RP-DQN: An application of Q-Learning to Vehicle Routing Problems
University of Hildesheim（希尔德斯海姆大学）
在本文中，我们提出了一种新的方法来解决复杂的路由问题与改进的状态表示，利用模型的复杂性比以前的方法更好。我们通过从时间差异进行训练来实现这一点。特别是Q-Learning。我们表明，我们的方法实现了最先进的性能，自回归政策，顺序插入节点构建解决方案的CVRP。此外，我们是第一个用机器学习方法解决MDVRP的人，并证明了这种问题类型从我们的方法中大大受益于其他ML方法。
2021-04-25 cs.LG
Short Quantum Circuits in Reinforcement Learning Policies for the Vehicle Routing Problem
QC Ware Corp.（QC韦尔公司）；AISIN CORPORATION（爱信公司）；Aisin Technical Center of America（美国爱信技术中心）
量子计算和机器学习具有共生的潜力。然而，除了当前设备的硬件限制之外，在量子线路能够有效地与当前的机器学习任务结合之前，仍然存在必须解决的基本问题。我们报告了一种新的策略，这种整合的背景下，用于强化学习的注意力模型。实现注意力机制的代理已成功地应用于某些情况下的组合路由问题，首先编码节点上的图，然后依次解码节点，直到选择的路线。我们证明了简单的量子线路可以用来代替经典的注意头层，同时保持性能。我们的方法修改了[1]中使用的网络，将每个节点的密钥和查询向量替换为在测量之前纠缠的量子态。由此产生的混合经典量子代理的车辆路径问题的情况下，其性能是有竞争力的，与原来的经典方法进行了测试。我们认为我们的模型是一个可以扩大规模的原型，也是进一步研究量子计算在强化学习中作用的途径。
2021-09-15 cs.LG quant-ph
Hybrid computer approach to train a machine learning system
BrandMaker；FOM University of Applied Sciences for Economics and Management（FOM经济管理应用科学大学）；Ulm University（乌尔姆大学）
本书章节描述了一种通过混合计算机设置（即与模拟计算机紧密耦合的数字计算机）来训练机器学习系统的新方法。作为一个例子，强化学习系统被训练来平衡在模拟计算机上模拟的倒立摆，从而展示了充分模拟强化学习环境的主要挑战的解决方案。
2021-03-13 cs.AI cs.ET cs.LG
Advancing Routing-Awareness in Analog ICs Floorplanning
University of Trieste（特里斯特大学）；Infineon Technologies AT（英飞凌技术AT分公司）；Infineon Technologies AG（英飞凌技术AG分公司）
本文提出一种结合强化学习与关系图卷积神经网络的模拟IC自动布局规划引擎，通过高分辨率网格、引脚信息和动态布线资源估计提升可布线性，显著减少死区与线长并提高布线成功率。
2025-10-17 cs.AI cs.LG
Reinforcement Learning for Solving Stochastic Vehicle Routing Problem
MBZUAI（穆罕默德·本·扎耶德人工智能大学）
本文提出一种端到端强化学习框架，全面处理随机车辆路径问题中的随机性，相比最先进元启发式算法降低旅行成本3.43%，并展现出跨设置的鲁棒性。
2023-11-13 cs.AI cs.CE cs.LG
A Deep Reinforcement Learning Algorithm Using Dynamic Attention Model for Vehicle Routing Problems
Department of Computer Science, Sun Yat-sen University（中山大学计算机科学系）；Sun Yat-sen University（中山大学）
最近的研究表明，机器学习有可能学习到比人类设计的算法更好的算法来解决组合优化问题。深度神经网络用于表征输入实例以增量地构造可行解。最近，一个注意力模型被提出来解决路由问题。在此模型中，实例的状态由随时间固定的节点特征表示。然而，实际情况是，模型在不同的构造步骤所做的决策会改变实例的状态，节点特征也会相应地更新。因此，本文提出了一种具有动态编码器-解码器结构的动态注意力模型，使模型能够在不同的构造步骤中动态地探索节点特征，有效地挖掘隐藏的结构信息。本文研究了一个具有挑战性的NP-难问题--车辆路径问题。实验表明，该模型的性能优于以往的方法，也表现出良好的泛化性能。
