بهبود عملیات مسیر یابی مبتنی بر اتوماتای یادگیری با بکار گیری عامل های هوشمندمحلی و سراسری به کمک الگوریتم کلونی مورچگان

در سال های اخیر بحث مسیریابی در شبکه های کامپیوتری جایگاه ویژه ای یافته است. علت این امر نقش تعیین کننده مسیریابی در کارایی این شبکه ها است. کیفیت سرویس 2 و امنیت به دلیل نبود روش های مطمئن از جمله مهمترین چالش های مسیریابی می باشد. روترها از الگوریتم های مسیریابی برای یافتنبهترین مسیر تا مقصد استفاده می نمایند هنگامی که ما در مورد بهترین مسیر صحبت می کنیم، پارامترهایی همانند تعداد هاب ها، زمان تغییر و هزینه ارتباطی ارسال بسته را در نظر می گیریم.در این مقاله با بکارگیری عامل های هوشمند بصورت محلی و سراسری سعی می کنیم عملیات مسیریابی را بهبود بخشیم . الگوریتم کلونی مورچه ها یک راه حل چندعامله برای مسائل بهینه سازی است که مدل هایی براساس هوش جمعی مورچه ها دارد و با تبدیل به تکنولوژی کارآمد در شبکه های کامپیوتری کاربرد پیدا کرده است. گرچه مورچه یک موجود ساده است، اما یک کلونی از آنها توانایی انجام وظایف سودمندی همچون یافتن کوتاه ترین مسیر به سمت منبع غذا و به اشتراک گذاشتن این اطلاعات با دیگر مورچه ها از طریق به جای گذاشتن ماده ای شیمیایی به نام فرومون 3 دارد. این الگوریتم شامل سه مرحله می باشد. فاز اول خوشه بندی 4 گره های شبکه به کلونی های کوچکتر است، این فاز با استفاده از اتوماتای یادگیر مطابق با نیاز شبکه انجام می شود . مثلاً قرار دادن گره هایی که در آینده ای نزدیک مراودات بیشتری در یک خوشه با هم دارند، فاز دوم یافتن مسیرهای شبکه توسط مورچه ها و فاز سوم فرستادن ترافیک شبکه به مقصد از طریق مسیرهای یافت شده توسط مورچه هاست.

Keywords:

مسیریابی , شبکه های کامپیوتری , الگوریتم کلونی مورچگان , اتوماتای یادگیر