지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이병대
- 발행연도
- 2021
- 저작권
- 경기대학교 논문은 저작권에 의해 보호받습니다.
이용수9
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 네트워크 기술의 발전과 이를 활용하여 대량의 멀티미디어 트래픽을 발생시키는 다양한 서비스들이 활성화되고 있다. 이에 따라 이러한 트래픽을 효과적으로 처리하는 것이 점점 중요해지고 있다. 기존 분산 네트워크 환경에서 멀티미디어 트래픽을 처리하는 멀티캐스트 라우팅 기법의 한계를 SDN 기술의 적용으로 전역적 라우팅을 하는 것이 가능하지만, SDN 환경에서 멀티캐스트 라우팅을 위한 트리 생성 문제는 NP-Complete의 문제로 여전히 어렵다.
기존의 SDN 환경에서 멀티캐스트 라우팅 트리 생성을 위해 근사 알고리즘들이 사용되었는데 복잡한 수학적 모델링으로 인해 많은 계산량과 비용이 존재하였다. 따라서 이러한 문제를 SDN의 구조적 장점을 통해 최근의 발전하고 있는 강화학습 기법을 적용하여 멀티캐스트 라우팅 트리 문제를 포함하여 다양한 라우팅 문제를 해결하고자 하는 연구들이 주목받고 있다. 하지만 기존의 강화학습 기법을 적용하는 연구들은 적용된 강화학습 기법의 한계로 인해 가변적 특징을 가지는 네트워크 환경에서는 그 성능이 만족스럽지 못한 문제가 있다.
그러므로 새로운 환경에서도 빠르게 적응하고 문제를 해결할 수 있도록 하는 모델 기반의 메타 강화학습을 이용한 멀티캐스트 라우팅 트리 생성 방법을 제안한다. 제안 기법에서 사용한 메타 강화학습 기법은 A3C 강화학습 알고리즘을 이용하고 순환 신경망 구조를 포함하고 있어 가변적인 네트워크 환경을 내재화할 수 있고 테스트 시점에서 빠르게 새로운 네트워크 환경에서 적응하는 것이 가능하다. 실험에서는 제안 기법과 기존 근사 알고리즘 및 강화학습 기법이 생성한 멀티캐스트 라우팅 트리 결과를 비교하고 그 결과를 분석하였다.
기존의 SDN 환경에서 멀티캐스트 라우팅 트리 생성을 위해 근사 알고리즘들이 사용되었는데 복잡한 수학적 모델링으로 인해 많은 계산량과 비용이 존재하였다. 따라서 이러한 문제를 SDN의 구조적 장점을 통해 최근의 발전하고 있는 강화학습 기법을 적용하여 멀티캐스트 라우팅 트리 문제를 포함하여 다양한 라우팅 문제를 해결하고자 하는 연구들이 주목받고 있다. 하지만 기존의 강화학습 기법을 적용하는 연구들은 적용된 강화학습 기법의 한계로 인해 가변적 특징을 가지는 네트워크 환경에서는 그 성능이 만족스럽지 못한 문제가 있다.
그러므로 새로운 환경에서도 빠르게 적응하고 문제를 해결할 수 있도록 하는 모델 기반의 메타 강화학습을 이용한 멀티캐스트 라우팅 트리 생성 방법을 제안한다. 제안 기법에서 사용한 메타 강화학습 기법은 A3C 강화학습 알고리즘을 이용하고 순환 신경망 구조를 포함하고 있어 가변적인 네트워크 환경을 내재화할 수 있고 테스트 시점에서 빠르게 새로운 네트워크 환경에서 적응하는 것이 가능하다. 실험에서는 제안 기법과 기존 근사 알고리즘 및 강화학습 기법이 생성한 멀티캐스트 라우팅 트리 결과를 비교하고 그 결과를 분석하였다.
목차
제 1 장 서 론 1제 1 절 연구 배경 및 목적 1제 2 절 연구 내용 및 목표 4제 3 절 논문의 구성 5제 2 장 관련 연구 6제 1 절 Software-Defined Networking(SDN) 6제 2 절 멀티캐스트 라우팅 8제 3 절 근사 알고리즘 기반의 멀티캐스트 라우팅 10제 4 절 SDN 환경에서 강화 학습 기반의 라우팅 연구 12제 5 절 메타 강화학습(Meta Reinforcement Learning) 15제 3 장 본 론 17제 1 절 제안 기법 17제 1 항 문제 정의 17제 2 항 A3C(Asynchronous Advantage Actor-Critic) 23제 3 항 제안 기법 구조 및 학습 과정 25제 4 항 SDN 환경에서 멀티캐스트 라우팅 트리 생성 과정 28제 2 절 실험 환경 및 평가 30제 1 항 실험 환경 설정 30제 2 항 실험 데이터 31제 3 항 수렴성 (Convergence) 33제 4 항 비교 실험 및 평가 지표 37제 3 절 실험 결과 및 분석 39제 1 항 멀티캐스트 라우팅 트리의 평균 길이 40제 2 항 멀티캐스트 라우팅 트리의 평균 생성 시간 42제 3 항 토폴로지 링크 분포 따른 멀티캐스트 라우팅 트리 43제 4 항 토폴로지 링크 분포 따른 멀티캐스트 라우팅 트리 길이 및 생성 시간 46제 5 항 도착지 수에 따른 멀티캐스트 라우팅 트리 50제 4 장 결론 및 향후 연구 54참고문헌 56Abstract 60
최근 본 자료
댓글(0)
0