УДК 004.72
НЕЙРОСЕТЕВАЯ МНОГОПУТЕВАЯ МАРШРУТИЗАЦИЯ В ПРОГРАММНО-КОНФИГУРИРУЕМЫХ СЕТЯХ НА ОСНОВЕ АЛГОРИТМОВ ОПТИМИЗАЦИИ МУРАВЬИНОЙ КОЛОНИИ
Д. А. Перепелкин, д.т.н., профессор, декан ФВТ РГРТУ, Рязань, Россия;
orcid.org/0000-0003-4775-5745, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
В. Т. Нгуен, аспирант РГРТУ, Рязань, Россия;
orcid.org/0000-0003-2930-5775, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
В настоящее время широкий спрос на внедрение и использование различных облачных решений является современным трендом и движущей силой развития сетевых технологий. Рост служб облачных приложений, предоставляемых через центры обработки данных с различными потребностями в сетевом трафике, демонстрирует ограничения традиционных методов маршрутизации и балансировки нагрузки. Интеграция технологии программно-конфигурируемых сетей (ПКС) и методов искусственного интеллекта (ИИ) обеспечивает эффективное управление ресурсами компьютерных сетей и их эксплуатацию. В работе предложен подход нейросетевой многопутевой маршрутизации в ПКС на основе алгоритмов оптимизации муравьиной колонии. Разработаны архитектура и модель искусственной нейронной сети для решения задачи многопутевой маршрутизации в ПКС, которая способна прогнозировать кратчайшие пути на основе метрик каналов связи. Для оптимизации гиперпараметров модели нейронной сети в работе предложено использовать алгоритмы муравьиной системы и системы муравьиной колонии. Разработана визуальная программная система SDNLoadBalancer, и спроектирована экспериментальная топология ПКС, позволяющая детально исследовать процессы нейросетевой многопутевой маршрутизации в ПКС на основе предложенного подхода. Полученные результаты показывают, что предложенная модель нейронной сети имеет возможности прогнозирования маршрутов с высокой точностью в режиме реального времени, что позволяет реализовать различные схемы балансировки нагрузки с целью увеличения производительности ПКС.
Ключевые слова: программно-конфигурируемые сети, нейросетевая маршрутизация, многопутевая маршрутизация, глубокое обучение, рекуррентные нейронные сети, роевой интеллект, оптимизация муравьиной колонии.