2020-02-09 cs.AI cs.LG stat.ML
A New Localized Network Based Routing Model in Computer and Communication networks
鉴于路由算法是网络层实体，并且任何路由算法的不同性能取决于底层网络的事实。局部化路由算法通过使用流阻塞概率的统计来避免与维护全局网络状态相关联的问题。我们开发了一个新的网络参数，可以用来预测网络拓扑结构提供更好的性能本地化的QoS路由算法的质量。使用这个参数，我们探索一个简单的模型，可以重新布线，以提高性能。我们发现该模型具有较小的特征路径长度。随机和复杂网络的模拟表明，性能显着影响的连接水平。
2011-03-17 cs.NI
Model and Machine Learning based Caching and Routing Algorithms for Cache-enabled Networks
网内高速缓存可能成为各种联网系统（例如，5G网络，LPWAN和IoT系统）。在本文中，我们比较和对比了基于模型的方法和机器学习方法，用于设计缓存和路由策略，以提高缓存网络性能（例如，延迟、命中率）。我们首先概述了基于模型的策略设计中使用的关键原则，并讨论了这些方法获得的分析结果和界限。通过对真实世界的痕迹和网络进行实验，我们确定了内容流行度偏度和请求流相关性之间的相互作用是影响缓存性能的重要因素。关于路由，我们表明，影响性能的主要因素是备用路径路由和内容搜索。然后，我们讨论了多种机器学习模型的适用性，特别是强化学习，深度学习，迁移学习和概率图形模型的缓存和路由问题。
2020-04-14 cs.NI
On the Simulation of Trusted Routing Mechanism
在计算机网络中的数据安全机制中，可信路由被认为是一种安全机制。选择了其仿真方法，并对网络仿真器的选择进行了论证。
2015-07-27 cs.NI
Context-Aware Hybrid Routing in Bluetooth Mesh Networks Using Multi-Model Machine Learning and AODV Fallback
Woosong University（又松大学）
针对蓝牙网状网络在拥塞和拓扑变化下AODV路由性能下降的问题，提出融合四个监督学习模型的混合路由框架，通过统一评分动态选择下一跳，在仿真中实现99.97%的投递率，显著提升可靠性与适应性。
2025-09-25 cs.LG cs.NI
Towards Machine Learning-Enabled Context Adaption for Reliable Aerial Mesh Routing
在本文中，我们提出了上下文自适应PARRoT（CA-PARRoT）作为我们以前的工作预测Ad-hoc路由驱动的强化学习和轨迹知识（PARRoT）的扩展。在城市环境中发生的短期效应已被证明对基于强化学习（RL）的路由过程具有负面影响。因此，我们增加了一个基于定时器的补偿机制的更新过程中，并引入了一个混合机器学习（ML）的方法来分类无线电环境原型（REP）与一个专用的ML组件，使协议的自主上下文自适应。新协议的性能进行评估，考虑到不同的REP在综合网络模拟和比较知名的移动自组织网络（MANDO）建立路由协议。结果表明，CA-PARRoT能够补偿不同REP中面临的挑战，并将其关键性能指标（KPI）与PARRoT相比提高了23%，并优于已建立的路由协议高达50%。
2021-07-13 cs.NI
MER-SDN: Machine Learning Framework for Traffic Aware Energy Efficient Routing in SDN
Koc University（科克大学）
软件定义网络（SDN）通过分离控制平面和数据平面来实现网络的可编程性。它实现了网络管理和控制的灵活性。能源效率是一个具有挑战性的全球性问题，具有经济和环境影响。在基于SDN的网络的控制器中生成大量信息。机器学习使计算机能够逐步从数据中学习，而无需编写特定的指令。在这项工作中，我们提出了MER-SDN：一个机器学习框架的流量感知能源效率的SDN路由。特征提取、训练和测试是学习机的三个主要阶段。实验在Mininet和POX控制器上进行，使用真实世界的网络拓扑结构和来自SNDlib的动态流量跟踪。实验结果表明，该方法能有效地减少特征尺寸约65%，提高能量有效的预测算法的参数预测精度70%以上，并且预测改进算法能以25倍的加速比将预测值收敛到最优参数值.
2021-08-05 cs.LG cs.NI stat.ML
Can Neural Networks Provide Latent Embeddings for Telemetry-Aware Greedy Routing?
