Просмотр новости
Найдите то, что Вас интересует
Спутники
РН
SpaceX
Роскосмос
NASA
СпутникиРНSpaceXРоскосмосNASA
Ученые факультета ВМК МГУ изучили, как можно более эффективно распределять трафик в сетях передачи данных. Работа посвящена разработке методов, позволяющих снижать перегрузку каналов связи за счёт координации между узлами сети.
В современных сетях передачи данных важно правильно распределять потоки информации между доступными маршрутами, чтобы избежать перегрузки отдельных каналов. Одним из ключевых показателей в этой задаче является максимальная загрузка каналов (MLU), отражающая, насколько сильно перегружен самый загруженный участок сети.
Существующие централизованные методы позволяют находить решения, близкие к оптимальным, однако они реагируют на изменения в сети с задержкой, так как требуют сбора информации со всех узлов. Альтернативой является децентрализованное управление, при котором решения принимаются на уровне отдельных узлов, но такие подходы часто оказываются менее эффективными из-за ограниченности доступной информации.
В работе рассматривается децентрализованный подход, дополненный обменом информацией между узлами. Управление осуществляется с использованием мультиагентного обучения с подкреплением, при котором каждый узел действует как отдельный агент и принимает решения на основе доступных данных.
Ученые МГУ предложили ряд улучшений существующих методов и разработали несколько схем взаимодействия агентов. В этих схемах обмен информацией происходит в два этапа: сначала анализируется локальная информация, а затем — данные, полученные от соседних узлов. Это позволяет уменьшить объём обмена данными в случаях, когда локальной информации достаточно для принятия решения.
«Обмен информацией между узлами позволяет агентам быстрее адаптироваться к изменениям в сети и принимать более согласованные решения. Это даёт возможность эффективно распределять трафик без централизованного управления», — отметил ассистент кафедры автоматизации систем вычислительных комплексов факультета ВМК МГУ Евгений Степанов.
Проведённые эксперименты показали, что предложенные методы позволяют достигать распределения трафика, близкого к оптимальному, всего за несколько шагов и более эффективно использовать ресурсы сети.
Работа была представлена на научной конференции «Ломоносовские чтения».
Ученые факультета ВМК МГУ изучили, как можно более эффективно распределять трафик в сетях передачи данных. Работа посвящена разработке методов, позволяющих снижать перегрузку каналов связи за счёт координации между узлами сети.
В современных сетях передачи данных важно правильно распределять потоки информации между доступными маршрутами, чтобы избежать перегрузки отдельных каналов. Одним из ключевых показателей в этой задаче является максимальная загрузка каналов (MLU), отражающая, насколько сильно перегружен самый загруженный участок сети.
Существующие централизованные методы позволяют находить решения, близкие к оптимальным, однако они реагируют на изменения в сети с задержкой, так как требуют сбора информации со всех узлов. Альтернативой является децентрализованное управление, при котором решения принимаются на уровне отдельных узлов, но такие подходы часто оказываются менее эффективными из-за ограниченности доступной информации.
В работе рассматривается децентрализованный подход, дополненный обменом информацией между узлами. Управление осуществляется с использованием мультиагентного обучения с подкреплением, при котором каждый узел действует как отдельный агент и принимает решения на основе доступных данных.
Ученые МГУ предложили ряд улучшений существующих методов и разработали несколько схем взаимодействия агентов. В этих схемах обмен информацией происходит в два этапа: сначала анализируется локальная информация, а затем — данные, полученные от соседних узлов. Это позволяет уменьшить объём обмена данными в случаях, когда локальной информации достаточно для принятия решения.
«Обмен информацией между узлами позволяет агентам быстрее адаптироваться к изменениям в сети и принимать более согласованные решения. Это даёт возможность эффективно распределять трафик без централизованного управления», — отметил ассистент кафедры автоматизации систем вычислительных комплексов факультета ВМК МГУ Евгений Степанов.
Проведённые эксперименты показали, что предложенные методы позволяют достигать распределения трафика, близкого к оптимальному, всего за несколько шагов и более эффективно использовать ресурсы сети.
Работа была представлена на научной конференции «Ломоносовские чтения».
| # | Наименование новости | Тональность | Информативность | Дата публикации |
|---|---|---|---|---|
| 1 | Математики МГУ ускорили обучение систем управления вычислительными сетями | 0 | 12.56 | 31-07-2026 |
| 2 | На ВМК МГУ исследовали методы классификации зашифрованного мобильного трафика | 0 | 7 | 04-06-2026 |
| 3 | ИИ улучшит мобильный интернет в России В рамках Стратегии развития ... | 2 | 7 | 06-07-2026 |
| 4 | В России ускорили моделирование дорожного трафика в десятки раз | 2 | 6 | 02-07-2026 |
| 5 | В Петербурге создали обеспечивающий связь в местах без инфраструктуры алгоритм | 0 | 0 | 11-09-2025 |
| 6 | Минцифры рекомендует операторам обеспечить равномерную нагрузку на сети связи | 0 | 0 | 28-03-2022 |
| 7 | В МГУ предложили способ точной оценки качества автоматической сортировки писем | 0 | 5 | 16-06-2026 |
| 8 | Key Takeaways from the EMA Network Management Megatrends 2026 | 0 | 9.87 | 12-05-2026 |
| 9 | How Machines Are Taking Over Network Traffic | 0 | 7.43 | 15-07-2026 |