محمدامین ناظم - کارشناسی ارشد، دانشکده مهندسی برق، دانشگاه یزد، ایران
قاسم میر جلیلی - استاد دانشکده مهندسی برق، دانشگاه یزد، ایران
علی محمد لطیف - دانشیار دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایران

با فراگیر شدن فن آوری شبکه و اینترنت، محدودیت زیرساخت های فیزیکی مثل پردازنده ها و پهنای باند پیوندهای بین مراکزداده نمی توانست پاسخگوی توسعه خدمات اینترنتی و افزایشتقاضای کابران باشد. این نیاز باعث توسعه پروتکل های جدید مخابراتی گردید. یکی از مهم ترین و کاربردی ترین پروتکل ها، ابداع فن آوری شبکه مجازی است. شبکه مجازی به صورت منطقی ،گره ها و پیوندهای مجازی را بر روی گره و پیوند مجازی مستفر می کند و در نهایت این گره ها و پیوندهای مجازی را با یکدیگر مرتبط می کند؛ بنابراین ایده شبکه مجازی ، رویکردی برای غلبه برمحدودیت های اجزای سخت افزاری شبکه است. در شبکه مجازی مسیریاب ها و سوییچ های مجازی ، توسط پیونده ای مجازی به یکدیگر متصل می شوند. شبکه مجازی توانست مشکلات ناشی ازمحدودیت های پردازنده ها و پیونده ای ارتباطی بین آنها را در لایه فیزیکی حل نماید، اما ظرفیت این شبکه مجازی نیز محدود بود و پاسخگویی به رشد تقاضاهای تامین کنندگان خدمات را بامشکل مواجه کرد، لذا تامین کنندگان زیرساخت، بر ای دادن خدمات به همه تقاضاهای تامین کنندگان خدمات و استفاده بهینه از ظرفیت شبکه فیزیکی از الگوریتم های مختلف بهینه سازی برای جاسازی شبکه های مجازی به صورت بهینه استفاده کردند. بزرگ ترین چالش الگوریتم بهینه سازی، جاسازی درخواست های پویای مجازی از طرف کابران است. الگوریتم های فراابتکاری از پرکاربردترین روش های بهینه سازی تقریبی است. جاسازی شبکه مجازی با توجه به محدودیت های موجود در گره ها و پیوندها جزو مسائل محاسباتی پیچیده است. درخواست های مجازی کاربران به صورت تصادفی صادر می گردند و تامین کنندگان خدمات، هیچ اطلاعاتی راجع به نوع درخواست بعدی ندارند. لذا تامین کنندگان خدمات، برای بازدهی بیشتر شبکه فیزیکی، باید در خصوص نوع الگوریتم نگاشت، تصمیم گیری کنند. در این مقاله، جدیدترین روش بهینه سازی فراابتکا ری به نام الگوریتم آموزش و یادگیری برای جاسازی شبکه مجازی پیشنهاد می شود. کم بودن پارامترهای تنظیم الگوریتم آموزش و یادگیری و همچنین جابه جایی موقعیت جواب های تصادفی به سمت میانگین موقعیت جواب ها باعث برتری این الگوریتم نسبت به دیگر الگوریتم های فراابتکاری شده است. در این مقاله برای مقایسه جامع و کارایی، این الگوریتم با دیگر الگوریتم های فراابتکاری، ابتدا هریک از الگوریتم ها توسط معیارهایی دریک دوره زمانی مشخص با یکدیگر مقایسه شدند. سپس هریک از الگوریتم ها با تغییر نرخ تولید شبکه مجازی با یکدیگر مقایسه شدند. در آخر با افزایش تعداد گره در شبکه فیزیکی الگوریتم ها با یکدیگر با مقایسه شدند. نتایج تمامی سناریوها، به طور متوسط عملکرد بهتر الگوریتم آموزش و یادگیری را نسبت به دیگر روش های فراابتکاری در تمام معیارهای فوق نشان می دهد .

جاسازی شبکه مجازی، روش های فراابتکاری، الگوریتم آموزش و یادگیری