Autonomous Learning Robots, Karlsruhe Institute of Technology, Germany（自主学习机器人，卡尔斯鲁厄大学技术与科学学院）
Placer通过信息传递网络将网络状态转换为潜在嵌入，实现高效贪心路由并可视化网络事件对路由决策的影响。
2026-02-13 cs.AI cs.LG cs.NI
Machine Learning-Assisted Least Loaded Routing to Improve Performance of Circuit-Switched Networks
近几十年来，最小负载（LL）路由算法一直是电路交换网络中选择的路由方法，因此它提供了一个可以与新方法进行比较的基准。本文通过引入机器学习方法，使用概念上简单的监督朴素贝叶斯（NB）分类器来提高LL算法的性能。基于一系列历史网络快照，预测每个节点对之间潜在的未来电路阻塞概率。这些快照是针对到达网络的每个服务请求拍摄的，并记录每个链路上在该时刻的繁忙容量单元的数量。用于服务当前服务请求的候选路由基于链路负载和在该路由确实被使用的情况下整个网络的潜在未来阻塞概率。通过仿真研究了该方法的性能，并与传统的LL算法和基于最短路径（SP）的方法进行了比较。实验结果表明，该算法显著降低了业务连接请求的阻塞概率，性能优于传统的LL和SP路由算法.为了使学习过程能够基于大量的网络快照，我们还开发了一个并行计算框架来实现并行学习和性能评估。最后，提出了一种支持朴素贝叶斯分类器辅助LL路由算法的网络控制系统。
2018-04-03 cs.NI
Knowledge-Guided Machine Learning for Stabilizing Near-Shortest Path Routing
The Ohio State University（俄亥俄州立大学）；University of Houston（休斯顿大学）
提出一种知识引导的机器学习算法，利用单图少量样本训练DNN学习局部路由策略，解决全对近最短路径问题，并发现优于贪婪转发的GreedyTensile路由，具有可解释性和超低延迟。
2025-09-08 cs.LG cs.NI
A summary of the routing algorithm and their optimization,performance
本文系统综述了计算机网络中各类路由算法的优化与性能评估，涵盖最短路径、洪泛、距离向量、链路状态等基本策略及更复杂技术。
2024-02-24 cs.NI
Authentication and routing in simple Quantum Key Distribution networks
我们认为，一旦出现的各种问题，试图实际实现简单的量子中继网络的QKD。特别是，我们讨论了认证和路由，这是任何QKD网络的基本组成部分。本文旨在解决量子密钥分发网络的量子和网络方面之间的一些差距，通常保留给物理学和计算机科学的专家分别。
2005-06-01 cs.CR cs.NI quant-ph
Coordinator Location Effects in AODV Routing Protocol in ZigBee Mesh Network
ZigBee网状网是计算机网络中一个非常重要的研究领域。然而，ZigBee协调器的位置在设计和路由性能中起着重要作用。本文通过对节点电池电压衰减、邻居表、时延和网络拓扑结构的研究，对影响AODV路由协议性能的因素进行了深入的分析。仿真结果表明，协调器的位置近似相等的距离内的所有节点是更适合终身电池和AODV路由性能。
2017-12-12 cs.NI
A Deep Learning Perspective on Network Routing
Hebrew University of Jerusalem（希伯来大学）；Microsoft Research（微软研究院）；Technion（以色列理工学院）
路由可以说是计算机网络中最基本的任务，也是研究最广泛的任务。现实环境中路由的一个关键挑战是需要应对未来流量需求的不确定性。我们提出了一种新的方法来解决需求不确定性下的路由问题：将这一挑战作为随机优化来解决，并采用深度学习来学习交通需求中的复杂模式。我们表明，我们的方法可证明收敛到全局最优的多商品流的理论模型研究。我们通过放大广域网（WAN）上的流量工程（TE）的现实挑战来验证我们方法的实用性。我们对现实世界的流量和网络拓扑结构进行了广泛的实证评估，确定我们的方法的TE质量几乎与（不可行的）无所不知的Oracle相匹配，优于以前提出的方法，并且还大大降低了运行时间。
2023-03-05 cs.LG cs.NI
Comments on "CRB-RPL: A Receiver-based Routing Protocol for Communications in Cognitive Radio Enabled Smart Grid"
Yang等人最近的一篇论文[1]提出CRB-RPL作为一种新的基于RPL的路由协议，用于认知无线电（CR）启用的智能电网中的通信。本质上，CRB-RPL采用CRB-MAC的操作，CRB-MAC是用于认知机器对机器（M2M）通信的介质访问控制（MAC）协议，并将其描述为网络层增强。CRB-RPL在协议操作和分析方面存在许多技术缺陷。本文的主要目的是突出CRB-RPL的这些技术缺陷，并提供分析建模的校正。
2017-03-22 cs.NI
