Techniques d'apprentissage par renforcement pour le routage adaptatif dans les réseaux de télécommunication à trafic régulier

Download or read book Techniques d'apprentissage par renforcement pour le routage adaptatif dans les réseaux de télécommunication à trafic régulier written by Said Hoceini and published by . This book was released on 2004 with total page 176 pages. Available in PDF, EPUB and Kindle. Book excerpt: L'objectif de ce travail de thèse est de proposer des approches algorithmiques permettant de traiter la problématique du routage adaptatif (RA) dans un réseau de communication à trafic irrégulier. L'analyse des algorithmes existants nous a conduit à retenir comme base de travail l'algorithme Q-Routing (QR); celui-ci s'appuie sur la technique d'apprentissage par renforcement basée sur les modèles de Markov. L'efficacité de ce type de routage dépend fortement des informations sur la charge et la nature du trafic sur le réseau. Ces dernières doivent être à la fois, suffisantes, pertinentes et reflétant la charge réelle du réseau lors de la phase de prise de décision. Pour remédier aux inconvénients des techniques utilisant le QR, nous avons proposé deux algorithmes de RA. Le premier, appelé Q-Neural Routing, s appuie sur un modèle neuronal stochastique pour estil et mettre à jour les paramètres necessaires au RA. Afin d'accélérer le temps de convergence, une deuxième approche est proposée K-Shortest path Q-Routing. Elle est basée sur la technique de routage mufti chemin combiné avec l'algorithme QR, l'espace d'exploration étant réduit aux k meilleurs chemins. Les deux algorithmes proposés sont validés et comparés aux approches traditionnelles en utilisant la plateforme de simulation OPNET, leur efficacité au niveau du lL\ est mise particulièrement en évidence. En effet, ceux-ci permettent une meilleure prise en compte de l'état du réseau contrairement aux approches classiques.