شبیه سازی شبکه با نرم افزار NS3 با استفاده از هوش مصنوعی (NS3-AI)

کاربرد هوش مصنوعی در شبیه سازی شبکه با نرم افزار NS3

برای شبیه سازی شبکه های کامپیوتری با هوش مصنوعی در نرم افزار NS3 ماژوال NS3-AI توسط هائو یین و همکاران در سال 2020 توسعه داده شده که در مقاله NS3-AI: Enable Applying Artificial Intelligence to Network Simulation in ns-3 معرفی شده است. در این بخش از سایت این مقاله را به همراه ماژوال NS3-AI برای دانلود رایگان قرار داده ایم. در ادامه توضیحاتی از چیکده این مقاله ارائه شده و لینک دانلود رایگان نسخه انگلیسی مقاله به همراه ابزار ns3-ai قرار داده شده است.

استفاده از هوش مصنوعی در شبکه های کامپیوتری

اخیرا الگوریتم های هوش مصنوعی (AI) به لطف پیشرفت در سرعت پردازش و دستیابی و ذخیره سازی داده ها، به طور گسترده ای در بسیاری از زمینه ها به خصوص در شبکه های کامپیوتری مورد استفاده قرار گرفته است. ارزیابی عملکرد سیستم های شبکه با استفاده از تکنیک های AI می تواند با استفاده از نرم افزار شبیه ساز NS3 انجام شود و اگر NS3 قادر به تعامل با چارچوب های هوش مصنوعی (Artificial Intelligence) منبع باز موجود باشد، چنین مطالعاتی را می توان تسهیل کرد. در سال 2019 یک ماژول برای نرم افزار NS3 به نام ns3-gym جهت اتصال NS-3 به مجموعه ابزار OpenAI Gym منتشر شد که این ماژول از سوکت های Zero MQ به عنوان مکانیزم ارتباطات بین پردازشی (IPC) استفاده می کند.

معرفی مقاله

در این مقاله ما ماژوال ns3-ai را ارائه می کنیم که یک ماژول تازه طراحی شده بین نرم افزار NS3 و چندین چارچوب هوش مصنوعی مبتنی بر زبان پایتون است که تبادل داده کارآمد و با سرعت بالا بین الگوریتم های هوش مصنوعی و NS3 را فراهم می کند. ماژوال ns3-ai از یک سیستم حافظه مشترک برای IPC استفاده می کند که ما در یک مثال کوچک برای رسیدن به بهبود ها در سرعت انتقال IPC تا 50 الی 100 برابر براساس ns3-gym در همان سناریو نشان می دهیم. همچنین ما رابط سطح بالای خود را که برای بهبود انتزاع بین برنامه شبیه ساز NS3 و چارچوب های مختلف هوش مصنوعی (AI) طراحی شده است توصیف می کنیم و یک مثال را بر اساس سناریوی 5GNR ارائه می دهیم. ما فرض می کنیم که این چارچوب جدید ممکن است مزایای عملکردی را نسبت به رویکرد ns3-gym برای مواردی که در آن مقدار زیادی داده باید بین NS3 و چارچوب AI منتقل شود، ارائه دهد.