Routing Algorithms
本文全面综述路由算法，涵盖其原理、分类、挑战、进展与应用，重点分析距离向量、链路状态和路径向量算法及混合方法，并探讨路由环路与可扩展性等问题的解决研究。
2024-03-17 cs.NI
Study of Cluster-Based Routing Based on Machine Learning for UAV Networks in 6G
本文针对6G无人机网络提出了一种基于XGBoost移动性预测与复合优化的机器学习驱动动态分簇与簇头选择框架，显著提升了分散式场景下的网络延迟、抖动和吞吐量等性能。
2025-10-31 cs.NI
Shortcuts to quantum network routing
量子网络有望实现长距离量子通信，并将小型量子设备组装成大型量子计算集群。因此，每个网络节点都可以被看作是一个小的几个量子比特的量子计算机。量子比特可以通过连接附近量子节点的直接物理链路发送，或者通过远程网络节点之间预先建立的纠缠进行隐形传态。这种预先共享的纠缠有效地形成了一条捷径-虚拟量子链路-可以只使用一次。在这里，我们提出了一个量子网络的抽象，允许从计算机科学的想法被应用到路由量子比特的问题，并管理网络中的纠缠。具体来说，我们考虑这样一种场景，其中每个量子网络节点可以通过物理连接与其近邻创建EPR对，并执行纠缠交换操作，以创建长距离虚拟量子链路。我们继续讨论量子网络所特有的特征，这些特征要求开发新的路由技术。作为一个例子，我们提出了两个简单的分层路由方案的N个节点的量子网络的环形和球形拓扑结构。对于这些拓扑结构，我们提出了高效的路由算法，需要O（log N）量子比特存储在每个网络节点，O（polylog N）的时间和空间来执行路由决策，和O（log N）的时间步长来补充的虚拟量子链路的纠缠生成模型。
2016-10-17 cs.NI quant-ph
Flow-Packet Hybrid Traffic Classification for Class-Aware Network Routing
University of Toronto（多伦多大学）；TELUS（泰勒斯公司）
使用机器学习技术的网络流量分类已经被广泛研究。大多数现有的计划分类整个交通流量，但有很大的局限性，其实用性。在网络路由器上，需要以最小的延迟处理数据包，因此分类器不能等到流结束才做出决定。此外，复杂的机器学习算法可能在计算上过于昂贵而无法在路由器内部实现。在本文中，我们引入流包混合流量分类（FPHTC），其中路由器作出决定，每个数据包的基础上的路由策略，设计通过转移学习的知识，从基于流的分类驻留在路由器之外。我们分析了FPHTC的推广界，并显示其优势，定期基于数据包的流量分类。我们目前的实验结果使用真实世界的流量数据集来说明FPHTC的分类性能。我们表明，它是强大的流量模式的变化，可以部署有限的计算资源。
2021-04-30 cs.LG cs.NI
A Routing Mechanism Based on Social Networks and Betweenness Centrality in Delay-Tolerant Networks
随着移动智能设备的日益普及，现有的网络已经无法满足许多复杂场景的需求，现有的网络架构和协议不能很好地适应高时延、频繁断网的网络。为了提高这些网络的性能，一些学者开辟了一个新的研究领域--容迟网络，其中一个重要的研究课题就是数据包的转发和路由机制。针对计算机网络和社交网络中节点具有高度行为相似性的特点，提出了一种基于社交网络的路由方案。为了进一步提高效率，本文还提出了一种机制，这是现有的介数中心的路由算法的改进版本。实验结果表明，该方案具有更好的性能比现有的友谊路由算法。
2016-01-07 cs.NI
NeuRoute: Predictive Dynamic Routing for Software-Defined Networks
介绍了一种完全基于机器学习，特别是神经网络的软件定义网络（SDN）动态路由框架NeuRoute。目前的SDN/OpenFlow控制器使用基于Dijkstra算法的默认路由来实现最短路径，并提供API来开发自定义路由应用。NeuRoute是一个与网络无关的动态路由框架，它（i）实时的预测流量矩阵，（ii）使用神经网络来学习流量特征，（iii）相应地生成转发规则以优化网络吞吐量。NeuRoute实现了与最有效的动态路由启发式算法相同的结果，但执行时间要少得多。
2017-09-18 cs.NI
Babel Routing Protocol for OMNeT++ - More than just a new simulation module for INET framework
计算机网络的路由和交换能力就像是一个封闭的环境，包含了一组有限的已部署协议，没有人敢改变。大多数有线网络设计都坚持使用OSPF（保证网络层上的动态路由交换）和RSTP（确保无环路数据链路层拓扑）。最近，出现了更多特定于用例的路由协议，例如Babel。这些技术声称具有比当前行业标准更好的特性。Babel是距离矢量路由协议家族的一个新贡献，它在小型双栈（IPv6和IPv4）网络中的发展势头越来越大。本文简要介绍了Babel行为，并提供了详细的OMNeT++离散事件模拟器中的实现。
2016-09-16 cs.NI
Charting the Complexity Landscape of Waypoint Routing
