Predictive routing for mobile networks
Gezgin ağlar için tahmine dayalı yönlendirme
- Tez No: 919261
- Danışmanlar: PROF. DR. HASARİ ÇELEBİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 51
Özet
Bilgisayar ağlarında yönlendirme çok önemli bir problemdir. Yanlış yönlendirme kararları daha fazla tıkanıklığa yol açacak ve yüksek tıkanıklık daha fazla gecikmeye ve paket kaybına neden olacaktır. Bilgisayar ağları giderek daha karmaşık hale gelmekte ve ağlar giderek daha kalabalıklaşmaktadır. Yönlendirme problemi için algoritmalar onlarca yıl önce tasarlanmıştır. Bu nedenle, yeni yönlendirme algoritmalarının tasarlanması gerekmektedir. Bu tezde, yönlendirme problemi için derin takviyeli öğrenme tabanlı bir algoritma önerilmiştir. Öğrenen ajan yeteneği ile daha akıllı yönlendirme kararları alınabilir. Tezin amacı, teslim edilen paket sayısı açısından Dijkstra en kısa yol algoritması tabanlı yönlendirmeyi aşmak ve daha düşük ortalama gecikmeye sahip olmaktır. Önerilen yönlendirme algoritması Derin Çift QAğına dayanmaktadır. Sonuçları test etmek için Simply adlı Python kütüphanesi ile bir mobil ağ simülasyon ortamı yazılmıştır. Test sonuçlarından önce, en iyi sinir ağı mimarisini bulmak için farklı türde araştırmalar yapılmıştır. En iyi sinir ağı mimarisi bulunduktan sonra, test aşamasından önce farklı türde ödül fonksiyonları denenmiştir. Tüm testlerden sonra, iki farklı ödül fonksiyonuna ve aynı mimariye sahip önerilen yöntemler Dijkstra en kısa yol tabanlı yönlendirme algoritmasına karşı test edilmiştir. Test ortamı, cihazların hareket etmediği ve cihazın her zaman adımında bir paket ürettiği 10 cihaz, 10 yönlendirici ve 10 baz istasyonundan oluşan mobil ağ topolojisidir. 95 GB, 45 GB ve 22 GB her bir test kurulumundaki yönlendiriciler için tampon boyutlarıdır. Önerilen yöntemlerin avantajları sonuçlarda gösterilmiştir. Dijkstra tabanlı yönlendirme her testte yakın sonuçlar göstermiştir, ancak önerilen yöntemler kendi aralarında bile ödül fonksiyonu tasarımları nedeniyle kuruluma bağlı olarak performans açısından farklılık göstermektedir. Önerilen yöntemler, daha büyük ağlarda kullanılmak üzere genişletilebilecek umut verici sonuçlar vermiştir. Çalışmanın bir sonraki adımı hareketli cihazların olduğu ağ ve algoritmanın gerçek hayattaki ağ kurulumunda gösterilmesi olacaktır.
Özet (Çeviri)
Routing in computer networks is a crucial problem. Wrong routing decisions will lead to more congestion and high congestion will cause more delays and packet loss. Computer networks are getting more complex, and networks are getting more crowded. The algorithms for the routing problem were designed decades ago. So, the design of new routing algorithms is needed. In this thesis, a deep reinforcement learning based algorithm is proposed for the routing problem. With the ability of learning agent, more intelligent routing decisions can be made. The aim of the thesis is to surpass Dijkstra shortest path algorithm-based routing in terms of number of packets delivered and have lower average delay. The proposed routing algorithm is based on Deep Double Q-Network (DDQN). To test the proposed method, a mobile network simulation environment with Python library called Simply is written. Before the tests, different types of research have been conducted to find the best neural network architecture. After finding the best neural network architecture, different types of reward functions have been tried before the test phase. After all the tests, proposed methods with two different reward functions and same architecture have been tested against Dijkstra shortest path-based routing algorithm. The test environment is mobile network topology which has 10 hosts where hosts are not moving and each host generates a packet in each timestep, 10 routers and 10 base stations. 95 GB, 45 GB and 22 GB are buffer sizes for the routers in each test setup. The advantages of proposed methods are shown in the results. Dijkstra based routing showed close results in each test but even between the proposed methods differ in terms of performance depending on the setup because of their reward function design. The proposed methods have given promising results that can be extended for usage in bigger networks. The next step of the work will be network with moving hosts and demonstration of the algorithm in the real-life network setup.
Benzer Tezler
- Mobil ağlar için mobil IPv6 tabanlı yönlendirme optimizasyon şemasının analizi ve sentezi tespiti
Analysis and synthesis of mobile IPv6 based routing optimization schemes for mobile networks
MOHAMEDI MOHAMEDI MJAHIDI
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEMAL KOÇAK
- Predictive quality of service routing for software-defined networks
Yazılım tanımlı ağlar için hizmet kalitesi tabanlı öngörücü rotalama
BUSE PEHLİVAN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. VOLKAN RODOPLU
- Core network anomaly detection using the LSTM model and comparison with various unsupervised learning methods
Telekomünikasyon merkezi şebekelerinde LSTM model ile anomali tespiti ve bazı denetimsiz öğrenme metotları ile kıyaslanması
SAMED ÇALIK
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiBüyük Veri ve İş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- A new geocast routing protocol for Vanet
Vanet için yeni bir geocast yönlendirme protokolü
SINA GOGANI KHIABANI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ
- GEOAKOM: A smart geocasting protocol for vehicular networks
GEOAKOM: Araç ağları için konuma göre akıllı yönlendirme yöntemi
EZGİ TETİK SAĞLAM
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