 جلسه دفاع از پایان نامه: احمد توکلی، گروه مهندسی کامپیوتر
ارائهکننده: احمد توکلی چکیده: زنجیره خدمات شبکه یکی از فناوریهای نوظهور در شبکههای نسل پنجم است که از قابلیتهای ارائهشده توسط شبکههای تعریفشده نرمافزار (SDN) برای ایجاد سرویسهای شبکه ترکیبی استفاده میکند، بهطوریکه دنبالهای منظم و متصل از توابع مجازی شبکه روی یک جریان ترافیکی اعمال میشود. هر زنجیره تابع خدمت شبکه، نیازمندیهای متفاوتی دارد که منجر به نوسانات زیاد در الگوی ترافیک شبکههای نسل پنجم شده است. از طرفی با توجه به حجم زیاد ترافیک مربوط به درخواستهای شبکه و همچنین کمبود منابع در شبکه، یکی از چالشهای موجود در شبکههای نسل پنجم، تخصیص بهینه منابع بهمنظور افزایش کیفیت خدمات میباشد. برای حل این چالش، در اکثر مطالعات گذشته از رویکرد واکنشپذیر استفادهشده است که بر اساس آن تخصیص منابع در هر بازه زمانی، متناسب با میزان ترافیک دریافت شده در همان بازه انجام خواهد شد. با توجه به نوسانات شدید در ترافیک شبکههای نسل پنجم، رویکرد واکنشپذیر نمیتواند کیفیت خدمات کافی در شبکه را تضمین کند. ازاینرو در این تحقیق از رویکرد فعال که مبتنی بر پیشبینی ترافیک میباشد برای تخصیص منابع استفادهشده است. بدیهی است که دقت بالاتر در پیشبینی ترافیک منجر به استفاده بهتر از منابع شبکه خواهد شد. بنابراین در این پژوهش بر پیشبینی ترافیک با دقت بالا تمرکز شده است. برای این منظور، با توجه به اینکه در ترافیک شبکههای نسل پنجم، کلاسهای ترافیکی متنوع مربوط به توابع مجازی مختلف وجود دارد، در این پایاننامه از یک مدل یادگیری تقویتی برای پیدا کردن بهترین مدل پیشبینی کننده با بالاترین میزان دقت استفادهشده است. با توجه به خروجی مدل پیشبینی کننده ترافیک، از یک مدل بهینهسازی ریاضی باهدف افزایش گذردهی شبکه استفاده شده است. بهمنظور رسیدن به این هدف، ضمن در نظر گرفتن محدودیتهای شبکه، یک الگوریتم ابتکاری با پیچیدگی زمانی کم جهت مسیریابی صحیح زنجیرههای توابع خدمت، توسعه دادهشده است. نتایج ارزیابی نشان میدهد روش پیشنهادی این تحقیق منجر به افزایش 20 درصدی گذردهی شبکه که ناشی از مسیریابی مناسب جریانها میباشد، شده است. |