现代计算机网络支持感兴趣的新路由模型，其中从源s到目的地t的业务流可以通过一系列路点（诸如（硬件）中间盒或（虚拟化）网络功能）灵活地操纵，以创建创新的网络服务，如服务链或分段路由。虽然在过去的几年里，提供这种路由模型的好处和技术挑战已经得到了阐述和深入研究，但对底层算法流量路由问题的了解要少得多。本文表明，路点路由问题具有深刻的组合结构，我们建立了有趣的连接到几个经典的图论问题。我们发现路径点路由问题的难度取决于具体的设置，并绘制了一个全面的景观的计算复杂性。特别是，我们得到了几个NP-硬度的结果，但我们也证明了精确的多项式时间算法存在广泛的实际相关的情况。
2017-09-01 cs.DS cs.NI
Routing for Large ML Models
Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Technion（以色列理工学院）；Huawei Network.IO Innovation Lab（华为Network.IO创新实验室）
本文针对大型机器学习模型训练中通信模式规律且持续的特点，提出一个算法框架，用于量化数据中心网络的全网效率并周期性优化路由。
2025-03-07 cs.LG cs.NI
UML modelling of geographic routing protocol "Greedy Perimeter Stateless Routing" for its integration into the "Java Network Simulator"
在这项工作中，我们提出了一个UML建模的“贪婪周长无状态路由”（GPSR）协议，将这种地理路由协议，到“JavaNetwork Simulator”模拟和研究这个协议在第一时间，并提供一些改进这些功能。Java Network Simulator（JNS）是由“伦敦大学学院计算机科学系“发起的将网络模拟器（NS）“翻译”为Java语言的项目。这个模拟器不像ns-2那样完整，但对于不熟悉Tcl的程序员来说，它更容易使用。Java Network Simulator目前还不支持车载自组网的路由协议，所有的路由决策都是静态的或者使用RIP和OSPF。通过将GPSR路由协议建模并集成到JNS中，用户将能够理解地理路由的概念以及路由信息如何在车载自组网节点之间传输和更新。本文首先分析了Java网络模拟器的体系结构，然后简要介绍了路由协议GPSR，最后给出了在Java网络模拟器中结合GPSR的UML建模。
2012-03-21 cs.NI
On the Performance comparison of RIP, OSPF, IS-IS and EIGRP routing protocols
路由协议已经成为现代通信网络的重要组成部分。路由协议的职责在于确定路由器相互通信的方式，以便使用最佳路径将任何类型的数据包从源转发到目的地，从而提供最高的效率。今天有许多路由协议，有些是旧的，有些是新的，但都用于相同的目的。一般地说，理想地选择计算机网络上任意两个节点之间的路由并传播信息。本文考虑了四个这样的路由协议（RIP，OSPF，IS-IS和EIGRP），表达他们，并分析他们的工作方式。它还提出了模拟的结果，发生的唯一目的是研究这四个协议的行为，在相同的情况下，以及评估的基础上的模拟结果相互比较。
2015-02-25 cs.NI
Enhancing Video Transmission with Machine Learning based Routing in Software-Defined Networks
本研究利用SDN的集中式结构，提出基于AI的路由算法，在NSFNET拓扑中通过机器学习技术优化视频传输，并创建新数据集以评估性能。
2024-09-16 cs.NI
Quantum-Assisted Joint Virtual Network Function Deployment and Maximum Flow Routing for Space Information Networks
本文针对启用NFV的空间信息网络，提出联合优化用户关联、VNF部署与流路由的混合量子-经典Benders分解算法，以最大化用户处理数据量并解决经典计算难以求解的MILP问题。
2024-09-20 cs.NI
Taking A Free Ride for Routing Topology Inference in Peer-to-Peer Networks
对等（P2P）网络中，如果节点提供底层网络层路由拓扑结构，可以提高其性能。推断从一台终端主机到一组其他主机的网络层路由拓扑和链路性能的任务被称为网络断层扫描，它通常需要主机发送探测消息。我们设计了一种被动的网络断层扫描方法，不需要任何探测消息，并采取免费乘坐的数据流在P2P网络。它基于端到端时延相关估计（DCE）来推断路由拓扑，而不需要中间路由器的任何同步或合作。我们在真实的互联网环境中实现并测试了我们的方法，并取得了92%的准确率在拓扑恢复。我们还在OMNet++中进行了大量的仿真，以评估其在大规模网络上的性能，表明其拓扑恢复准确率约为95%。
2014-03-29 cs.NI
Routing-Verification-as-a-Service (RVaaS): Trustworthy Routing Despite Insecure Providers
