applications: Proceedings of the First International Conference on Genetic Algorithms (pp. 93–100). Hillsdale, NJ: Lawrence Erlbaum.
  10. Wieselthier, J. E., Barnhart, C. M., & Ephremides, A. A. (1994). Neural networks approach to routing without interference in multihop networks. IEEE Transactions on Communications, 42(1), 166–177.
  11. Wossserman, F. (1990). Neurocomputer technology: Theory and practice. Moscow: Mir.

ЦИТУВАТИ

Karapetyan, A. (2016). The analysis of methods of optmization of data flows routing. Bulletin of Cherkasy State Technological University, 21(3), 11-16.