- Евгений Степанов представил новый метод балансировки транспортных потоков в наложенной сети с использованием многоагентного метода машинного обучения.
- Результаты исследования показали эффективность предложенного подхода в сравнении с традиционными алгоритмами.
- Исследование предложило решение задачи балансировки транспортных потоков с использованием многоагентного метода машинного обучения с подкреплением.
- Новый метод показал преимущество перед классическими алгоритмами и продемонстрировал результаты, сопоставимые с централизованными алгоритмами.
- Предложенный метод Multi-Agent Routing using Hashing (MAROH) способен эффективно балансировать трафик в сети за счёт объединения децентрализованного обучения с подкреплением и консистентного хеширования.
- Метод позволяет каждому маршрутизатору сети адаптировать свои маршруты с учётом текущей загрузки каналов, что приводит к более справедливому распределению трафика и снижению перегрузок.
- Экспериментальные исследования подтвердили, что новый метод достигает наибольшей эффективности при высокой нагрузке в сети.
- Предложенный метод имеет потенциал для применения в широком спектре задач, связанных с управлением сетевым трафиком.
«Развитие современных сетей требует новых подходов к управлению трафиком, и наш метод балансировки потоков с использованием многоагентного машинного обучения является важным шагом вперёд. Мы видим, как традиционные алгоритмы постепенно уступают место решениям, которые могут адаптироваться к сложным условиям и динамично изменяющимся нагрузкам. Наше исследование демонстрирует, что использование машинного обучения не только повышает эффективность, но и открывает новые перспективы для масштабируемых сетевых инфраструктур», – отметил ассистент кафедры автоматизации систем вычислительных комплексов ВМК МГУ Евгений Степанов.