ساختاربندی توپولوژی در شبکه P2P با اتوماتای یادگیر به کمک یک الگوریتم جدید خود تطبیق

جمعه ۸ شهریور ۱۳۹۸
بازدید ۱۴۱ نفر
سعید سیفی زاده
(25 امتیاز از 5 رای)
Loading...

ساختاربندی توپولوژی در شبکه P2P با اتوماتای یادگیر

در این بخش مقاله ساختاربندی توپولوژی در شبکه P2P با اتوماتای یادگیر به کمک یک الگوریتم جدید خود تطبیق را با شمار کاربران گرامی به اشتراک گذاشته ایم که ترجمه مقاله An Adaptive Topology Management Algorithm in P2P Networks Based on Learning Automata می باشد. در ادامه به چکیده ای از مقاله پرداخته و لینک دانلود رایگان هر دو نسخه فارسی و انگلیسی قرار داده شده است.

ساختاربندی توپولوژی در شبکه های نظیر به نظیر (P2P)

یکی از مسائل مهم و مورد توجه در شبکه های نظیر به نظیر یا همتا به همتا (Peer to Peer – P2P)، نحوه ساختاربندی توپولوژی می باشد. بکارگیری مفهوم اجتماع، به عنوان یک تکنیک به منظور کنار هم قرار دادن نظیر هایی با علایق مشابه، تا حدود زیادی به ساختاربندی توپولوژی شبکه های نظیر به نظیر (P2P) کمک کرده است. یک اجتماع، وقتی ایجاد خواهد شد که یک یا بیش از یک نظیر، یک علاقه مشابه را در رابطه با یک موضوع واحد، ادعا نمایند. کشف یک اجتماع و پیشنهاد آن به یک نظیر بدون توجه به اولویت کلمات کلیدی در بردار علایق، باعث ایجاد اتصالات زاید و ترافیک بیشتر در شبکه می شود.

استفاده از الگوریتم اتوماتای یادگیر در شبکه P2P

در مقاله پیش رو، سعی کرده ایم تا برخلاف مطالعات گذشته که نتایج آنها در مقاله های مختلف ارائه شده است، ما با استفاده از الگوریتم اتوماتای یادگیر (Learning Automata – LA)، علایق یک نظیر در بردار علایق، اولویت بندی شده و یک نظیر، اجتماعات دقیق تری را به جهت ماندگاری خود انتخاب نماید. بر اساس روش فوق، یک گره می تواند از میان اجتماعاتی که به او پیشنهاد می گردد، آنهایی را انتخاب نماید که دارای اعضایی با علایق مشابه تر با خودش می باشد. با اجرای روش جستجوی مبتنی بر علایق بر شبکه حاصل از الگوریتم ارائه شده، سربار ناشی از جستجو و همینطور نرخ موفقیت جستجو مورد تجزیه و تحلیل قرار گرفت و نتایج حاصل شده از شبیه سازی با نرم افزار OMNET تحت فریم ورک OverSim ، ادعای ما را ثابت کرد.