ارائه روشهای جدید برای کاهش تاخیر در شبکه های لبه

شبکه های لبه به دلیل پردازش داده ها در نزدیکی کاربران نهایی، راهکاری موثر برای کاهش تاخیر و بهبود عملکرد برنامه های حساس به زمان مانند اینترنت اشیا (IoT)، پخش ویدئوی زنده و فناوری ۵G ارائه می دهند. با این حال، چالش هایی نظیر تخصیص ناکارآمد منابع و ناتوانی در انطباق با تغییرات پویای شبکه، تاخیر را به مشکلی اساسی تبدیل کرده است. هدف این پژوهش، ارائه یک روش نوین مبتنی بر یادگیری تقویتی برای بهینه سازی مدیریت منابع و کاهش تاخیر در این شبکه ها است. در این مطالعه، یک الگوریتم هوشمند طراحی شده که با تحلیل لحظه ای شرایط شبکه، منابع محاسباتی و مسیرهای انتقال داده را بهینه می کند. شبیه سازی ها در محیطی با بار ترافیکی متغیر انجام شد و نتایج نشان داد که تاخیر در مقایسه با روش های سنتی مانند زمان بندی Round-Robin و کشینگ LRU به طور متوسط ۳۲ درصد کاهش یافته است. این بهبود به ویژه در سناریوهای پرتقاضا مانند IoT و پخش ویدئو قابل توجه بود. این پژوهش بر پتانسیل رویکردهای هوشمند در ارتقای کارایی شبکه های لبه تاکید دارد و راهکارهایی عملی برای پیاده سازی در سیستم های واقعی ارائه می دهد.

کلیدواژه ها:

شبکه های لبه ، کاهش تاخیر ، یادگیری تقویتی ، مدیریت منابع ، بهینه سازی