رسول مرادی- کارشناسی ارشد- دانشکده برق- 81258104
چکيده
در سال 1988 ژاکوبسون مکانیزم کنترل ازدحامی را ارایه کرد که اکنون جزیی از پروتکل TCP است. افزایش مداوم حجم ترافیک اینترنت باعث افزایش میزان تلفات و زمان تاخیر بسته های داده و کاهش کارایی شبکه می گردد. یکی از دلایل این مسئله، ناتوانی شبکه در تشخیص زود هنگام ازدحام است، بنابراین IETF استفاده از مدیریت پویای صف را در مسیریابها پیشنهاد کرد که هدف آن آگاه کردن فرستنده ها از ازدحام، قبل از پر شدن بافر مسیریابها است. مکانیزم RED/ECN یکی از این ایده هاست که به کاهش میزان تلفات و تاخیر بسته های داده و افزایش کارایی شبکه منجر شده است.
با مونیتور کردن میانگین طول صف بافر مسیریابهای شبکه، یک سری زمانی بدست می آید که می توان از شبکه های عصبی تاخیر زمانی TDNN برای پیش بینی مقادیر آتی آن، که در واقع وضعیت آینده بافر مسیریاب است، استفاده کرد. بدین منظور، ابتدا شبکه عصبی مناسبی را طراحی کرده و توسط سری زمانی فوق آنرا آموزش داده ایم، سپس این شبکه عصبیِ آموزش دیده را درون بافر مسیریابها پیاده سازی کرده تا بر اساس مقدار فعلی و مقادیر قبلی میانگین طول صف بافر، به پیش بینی مقدار آتی میانگین طول صف بافر مسیریاب در چند برهه زمانی بعد که افق پیش بینی نام دارد، بپردازد. آنگاه براساس نتیجه این پیش بینی، مکانیزم RED/ECN فراخوانی شده و فرستنده ها قبل از شروع ازدحام از آن آگاه شده و نرخ ارسال خود را کم می کنند. این الگوریتم جدید را Neuro RED/ECN نامیده ایم که برای پیاده سازی آن، کد شبکه عصبی را به مکانیزم RED/ECN موجود در برنامه کامپیوتری معتبر "شبیه ساز شبکه" NS که بصورت کد- باز است، اضافه کرده و آنرا مجددا کامپایل کرده ایم. 
شبیه سازی الگوریتم Neuro RED/ECN توسط NS، نشان دهنده بهبود 10 تا 15 درصدی در میزان کارایی شبکه و تاخیر داده ها نسبت به الگوریتم RED/ECN است.