یک روش مسیریابی توزیع شده وفقی با قابلیت یادگیری جهت شبکه های کامپیوتری

یک شبکه کامپیوتری پویا، پیوسته در حال تغییر است . در چنین محیطی کارائی مسیریابی بسته های اطلاعاتی بستگی به این دارد که الگوریتم چگونه خود را با تغییرات شرایط و پارامترهای شبکه وفق دهد. از طرف دیگر در یک الگوریتم توزیع شده وفقی، تصمیم گیری برای مسیر بسته ها در هر گره براساس اطلاعات موجود در آن گره در مورد وضعیت مسیرهای شبکه انجام می گیرد. این اطلاعات ، که نمایانگر یک دید محلی از وضعیت کل شبکه می باشد، نقشی حیاطی در درستی کارکرد الگوریتم مسیریابی و در نتیجه در کارایی شبکه دارند. اما همین اطلاعات همیشه تصویر درستی از وضعیت شبکه نمی دهند. اطلاعات به روزسازی منتشر شده در شبکه که برای به روز کردن جداول استفاده مشوند با تاخیر به گره ها وارد می شوند. در واقع علتهای مختلفی از جمله ضعف روش نمایش تاخیر مسیرها، تاخیر در جابجایی بسته های به روزسازی و کارائی پایین روش به روزسازی جداول مسیریابی در گره ها باعث ایجاد نادرستی و در نتیجه عدم قطعیت در اطلاعات این جداول می گردد و از طرف دیگر جریان ناگهانی و موج مانند ترافیک بسته ها در هنگام جابجاشدن یک پیغام که به صورت اتفاقی در مسیرهای مختلف افزایش و کاهش می یابد باعث شدت این موضوع شده و درنتیجه در بارهای بالا باعث از بین رفتن کارائی الگوریتم مسیریابی می گردد. روشهای جدید سعی در حل این مشکل به وسیله مدلسازی بهتر رفتار شبکه دارند. در این تحقیق پس از بررسی تعدادی از این روشها، یک تکنیک فازی برای بهینه سازی مسیریابی پیشنهاد می شود که در آن از اعداد فازی جهت اندازه گیری و نمایش تاخیر پیوندها و مسیرهای شبکه استفاده می گردد.