当今的计算机网络通常不向用户提供任何机制来以可靠的方式获知其分组已经（和还没有）采用了哪些路径。相反，似乎不可避免的是，一旦数据包离开网卡，用户就被迫相信网络提供商会按照预期或约定转发数据包。这可能是不可取的，特别是考虑到当今网络向更可编程网络发展的趋势：在网络管理系统或软件定义网络（SDN）控制平面上成功进行网络攻击后，攻击者原则上完全控制了网络。本文提出了一种低成本和有效的解决方案，以检测不当行为并确保在不受信任或不安全的提供商上的可信路由，特别是其管理系统或控制平面已受到损害的提供商（例如，网络攻击）。我们提出了验证即服务（RVaaS）：RVaaS为客户端提供了一个灵活的接口来查询与其流量相关的信息，同时尊重网络提供商的自主权。RVaaS利用基于OpenFlow的SDN的关键功能，以一种新颖的方式将（被动和主动）配置监控、逻辑数据平面验证和实际带内测试相结合。
2016-09-08 cs.NI
Online and Global Network Optimization: Towards the Next-Generation of Routing Platforms
SDN控制器的计算能力促进了新一代控制平面的开发，该控制平面使用计算密集型操作来自动化和优化跨层网络配置。从现在开始，尖端的优化和机器学习算法可以用于实时控制网络。这个巨大的机会改变了路由系统的构思和设计方式。本文提出了一个候选架构的下一代路由平台上建立三个主要支柱准入控制，重新路由和监控，这将是不可能在传统的控制平面。
2016-02-04 cs.NI
Ant-net: An Adaptive Routing Algorithm
随着网络需求的增加和复杂性的提高，在计算机网络中如何平衡负载、提高性能、降低时延、寻找节点间的最优路径等问题变得至关重要。传统的路由方法不能执行标记，因为它们没有考虑到因素，如减少延迟和自适应性。因此，需要更复杂的技术来解决当前的网络问题。本文重点研究了一种自适应路由算法--基于蚁群优化的蚁网算法，该算法将集体智能模型转化为优化技术。蚂蚁在网络中通过不同的路径，从而沉积信息素，收集路由信息和拥塞。在本文中，蚂蚁网络算法沿所需的重要数据结构进行了讨论，并实现了一个简单的分组交换网络。仿真结果说明了该算法的自适应性
2016-04-25 cs.NI
ML-MaxProp: Bridging Machine Learning and Delay-Tolerant Routing for Resilient Post-Disaster Communication
本文提出混合容迟网络路由协议 ML-MaxProp，利用监督学习依据接触、跳数、缓冲区和 TTL 等特征预测中继适配性，并在 ONE 仿真中显著提升投递率、降低时延与开销。
2025-08-31 cs.NI
Performance of data networks with random links
本研究针对计算机数据网络简化模型，分析额外随机链路对网络性能的影响，发现其效果取决于路由算法：几何距离或最短路径缩减表路由可显著提升性能，最短路径全表路由则会导致性能下降。
2001-01-04 adap-org cs.NI nlin.AO
PARRoT: Predictive Ad-hoc Routing Fueled by Reinforcement Learning and Trajectory Knowledge
利用自组织网络技术协调行动的协作无人机（UAV）群提供了催化新兴研究领域的潜力，如灾区的自主探索，需求驱动的网络供应，以及智能交通系统（ITS）中的近场数据包交付。由于这些移动机器人网络的特点是高等级的相对移动性，现有的路由协议往往无法通过他们的决策隐含的网络拓扑动态。为了解决这些挑战，我们提出了预测Ad-hoc路由由强化学习和轨迹知识（PARRoT）作为一种新的机器学习启用的路由协议，利用移动控制信息集成知识的移动代理到路由过程中的未来运动。所提出的路由方法的性能进行评估，使用全面的网络模拟。与已建立的路由协议相比，PARRoT实现了更高的鲁棒性和更低的端到端延迟。
2020-12-10 cs.NI
Framework for Integrating Machine Learning Methods for Path-Aware Source Routing
本文提出集成 Hecate 与源路由工具 PolKA 的框架，基于实时流量统计计算最优路径并动态分配流，在仿真 P4 场景中验证其从理论走向实际自动驾驶网络的可行性。
2025-01-08 cs.NI
PSO-Optimized Hopfield Neural Network-Based Multipath Routing for Mobile Ad-hoc Networks
Islamic Azad University, South Tehran Branch（伊斯兰阿扎德大学南德黑兰分校）
移动自组织网络是一个不需要任何现有基础设施的移动计算机的动态集合。MANET中的节点充当主机和路由器。在移动自组网中设计鲁棒的路由算法是一项具有挑战性的任务。不相交多路径路由协议解决了这个问题，提高了网络的可靠性、安全性和生命周期。然而，选择最佳多径是一个NP完全问题。本文提出了一种基于粒子群优化（PSO）算法优化Hopfield神经网络（HNN）的多路径路由算法。每两个节点之间的链路到期时间（LET）被用作链路可靠性估计度量。该方法可以在单阶段路由发现中找到节点不相交或链路不相交的路径。仿真结果表明，PSO-HNN路由算法具有更好的性能相比，备份路径集选择算法（BPSA）的路径集的可靠性和集合中的路径数。
