مقاله کنفرانسی سال ۱۴۰۴ فارسی

بهینه سازی مسیریابی با استفاده از SDN

چکیده مقاله

با گسترش روزافزون حجم داده ها و تنوع خدمات در شبکه های نوین، معماری های سنتی به دلیل مدیریت توزیع شده و پیکربندی دستی، دیگر پاسخگوی نیازهای داینامیک امروزی نیستند چالش اصلی در این شبکه ها، ناتوانی در مدیریت بهینه منابع و بروز گلوگاه های ترافیکی در زمان اوج مصرف است شبکه های مبتنی بر نرم افزار SDN با جداسازی لایه کنترل از لایه انتقال، بستری ایده آل برای حل این چالش ها فراهم کرده اند هدف اصلی این پژوهش، بررسی و ارائه راهکارهای نوین جهت بهینه سازی مسیریابی با بهره گیری از دید کلی کنترلر مرکزی در SDN است در این راستا، روش شناسی تحقیق بر پایه استخراج لحظه ای وضعیت توپولوژی شبکه و استفاده از الگوریتم های پیشرفته برای محاسبه مسیرهای بهینه استوار است برخلاف پروتکل های کلاسیک که تنها بر معیار کوتاه ترین مسیر Shortest Path تکیه دارند، در محیط SDN می توان پارامترهای متعددی نظیر تاخیر انتها به انتها End to End Delay ، نرخ از دست رفتن بسته ها Packet Loss و توازن بار Load Balancing را به طور هم زمان فرموله کرد در این پژوهش، از ترکیب مدل های ریاضی و الگوریتم های هوشمند مانند یادگیری تقویت شده یا الگوریتم های فراابتکاری برای اتخاذ تصمیمات مسیریابی استفاده شده است تا شبکه بتواند به صورت خودکار در برابر تغییرات بار ترافیکی واکنش نشان دهد نتایج تحلیل ها نشان می دهد که بهینه سازی مسیریابی در بستر SDN منجر به بهبود چشمگیر در کیفیت سرویس QoS و افزایش بهره وری منابع شبکه می گردد یافته ها حاکی از آن است که این رویکرد نه تنها باعث کاهش میانگین تاخیر شبکه تا حد قابل توجهی می شود، بلکه با توزیع هوشمندانه ترافیک در لینک های جانبی، از اشباع شدن لینک های اصلی جلوگیری می کند در نهایت، این استراتژی به افزایش پایداری و انعطاف پذیری شبکه در مواجهه با سناریوهای مختلف ترافیکی منجر شده و هزینه های عملیاتی مدیریت شبکه را به حداقل می رساند

کلیدواژه‌ها

نویسندگان

تصویر محمد عزیزی

محمد عزیزی

مدرس دانشکده فنی و حرفه ای شهید شمسی پور تهران

تصویر مهدی زلفی گل

مهدی زلفی گل

دانشجوی مقطع کارشناسی ناپیوسته دانشکده فنی حرفه ای شهید شمسی پور تهران

تصویر رزومه علمی کاربران

رزومه علمی کاربران

درباره سیویلیکاتبلیغات در سیویلیکاآمار علمی ایرانتقویم علمی ایرانداده کاوی مقالاتطرح های پژوهشی

شیوه ارجاع

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید: عزیزی، محمد و زلفی گل، مهدی،1404،بهینه سازی مسیریابی با استفاده از SDN،ششمین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی،همدان،https://civilica.com/doc/2585622

ارائه‌شده در

پوستر مجموعه مقالات ششمین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی مجموعه مقالات ششمین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی2 اسفند 1404 · همدان
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۴۰۴ ۳۳۴ مشاهده

بررسی کاربرد هوش مصنوعی در ربات های رزمی: مطالعه موردی ایالات متحده آمریکا

تحولات شتابان فناوری در دهه های اخیر، به ویژه در حوزه هوش مصنوعی، موجب دگرگونی بنیادین در ماهیت جنگ ها�…

ربات های رزمیهوش مصنوعی نظامیکنترل معنادار انسانی
مقاله کنفرانسی سال ۱۴۰۴ ۲۹۱ مشاهده

تحلیل عملکرد و بهینه سازی چیلرهای جذبی یا تراکمی با تمرکز بر کاهش مصرف انرژی

چیلرهای تراکمی با استفاده از چرخه تبرید تراکم بخار و مصرف انرژی الکتریکی بالا در کمپرسورها کار می کنند…

انرژیبرودتبهینه سازی
مقاله کنفرانسی سال ۱۴۰۴ ۲۳۰ مشاهده

کاربرد هوش مصنوعی در مواجهه با چالش اخبار جعلی: تحلیل روش های تشخیص، چالش های نوظهور و راهکارهای آینده

همزمان با گسترش رسانه های اجتماعی و فناوری های تولید محتوا، انتشار اخبار جعلی به یک تهدید جدی برای اعتما…

اخبار جعلیهوش مصنوعیتشخیص اطلاعات نادرست
مقاله کنفرانسی سال ۱۴۰۴ ۲۲۶ مشاهده

امنیت در اینترنت اشیا

اینترنت اشیا به عنوان یکی از فناوری های کلیدی عصر حاضر، میلیاردها دستگاه را به یکدیگر متصل کرده و تحولات…

اینترنت اشیابلاکچینامنیت IoT
مقاله کنفرانسی سال ۱۴۰۴ ۱۹۶ مشاهده

بهینه سازی پایدار رایانش ابری با استفاده از نظریه بازی فازی

رایانش ابری به عنوان یکی از ستون های فناوری مدرن شناخته می شود، با این حال، بهینه سازی تخصیص منابع در حا…

نظریه بازی فازیمراکز داده ابریالگوریتم GTGWO
مقاله کنفرانسی سال ۱۴۰۴ ۱۸۰ مشاهده

A Data Driven Machine Learning Framework for Optimal Treatment Selection in Infertility Management (IVF and IUI)

Selecting the right infertility treatment requires analyzing a wide set of clinical, hormonal, and labor…

IVFInfertilityMachine Learning