الگوریتم ژنتیک مبتنی بر تعبیه (Embedding-Assisted) برای بهینه سازی مسیریابی در شبکه های نسل ششم (G۶)

با گسترش پژوهش ها در زمینه شبکه های نسل ششم (۶G)، توسعه روش های پویا و انعطاف پذیر برای مدیریت و بهره برداری از شبکه به منظور پشتیبانی از خدمات متنوع اهمیت بیشتری یافته است. افزایش موجودیت های ارتباطی جدید و تغییرات ساختاری شبکه، بهینه سازی مسیریابی را پیچیده تر کرده و نیازمند در نظر گرفتن ویژگی های سرویس و شرایط متغیر شبکه است. اگرچه الگوریتم های ژنتیک به طور گسترده برای حل این مسئله به کار می روند، اما مقداردهی اولیه تصادفی جمعیت اولیه می تواند موجب کاهش پایداری همگرایی و کیفیت پاسخ نهایی شود. در این مقاله، روشی برای بهینه سازی مسیریابی ارائه شده است که با استفاده از شبکه های عصبی گراف (GNN)، وضعیت شبکه را یاد گرفته و کیفیت جمعیت اولیه را پیش بینی می کند. سپس بر اساس این پیش بینی، یک جمعیت اولیه باکیفیت برای اجرای الگوریتم ژنتیک ایجاد می شود. روش پیشنهادی با در نظر گرفتن هم زمان هزینه های ارتباطی و محاسباتی، مسیرهای بهینه ای را متناسب با نیازهای سرویس و شرایط شبکه ارائه می دهد.

کلیدواژه ها:

شبکه های ۶G ، بهینه سازی مسیریابی ، الگوریتم ژنتیک ، شبکه عصبی گراف ، الگوریتم فراابتکاری