2017-11-16 cs.AI cs.NE cs.NI
WIP: Federated Learning for Routing in Swarm Based Distributed Multi-Hop Networks
无人机（UAV）是一项迅速崛起的技术，为公共安全、监控和无线网络等许多领域提供快速且经济高效的解决方案。然而，由于无人机的高度动态网络拓扑，传统的网状网络协议，如移动自组织网络的更好方法（B.A.T.M.A.N.），是不合适的为此，我们研究修改B.A.T.M.A.N.路由协议与机器学习（ML）模型，并提出使用联邦学习（FL）实现这个解决方案。这项工作的目的是帮助路由协议学习预测未来的网络拓扑结构和抢先作出路由决策，以尽量减少网络拥塞。我们还提出了一个FL测试平台上建立的网络仿真器，为未来的测试建议ML辅助B.A.T.M.A.N.路由协议
2023-03-15 cs.NI cs.SY eess.SY
Efficient and Secure Routing Protocol for WSN-A Thesis
无线传感器网络（WSN）的发展提供了小型和低成本的传感器，其具有感测各种类型的物理和环境条件、数据处理和无线通信的能力。由于无线传感器网络协议是特定于应用程序的，重点是路由协议，可能会有所不同，这取决于应用程序和网络架构。在这项工作中，新的路由协议已被提出，这是一个基于簇的安全协议被命名为高效和安全的路由协议（ESRP）的无线传感器网络。ESRP的目标是为分簇的无线传感器网络提供一种具有动态安全特性的能量有效的路由解决方案。在网络形成期间，连接到个人计算机（PC）的节点已被选择作为汇聚节点。一旦传感器节点被部署，汇聚节点在逻辑上隔离集群结构中的其他节点，并随后创建一个WSN。这种集中式簇形成方法用于减少节点级处理负担，并避免多次通信。为了确保可靠的数据传输，各种安全功能已被纳入拟议的协议，如修改零知识协议（MZKP），混杂的听力方法，陷阱的对手和地雷探测。ESRP的一个独特的功能是，它可以动态地决定这些安全方法的选择，基于节点的剩余能量。
2017-06-17 cs.NI
laboratories for Data Communications and Computer Networks
在本文中，我们描述了一个动手实验室为导向的教学包，我们已经开发的数据通信和网络。该软件包包括一个软件工具，以及基于实验室的网络课程的教学材料。该软件基于一个模拟环境，使学生能够在易于使用的图形用户界面（GUI）上实验各种网络协议。数据消息流、分组丢失、控制/路由消息流、虚拟电路建立、链路故障、比特错误等，是在这个环境中可以可视化的一些特性。学生还可以修改提供的网络组件，以及使用C程序设计语言添加新组件。教学材料包括一组实验练习，内容包括流量和错误控制（HDLC）、IEEE 802.3 CSMA/CD协议、令牌环协议、通过网桥互连LAN、TCP拥塞避免和控制、IP分段和重组、ATM PNNI路由和ATM策略。实验室的练习促进了根据传统的计算机联网原则以及电信联网的新技术编制联网课程。该实验室环境已被用于俄亥俄州立大学的网络课程，并正在其他大学进行试点。整个软件包可在互联网上免费获得。
1998-09-23 cs.NI
Towards Skewness and Balancing of RPL Trees for the Internet of Things
在许多应用领域，如大规模灾难检测，物联网网络隐含着LLN（低功耗和有损网络）的特性。除了少数例外，关于RPL（用于LLN的路由协议）（在IETF中标准化的标准路由协议）的先前工作集中于路由性能和控制开销的各个方面的评估。在本文中，我们解决的问题，DODAG（面向目的地的有向无环图）创建的直接应用RPL。我们首先通过数值模拟和实际的大规模测试平台来评估DODAG的偏斜度。RPL通过允许采用特定于实现者的等级定义和父级选择标准来确保其灵活性和广泛的适用性。除了在ContikiRPL和TinyRPL中使用的度量之外，这两个最广泛使用的开源实现，我们还评估了通过应用各种路由度量生成的RPL树的偏斜度。性能分析结果表明，RPL树遭受严重的偏斜，无论是在随机生成的网络和现实世界的网络中的路由度量。我们提出了一种新的路由协议，可以提高平衡的RPL树。基于计算机模拟的严格性能分析表明，我们的算法提高了树的平衡显着。
2019-03-05 cs.NI
Toward Packet Routing with Fully-distributed Multi-agent Deep Reinforcement Learning
Fudan University（复旦大学）；East China University of Science and Technology（华东理工大学）；Hubei Normal University（湖北师范大学）
分组路由是计算机网络中的基本问题之一，其中路由器确定队列中每个分组的下一跳以使其尽可能快地到达目的地。强化学习（Reinforcement learning，RL）被引入到利用随机分组到达和服务的本地信息来设计自治分组路由策略中。然而，RL的维数灾难禁止更全面的动态网络状态的表示，从而限制了其潜在的好处。在本文中，我们提出了一种新的基于\emph{multi-agent}深度强化学习（DRL）的数据包路由框架，其中每个路由器都拥有一个\emph{independent} LSTM递归神经网络，用于在\emph{fully distributed}环境中进行训练和决策。LSTM递归神经网络从关于积压数据包和过去操作的丰富信息中提取路由特征，并有效地逼近Q学习的价值函数。我们还允许每个路由定期与直接邻居进行通信，以便更广泛地了解网络状态。实验结果表明，我们的多代理DRL政策可以罢工之间的微妙平衡，感知和最短的路由，并显着减少数据包的交付时间在一般的网络拓扑结构相比，它的同行。
