Удосконалення моделі графової нейронної мережі для задачімітаційного моделювання

Abstract

В умовах стрімкого зростання мережевих систем та їхньої складності завдання точного моделювання мережевих параметрів стає критично важливим для ефективного управління та оптимізації мережевої інфраструктури. У цьому контексті робота фокусується на розширеній версії моделі RouteNet, яка підвищує можливості моделювання за рахунок врахування характеристик вузлів мережі, таких як розміри черг. Оригінальна модель RouteNet демонструє хороші результати в передбаченні затримок і втрат пакетів у однорідних мережевих умовах, проте має суттєві обмеження при наявності варіацій характеристик вузлів.

Розширення моделі передбачає інтеграцію механізмів для роботи з вузлами, що мають різні конфігурації, що дозволяє моделі точніше відображати реальні умови мережі. Це включає врахування параметрів вузлів, таких як розміри черг, які можуть суттєво відрізнятися в реальних мережах. Таке удосконалення робить модель більш адаптивною та точною в умовах, наближених до реальних сценаріїв мережевої роботи.

У рамках дослідження проведено ряд експериментів, що включають навчання та оцінку продуктивності нової моделі, порівняння її з оригінальною версією та аналіз отриманих результатів. Важливим аспектом є оцінка значущості результатів для мережевих досліджень, зокрема для задач імітаційного моделювання комп’ютерних мереж. Це дозволяє не лише підвищити точність моделювання, але й забезпечити більш ефективні рішення для управління та оптимізації сучасних мережевих систем, що є ключовим для їхньої стабільної та продуктивної роботи.