AFSndn: استراتژی ارسال تطبیقی در شبکه بندی داده های نام گذاری شده

نوع فایل : word

تعداد صفحات : 25

تعداد کلمات : 6500

مجله : Peer-to-Peer Networking and Applications

انتشار : 2020

ترجمه ی متون جدول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

فونت ترجمه : ب نازنین 12

تاریخ انتشار
13 جولای 2020
دسته بندی
تعداد بازدیدها
1795 بازدید
40,000 تومان

عنوان فارسی مقاله:AFSndn:  استراتژی ارسال تطبیقی در  شبکه بندی داده های نام گذاری شده بر  اساس یادگیری Q

  چکیده

 شبکه بندی داده های نام گذاری شده(NDN)، یک  معماری شبکه ی جدید است که از مدل ارتباط  محتوا محور جدید  برای جایگزینی مدل ارتباط  هاست محور سنتی استفاده می کند. در شبکه ی TCP/IP،  بسته های داده ها توسط روتر ها و مسیریاب ها بر طبق  جدول مسیر یابی که قبلا ایجاد شده است هدایت و ارسال می شوند.  در حالی که در NDN،  گره های مسیر یابی  می توانند به طور پویا تصمیمات ارسال را بر مبنای وضعیت شبکه بگیرند. با در نظر گرفتن این ویژگی ارسال، ما یک استراتژی ارسال تطبیقی جدید را در  شبکه بندی داده های نام گذاری شده(AFSndn)  بر مبنای یادگیری Q برای حداقل سازی زمان تحویل پیشنهاد می کنیم. AFSndn به دو فاز- اکتشاف و بهره برداری، تقسیم می شود.  هدف فاز اکتشاف، جمع آوری اطلاعات و هدف فاز  بهره برداری، ارسال بسته های درخواستی است.  نتایج آزمایش   شبیه سازی نشان می دهد که AFSndn عملکرد بهتری در مقایسه با سایر الگوریتم های مشهور دارد.

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: AFSndn: A novel adaptive forwarding strategy in named data networking based on Q-learning

Abstract

Named Data Networking (NDN) is a new network architecture, which employs a new content-centric communication model to replace the traditional host-centric communication model. In TCP/IP network, data packets are forwarded by routers according to routing table established previously. While in NDN, routing nodes can dynamically make forwarding decisions based on network status. By considering this forwarding feature, we proposed a novel adaptive forwarding strategy in Named Data Networking (AFSndn) based on Q-learning to minimize the delivery time. AFSndn is divided into two phases—Exploration phase and Exploitation phase. The Exploration phase aims to collect information, while the Exploitation phase aims to dynamically forward interest packets. Simulation experiment results show that AFSndn has better performance compared to others famous algorithms.

دیدگاهتان را بنویسید