2019-11-14 cs.AI cs.NI
Artificial Intelligence Based Cognitive Routing for Cognitive Radio Networks
National University of Sciences and Technology（国立科技大学）
认知无线电网络（CRN）是由配备有认知无线电的节点组成的网络，其可以通过适应网络条件来优化性能。虽然认知无线电网络（CRN）被设想为智能网络，相对较少的研究集中在CRN的网络级功能。虽然各种路由协议，结合不同程度的自适应性，已被提出的CRN，它是必不可少的长期成功的CRN的认知路由协议的设计所追求的研究界。认知路由协议被设想为将基于AI的技术完全无缝地结合到其设计中的路由协议。在本文中，我们提供了一个关于各种AI和机器学习技术的独立教程，这些技术已经或可以用于开发认知路由协议。我们还调查了各类AI技术在CRN中的应用，特别是路由问题。我们讨论了人工智能的各种决策技术和学习技术，并记录了它们在CRN路由问题上的当前和潜在应用。我们还强调了认知路由协议必须解决的各种推理，推理，建模和学习子任务。最后，确定了开放的研究问题和未来的工作方向。
2013-08-31 cs.AI cs.NI
The Dynamics of A Self-Forming Network
本文介绍了我们的战略部署自形成的ad hoc网络的基础上的互联网协议版本6，并评估了这一建议的动态。除其他外，我们建议一种技术称为自适应路由，提供安全的智能路由功能的计算机通信网络。该技术使用流标签，支持混合度量，网络负载共享，并且在做出路由决策时不限于对第一跳路由器的性能进行评估。选择性任播是任播寻址模型的扩展，支持排除在每个主机上表现不佳或不适当的组的成员。分布式名称查找建议集成自形成和全球网络共存的地方。最后，我们提出了一个地址层次结构，以支持非托管发现服务在未知的网络。
2006-08-08 cs.NI
Efficient On-Chip Multicast Routing based on Dynamic Partition Merging
片上网络（NoC）已经成为片上多处理器（CMP）和众核系统的主流通信基础设施。常用的并行应用程序和新兴的基于机器学习的应用程序涉及大量的集体通信模式。在CMP应用中，多播被广泛用于多线程程序和协议中，用于屏障/时钟同步和缓存一致性。多播路由对CMP系统的性能起着重要的作用。现有的基于划分的组播路由算法都采用静态的目的集划分策略，缺乏全局路径优化的观点。提出了一种基于动态分区合并的多播路由算法。该算法通过比较不同分区合并方案的路由代价，选择代价较低的合并分区，动态地将组播目标集划分为多个分区。仿真结果表明，该算法优于现有的基于路径的路由算法。在PARSEC基准负载测试中，与现有的多路径路由算法相比，该算法的平均分组延迟和功耗分别提高了23%和14%.
2021-08-01 cs.AR cs.DC cs.NI
Sustaining the Internet with Hyperbolic Mapping
互联网基础设施受到严重压力。与因特网的主要功能-在世界上任意两台计算机之间路由信息包-相关的快速增长的开销引起了因特网专家的关注，即现有的因特网路由体系结构可能无法再维持十年。在这里，我们提出了一种方法来映射互联网到一个双曲空间。引导构建的地图，我们发布本文，互联网路由表现出的缩放性能接近理论上最好的，从而解决了严重的缩放限制，互联网今天面临的。除了这种直接的实际可行性，我们的网络映射方法可以提供一个不同的角度在复杂网络的社区结构。
2010-09-10 cond-mat.dis-nn cond-mat.stat-mech cs.NI
Designing Capacitated Subnetworks for Shortest Path Routing
Osnabrück University（奥斯纳布吕克大学）
本文提出一种新的整数线性规划方法，用于精确解决具有容量的子网络设计问题，通过动态改变最短路径来优化网络效率。
2026-05-07 cs.DS cs.NI
Rethinking IoT Intrusion Detection: Augmenting Routing Metrics with Radio Features
Uppsala University（乌普萨拉大学）
针对RPL物联网网络，提出在LSTM入侵检测系统中结合收发无线电特征与标准RPL特征，在三种攻击下F1分数提升高达4%。
2026-06-05 cs.CR cs.NI
Routing Optimization Based on Distributed Intelligent Network Softwarization for the Internet of Things
本文提出基于联邦深度强化学习的分布式智能路由优化方法，结合分布式控制器与智能路由，提升受限物联网网络的性能与能源效率。
2025-01-20 cs.NI
