ПОЗНАВАТЕЛЬНОЕ

Сила воли ведет к действию, а позитивные действия формируют позитивное отношение

Как определить диапазон голоса - ваш вокал

Игровые автоматы с быстрым выводом

Как цель узнает о ваших желаниях прежде, чем вы начнете действовать. Как компании прогнозируют привычки и манипулируют ими

Целительная привычка

Как самому избавиться от обидчивости

Противоречивые взгляды на качества, присущие мужчинам

Тренинг уверенности в себе

Вкуснейший "Салат из свеклы с чесноком"

Натюрморт и его изобразительные возможности

Применение, как принимать мумие? Мумие для волос, лица, при переломах, при кровотечении и т.д.

Как научиться брать на себя ответственность

Зачем нужны границы в отношениях с детьми?

Световозвращающие элементы на детской одежде

Как победить свой возраст? Восемь уникальных способов, которые помогут достичь долголетия

Как слышать голос Бога

Классификация ожирения по ИМТ (ВОЗ)

Глава 3. Завет мужчины с женщиной

Оси и плоскости тела человека - Тело человека состоит из определенных топографических частей и участков, в которых расположены органы, мышцы, сосуды, нервы и т.д.

Отёска стен и прирубка косяков - Когда на доме не достаёт окон и дверей, красивое высокое крыльцо ещё только в воображении, приходится подниматься с улицы в дом по трапу.

Дифференциальные уравнения второго порядка (модель рынка с прогнозируемыми ценами) - В простых моделях рынка спрос и предложение обычно полагают зависящими только от текущей цены на товар.

Использование нейронных сетей для маршрутизации

Возможности применения аппарата ИНС для моделирования и решения задач маршрутизации в ТКС продемонстрируем на сетевой структуре, представленной на рис. 1.1 Вершины данной сети представляют собой узлы (маршрутизаторы) ТКС, а дуги между вершинами – каналы связи между узлами. Характеристики каналов связи для данной сети зададим вектором , где – пропускная способность (ПС) канала связи (КС) между i -м и j -м узлами сети.

Рисунок 1.1 Структура исследуемой ТКС

Формирование обучающей выборки для ИНС осуществлялось на основе формализации и решения задачи потоковой оптимизации, связанной с расчетом искомых маршрутов для ТКС с различной топологией и ПС каналов связи. Ограничениями, представленными в форме равенств, выступали условия сохранения потока в каждом узле сети, которые для структуры ТКС, представленной на рис. 1, имели вид

где – интенсивность трафика, передаваемого в КС между i -й и j -й вершинами;

S – средняя интенсивность передаваемого трафика между узлами 1 и 5 в ТКС.

В структуре оптимизационной задачи в обязательном порядке присутствовали ограничения-неравенства – условия отсутствия перенагрузки каналов связи ТКС:

Например, для реализации однопутевой маршрутизации на значения , накладываются дополнительные ограничения:

т.е. переменная , принимает значение 1, если трафик протекает по каналу (i, j); и 0 в противном случае. В качестве критерия оптимальности выступало выражение

при этом элементы вектора весовых коэффициентов (метрик КС) выбирались как , что гарантировало поиск пути с максимальной пропускной способностью.

Таким образом, в рассматриваемом случае решение задачи однопутевой маршрутизации сводилось к решению оптимизационной задачи (1) - (4).

Непосредственное формирование обучающей выборки осуществлялось при фиксированной структуре ТКС с генерацией случайным образом значений пропускной способности , ее КС, при этом эти значения , выбирались из ограниченного множества, например, . Таким образом, было сформировано 1000 обучающих примеров, в рамках которых была сформирована обучающая выборка (табл. 1.1) состоящая из значений входа ИНС , и значений отклика ИНС на входное воздействие . При этом принимало значение , что соответствует использованию или не использованию соответствующего КС в формировании искомого маршрута.

Таблица 1.1 Пример построения обучающих примеров

Сформированная обучающая выборка позволила перейти к формированию и исследованию ИНС. Для анализа возможности использования ИНС при решении задачи маршрутизации была рассмотрена сеть прямого распространения (многослойный персептрон), как наиболее изученный вид ИНС. Использование двухслойной ИНС обусловлено тем, что данная сеть имеет большую емкость «памяти» для запоминания образов в своей структуре, высокую скорость работы, широкие возможности обобщения при минимальном количестве обучающих примеров и приемлемое время обучения. Структура многослойного персептрона представлена на рис. 1.2.

Рисунок 1.2 Структура использованной нейронной сети

Структура ИНС (рис. 1.2) имеет входной слой, два скрытых слоя и один выходной слой. Передача данных между слоями осуществлялась с помощью взвешенных связей , где k – номер нейрона предшествующего слоя, а l – номер нейрона последующего слоя. Опишем данную ИНС:

– количество входов нейронной сети определяется количеством каналов связи в ТКС, для анализируемой структуры сети (рис. 1.1) их 6. Входным переменным присваиваются значения, характеризующие ПС КС . Данные с этих входов передаются на первый скрытый слой;

– первый скрытый слой состоял из 10 нейронов (количество слоев в ИНС и нейронов в слое получено исходя из количества обучающих примеров) с сигмои- дальной функцией активации. Данные с этого слоя передаются на второй скрытый слой;

– второй скрытый слой состоял из 10 нейронов с сигмоидальной функцией активации. Данные с этого слоя передаются на выходной слой;

– выходной слой состоял из 6 нейронов с линейной функцией активации. Количество нейронов в выходном слое определялось также количеством КС в рассматриваемой ТКС (рис. 1.1).

Значения выходных нейронов имеют бинарный вид ( или ). Например, если , то это означает, что канал не входит в искомый маршрут, если же , то входит в этот маршрут (рис. 2). В результате исследования модели (1) - (4) применительно к структуре ТКС (рис. 1.1) было установлено, что между первым и пятым узлами можно использовать три маршрута в зависимости от того, какие значения ПС присваивались КС. Напри- мер, для варианта выбора ПС КС, представленного на рис 3, искомый вектор принимал значения

т.е. рассчитанный маршрут проходил через узлы 1-2-5 и включал в себя два КС, обеспечивая максимально возможную пропускную способность ТКС при однопутевой маршрутизации.

Рисунок 1.3 Вариант расчета маршрута в ТКС

Для примера №1000 искомый маршрут проходил через три КС:

Следует отметить, что для проведения исследований сформированная обучающая выборка должна была отвечать следующим требованиям:

1. В ней должны быть представлены все типы маршрутов в одинаковых пропорциях, иначе сеть будет обучена принимать одинаковые решения при различных исходных данных, т.е. стремиться к тому варианту, который представлен большим числом обучающих примеров;

2. Все обучающие примеры формируются случайным образом;

3. Количество обучающих примеров для каждого из возможных маршрутов в ТКС должно быть одинаково, иначе не гарантируется правильная работа обученной ИНС. Обучения сети проводилось на протяжении 10000 эпох. Одна эпоха подразумевает однократное представление всех обучающих примеров на вход ИНС и корректировку весов связей сети ( ) в зависимости от значений выходов.