ВЕРИФИКАЦИЯ ИМИТАЦИОННОЙ МОДЕЛИ АЛГОРИТМА МАРШРУТИЗАЦИИ ADAPTIVE RATE FULL ECHO, РАЗРАБОТАННОЙ В СРЕДЕ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ANYLOGIC

Широкое распространение беспроводных сетей с ячеистой топологией и обменом точка-точка актуализирует задачу разработки алгоритмов, повышающих эффективность маршрутизации в таких сетях. Важной особенностью данных сетей является их построение на базе устройств, имеющих ограниченное время работы батареи этих устройств. Поскольку уровень заряда батареи является одним из важных факторов, влияющих на сеть в целом, разработка алгоритмов, способных при построении маршрута учитывать данный фактор, также является актуальной задачей. Ранее автором был разработан новый алгоритм маршрутизации Adaptive Rate Full Echo, в основе которого лежит алгоритм Q-Routing, использующий один из методов машинного обучения, в частности, обучение с подкреплением. Кроме того, в предыдущих работах автора была представлена имитационная модель в системе имитационного моделирования Anylogic, в которой выполнялось моделирование работы разработанного алгоритма. Верификация и поверка имитационной модели является необходимым условием корректности и достоверности получаемых в ней данных. В данной статье представлены результаты проверки адекватности разработанной имитационной модели алгоритма Adaptive Rate Full Echo путем сравнения результатов моделирования с результатами натурных испытаний.

1. Шилова Ю.А. Алгоритм маршрутизации семейства Q-routing, основанный на динамическом изменении коэффициентов обучения за счет оценки средней задержки в сети. Вестник Пермского научного центра. 2015;(2):79-93.

2. Шилова Ю.А., Кавалеров М.В. Разработка алгоритмов маршрутизации семейства QROUTING для мобильных ADHOC сетей. Автоматизированные системы управления и информационные технологии: материалы Всерос. науч.-техн. конф., 15 мая 2015, Пермь. Пермь: Изд-во ПНИПУ; 2015. с. 441-446.

3. Shilova Y., Kavalerov M., Bezukladnikov I. Full Echo Q-Routing with Adaptive Learning Rates: A Reinforcement Learning Approach to Network Routing. Proceedings of the 2016 IEEE North West Russia Section Young Researchers in Electrical and Electronic Engineering Conference, 2016 ElConRusNW, 2-3 February 2016, St. Petersburg. St. Petersburg: St. Petersburg Electrotechnical Univ. LETI; 2016. p. 365-368.

4. Boyan J., Littman M. Packet Routing In Dynamically Changing Networks: A Reinforcement Learning Approach. Advances In Neural Information Processing Systems. 1994:671-678.

5. Kumar S., Miikkulainen R. Dual Reinforcement Q-Routing: An On-Line Adaptive Routing Algorithm. Artificial neural networks in engineering. 1997: 231-238.

6. Choi S., Yeung D.Y., Predictive Q-routing: A memory-based reinforcement learning approach to adaptive traffic control. Advances in Neural Information Processing Systems. 1996;(8):945-951.

7. Subramanian D., Druschel P., Chen J. Ants and reinforcement learning: A case study in routing in dynamic networks. IJCAI (2); 1997. p. 832-839.

8. Tao N., Baxter J., Weaver L. A Multi-Agent Policy-Gradient Approach to Network Routing. ICML, 2001;1. p. 553-560.

9. Sutton R.S., Barto A.G. Reinforcement learning: An introduction. ambridge: MIT press; 1998.

10. Watkins C., Dayan P. Q-learning. Machine learning.1992;8(3):279-292.

11. Шилова Ю.А., Южаков А.А., Безукладников И.И., Кавалеров М.В. Влияние коэффициента «скорость распространения эхо» на эффективность маршрутизации алгоритма AdaptiveRateFullEcho. Вестник ИжГТУ. 2019;22(2):65-72.

12. Шилова Ю.А., Кон Е.Л. Моделирование базового протокола Q-Routing в среде Anylogic. Проблемы техники и технологий телекоммуникаций (ПТиТТ-2016): материалы XVII междунар. науч.-техн. конф., 22-24 ноября 2016, Самара. Самара; 2016. c. 131-132.

13. Shilova Y.A. , Bezukladnikov I.I. Influence of the battery life parameter on the Q-routing algorithm results. 2017 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (ElConRus): Proc. of the 2017 IEEE Russia Section Young Researchers in Electrical and Electronic Engineering Conference (2017 ElConRus), 1-3 Febr. 2017, St. Petersburg, Moscow. St. Petersburg: IEEE; 2017. p. 213-217.