هوش مصنوعی برای ارتقای عملکرد شبکه: معماری ها، الگوریتم ها، پیاده سازی و چالش ها

با گسترش تقاضای کاربرد های نیازمند پهنای باند بالا (مانند ویدئو، واقعیت مجازی ، اینترنت اشیاء گسترده و سرویس های ۵G/۶G)، افزایش دینامیک ترافیک و نیازهای کیفی شبکه ها، روش های سنتی پایش و مدیریت شبکه را ناکافی نشان داده اند. هوش مصنوعی — شامل یادگیری عمیق ، یادگیری تقویتی و یادگیری توزیع شده — پتانسیل چشمگیری برای بهبود پیش بینی ترافیک، تصمیم گیری در تخصیص منابع، کنترل ازدحام، شناسایی ناهنجاری و خودبهینه سازی شبکه را دارد. این مقاله مروری فنی و یکپارچه بر حوزه «هوش مصنوعی برای عملکرد شبکه» ارائه می دهد: از الگوریتم های پیش بینی و یادگیری تقویتی عمیق برای مسیریابی تا معماری های لبه هوشمند درون شبکه ای و روش های اعتبارسنجی پیش استقرار . همچنین یک چارچوب مهندسی پیشنهادی، پروتکل ارزیابی و مجموعه ای از چالش ها و مسیرهای پژوهشی آینده مطرح می شود.

کلیدواژه ها:

پیش بینی ترافیک ، یادگیری تقویتی عمیق ، بهینه سازی شبکه ، هوش مصنوعی لبه ای ، هوش مصنوعی درون شبکه ای ، شبیه سازی یا کلون شبکه