مقاله درمورد Q توصيف الگوريتم مسير يابي

لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل :  word (..doc) ( قابل ويرايش و آماده پرينت )
تعداد صفحه : 8 صفحه

 قسمتی از متن word (..doc) : 
 

‏1
‏(خلاصه)
‏اين مقاله به توصيف الگوريتم مسير يابي Q‏ براي مسير يابي packet‏ در ماجول تقويت كننده آموزش دهنده كه در هر گروه از يك شبكه جابجا كننده قرار داده شده است مي پردازيم. تنها ارتباطهاي محلي براي هر گيرنده بكار مي رود تا آمار آنها را در مرحله تصميم هاي جهتيابي دقيق نگاه دارد كه منجر به كاهش زمان ارسال مي گردد. در آزمايشهاي ساده كه حاوي 36 گره است و شبكه بصورت بي قاعده اي متصل گرديده است. جهتيابي Q‏ ب‏رتري حضور را نسبت به الگوريتم غير قابل تطابق ‏مبتني بر محاسبات كوتاهترين مسير ها به اثبات مي رساند و قادر خواهد بود تا به ميزان كافي جهتيابي انجام دهد حتي زماني كه ويژگيهاي بسيار مهم شبيه سازي همانند load‏ كردن شبكه اجازه مي يابند تا بطور پويا تغيير پيدا كنند. اين مقاله در برگيرنده بحثي در مورد حالت حد ووسط بين كشف ميان برها و سياستهاي با ثبات نگه داشتن مي باشد.
‏معرفي INTROSUCTION‏
‏حيطه تقويت دانش ‏بنحو چشمگيري در طي چند سال اخير رشد كردهاست البته به استثناء ماتريس [8,2]‏ ‏كه كاربردهاي موفقيت آميزي كمتري در مقايسه با كارهاي عملي و بزرگ دشته است. اين مقابله نشان مي دهد كه كار عملي جهتيابي Pachat‏ ها درون يك ارتباط شيبكه اي يك كاربرد طبيعي براي الگوريتم تقويت كننده دانش مي باشد.
‏الگوريتم جهتيابي Q‏ تا، متناسب با برخي الگوريتمهاي جهتيابي packet‏ توزيع شده [6,7]‏ ياد مي دهد كه سياست جهتيابي كه در آن توزان ها تعداد پرشهاي يك pachet‏ را به حداقل مي رسانند با احتمال انسداد مسيرهاي شلوغ بدست خواهد آمد. اين امر به كمك آزمايش روشهاي جهتيابي گوناگونم و جمع آوري آمار درباره تصميمهايي كه زمان ارسال را به حداقل مي رساند ميسر خواهد شد. يادگيري مستمر و پيوسته خواهد بود، تنها از اطلاعات محلي استفاده مي كند و بصورت بي قاعده بسيار قوي و يكپارچه عمل مي كند و الگوهاي ارتباط شبكه دائما در حال تغيير load‏ شدن است.
‏2
‏آزمايشات در اين مقاله به كمك شبيه ساز گسسته رويداد صورت گرفته است تا ‏حول انتقال packet‏ ها را در درون يك شبكه محلي بدست دهد و در بخش [5]‏ توضيح كامل در اين مورد داده شده است.
‏جهتيابي براي تقويت عملكرد يادگيري Routiny As A Reinforcement learniy task
‏سياست جهتيابي يك packet‏ پاسخگويي اين پرسش مي باشد كه : به كدام گروه مجاور مي بايستي گره فعلي packet‏ ‏هاي خود را ارسال كند در مقايسه با مقصد نهايي اش آزاد دريافت دارد؟ از آنجائيكه عملكرد اين روش به كمك كل زمان بدست آمده جهت ارسال يك packet‏ اندازه گيري مي شود، هيچ سيگنال آموزش دهنده اي براي برآورد كردن مستيم يا بهبود دادن سياست تا زمانيكه يك packet‏ نهايتا به مقصد خود مي رسد وجود ندارد. با اينهمه، با استفاده از تقويت يادگيري،روش مي بايستي سريعتر بروز شود و تنها از اطلاعات محلي استفاده كرد. فرض كنيد Q(x)(d,y)‏ زماني باشد كه يك گروه x‏ تخمين زده مي شود كه يك packet‏ را به گره d‏ به كمك گروه همسايه x‏ يعني y‏ تحويل دهد، كه در برگيرنده هر زماني است كه p‏ مي بايستي در صفx‏ صرف كند. در زمان ارسال p‏ به y‏، x‏ فورا برآورده y‏ را براي زمان باقيمانده جهت ارسال بر مي گرداند در نتيجه: ‏
‏اگر packet‏ مقدار q‏ ‏واحد زمان در صف x‏ صرف كند و s‏ ‏واحد زماني در انتقال بين گروه هاي y,x‏ در نتجه x‏ مي تواند برآورده خود را طبق رابطه زير بازبيني كند:
‏جايئكه ‏پارامتر نرخ يادگيري است (معمولا در آزمايشس ما Q.5‏ در نظر گرفته مي شود.)
‏اگلوريتم منبع مي تواند در حكم نسخه اي از الگوريتم كوتاهترين مسير Bellman – Ford‏ در نر گرفته شود كه (1) نمايش دهنده گامهاي مسير آن بصورت غير همزمان و online‏ مي باشد و