ارائه روشی جهت تخصیص منابع در شبکه های نرم افزار محور مبتنی بر تکنیک یادگیری تقویتی

شبکه های مبتنی بر نرم افزار به عنوان ابزاری برای بهبود برنامه ریزی در شبکه پدید آمده تا از ماهیت پویای کاربردهای شبکه های آینده پشتیبانی صورت گیرد. SDN، انعطاف پذیری، کنترل متمرکز و واسط های باز بین گره ها را میسر می سازد و یک شبکه تطبیقی . پر بازده را فراهم می کند. از این رو جهت مدیریت درست منابع در این پژوهش تخصیص منابع در شبکه های نرم افزار محور بررسی شده است که این عمل با استفاده از تکنیک یادگیری تقویتی انجام گرفته است. در واقع با افزایش تقاضای پهنای باند، تامین قابلیت های افزوده و توان پردازشی همراه با پشتیبانی از کانال های پر سرعت چندگانه، بواسطۀ بروزرسانی و یا به هنگام سازی براساس SDN ، بدون اشکال انجام شده که این مسئله پارامتر مهم این پژوهش یعنی تاخیر را تحت تاثیر قرار خواهد داد. در واقع روش پیشنهادی برای مشخص کردن پارامتر تاخیر توسط تکنیک یادگیری تقویتی دو وضعیت را بررسی خواهد کرد که اگر بسته های موجود در صف i نیازمندی تاخیرشان برآورده شود وضعیت به صفر و اگر بسته های موجود در صف i نیازمندی تاخیرشان برآورده نشود وضعیت به یک تغییر می کند. در این شبیه سازی سه کلاس انتقال داده در نظر گرفته شد و همچنین میانگین زمان تاخیر، نرخ ورود و زمان بندی گسسته بسته از پارامترهای مهم این پژوهش به حساب می آیند. بخش اصلی کار که توسط تکنیک یادگیری تقویتی (الگوریتم RL ) انجام می شود از دو نوع ε-greedy و Batch RL در شبیه سازی استفاده شد و نتایج مهم این پژوهش توسط این دو الگوریتم RL اجرا شد که الگوریتم پس از تعدادی time slot به حالت پایداری نسبی همگرا شدند و نتیجه مطلوب حاصل گردید.