یک الگوریتم جدید خودتطبیق جهت ساختاربندی توپولوژی در شبکه های نظیربه نظیر با استفاده از اتوماتای یادگیر

نحوه ساختاربندی توپولوژی در شبکه های نظیربه نظیر، یکی از مسایل مورد توجه در اینگونه شبکه هاست. استفاده از مفهوم اجتماع، به عنوان تکنیکی برای کنار هم قرار دادن نظیرهایی با علایق مشابه، تا حدود زیادی به ساختاربندی توپولوژی شبکه های نظیربه نظیر کمک کرده است. یک اجتماع، زمانی ایجاد میشود که یک یا بیش از یک نظیر، یک علاقه مشابه را در مورد یک موضوع واحد، ادعا کنند. کشف یک اجتماع و پیشنهاد آن به یک نظیر بدون در نظر گرفتن اولویت کلمات کلیدی در بردار علایق، منجر به ایجاد اتصالات زاید و ترافیک بیشتر در شبکه میگردد. لذا در این مقاله، سعی شده است برخلاف مطالعات گذشته، با بهره گیری از اتوماتای یادگیر، علایق یک نظیر در بردار علایق، اولویتبندی شده و یک نظیر، اجتماعات دقیق تری را برای ماندگاری خود انتخاب کند. با این روش، یک گره میتواند از بین اجتماعاتی که به او پیشنهاد میشود، آنهایی را انتخاب کند که دارای اعضایی با علایق مشابه تر با خودش است. با اجرای روش جستجوی مبتنی بر علایق بر شبکه حاصل از الگوریتم پیشنهادی، سربار ناشی از جستجو و نرخ موفقیت جستجو مورد بررسی قرار گرفت و نتایج حاصل، ادعای ما را ثابت نمود.

Keywords:

اتوماتای یادگیر , ساختاربندی , اجتماع , خودتطبیق , شبکه های نظیربه نظیر