یک چارچوب مسیردهی هوشمند قابل اطمینان برای شبکههای مبتنی بر نرمافزار در اتصالهای 6G با استفاده از یادگیری تقویتی
نام نخستين پديدآور
روحاله الوندنژاد
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
برق وکامپیوتر
تاریخ نشرو بخش و غیره
۱۴۰۲
مشخصات ظاهری
نام خاص و کميت اثر
۵۴ص.
مواد همراه اثر
سی دی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی کامپوتر گرايش رایانش امن
زمان اعطا مدرک
۱۴۰۲/۰۶/۲۸
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
یکی از زیرساختهای بسیار مهم برای ارتباطات پیشرفته رایانهای در دنیای امروز، شبکههای محلی و جهانی است و نحوه مسیردهی برای انتقال اطلاعات در سرتاسر این شبکه، یکی از مهمترین چالشها از ابتدای پیدایش شبکههای رایانهای بوده است؛ چون امنیت، پایداری و کیفیت اتصال در شبکه، به شدت به این موضوع وابسته است. با حرکت شبکههای جهانی به سمت نسل ششم (6G) بسیاری از حوزههای فناوری اطلاعات، برای استفاده حداکثری از ظرفیتهای ایجادشده، هم در زیرساختها و هم در ساختارهای مختلف نرمافزاری و ارتباطی، نیاز به تغییرات اساسی خواهندداشت. شبکههای مرتبط با اینترنت اشیاء، یکی از مهمترین بخشهایی است که با تعریف روشهای متناسب با 6G در آنها می توان به کیفیت و کارآیی بسیار بیشتری در مقایسه با روشهای قدیمیتر دست پیدا کرد. دستیابی به این اهداف در کاربردهای متفاوت و نوین امروزی با استفاده از مسیردهیهای سنتی و قدیمی ممکن نیست و برای آن، نیاز به روشهای جدید مسیردهی شبکههای مبتنی بر نرمافزار(SDN) با استفاده از الگوریتمهای مناسب هوش مصنوعی هستیم. با توجه به سرعت پاسخگویی و استمرار مورد نیاز در این موضوع، یکی از مناسبترین الگوریتمها برای این کار، روش یادگیری تقویتی است.هدف ما در این پژوهش، پیدا کردن روشی مناسب بر اساس یادگیری تقویتی است که بتواند در یک شبکه 6G، به تدریج، با انتخاب مسیرهای مناسبتر برای انتقال هر داده بر اساس روشهای یادگیری تقویتی، کیفیت انتقال را افزایش و تأخیر را در مجموع شبکه، کاهش دهد و در عین حال، تا حد ممکن، نقایص موجود در روشهای مشابه را به حداقل برساند. نتایج نهایی و مدل به دست آمده، با انجام شبیهسازی، با روشهای بدون یادگیری مقایسه خواهدشد.
متن يادداشت
One of the very important infrastructures for advanced computer communications in today's world is local and global networks. The routing of information across these networks has been one of the most significant challenges since the emergence of computer networks, as the security, stability, and quality of network connections heavily depend on this issue. With the evolution of global networks towards the sixth generation (6G), many areas of information technology will require fundamental changes to maximize the utilization of the created capacities, both in infrastructure and various software and communication structures. Networks related to the Internet of Things (IoT) are one of the most important areas where the definition of methods compatible with 6G can lead to much higher quality and efficiency compared to older methods. Achieving these goals in different and modern applications is not possible using traditional and outdated routing methods. Therefore, we need new software-defined networking (SDN) routing methods using suitable artificial intelligence algorithms. Considering the required speed and continuity in this matter, one of the most suitable algorithms for this task is reinforcement learning.Our goal in this research is to find a suitable method based on reinforcement learning that can gradually increase the transmission quality and reduce the delay in the overall network by selecting more appropriate paths for data transmission in a 6G network based on reinforcement learning methods. At the same time, it aims to minimize the existing shortcomings in similar methods as much as possible. The final results and the obtained model will be compared with non-learning methods through simulation.
عنوانهای گونه گون دیگر
عنوان گونه گون
An Intelligent Reliable Routing Framework for Software-Defined Network over 6G Communication by Reinforcement Leaning
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )