SDN에서 강화학습을 통한 효과적인 멀티캐스트 라우팅 트리 생성 방법

채지훈; 이병대; 김남기

doi:10.14801/jkiit.2020.18.10.1

추천

검색

질문

자료유형: 학술저널

저자정보: 채지훈 (경기대학교) 이병대 (경기대학교) 김남기 (경기대학교)

저널정보: 한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제18권 제10호(JKIIT, Vol.18, No.10)

발행연도: 2020.10

수록면: 1 - 8 (8page)

DOI: 10.14801/jkiit.2020.18.10.1

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (3)

2021

SDN 환경에서 메타 강화 학습 기반의 멀티캐스트 라우팅 트리 생성 방법

채지훈 컴퓨터과학과 2021.01 학위논문

2020

SDN에서 강화학습을 통한 효과적인 멀티캐스트 라우팅 트리 생성 방법

채지훈 , 이병대 , 김남기 한국정보기술학회논문지 2020.10 학술저널

SDN에서 강화학습을 통한 멀티캐스트 트리 생성 기법 분석

채지훈 , 김남기 , 이병대 한국통신학회논문지 2020.05 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

인공지능 기술의 발전과 함께 네트워크 분야에서 라우팅 문제에 대해 강화학습(Reinforcement Learning)을 적용하는 연구들이 속속 등장하고 있다. 하지만 기본적인 강화학습 방법은 고정적인 환경을 가정하기 때문에 시간에 따라 변화하는 가변적인 네트워크 환경에서 성능에 한계를 가진다. 본 논문에서는 이러한 한계를 극복하고 SDN에서 가변적인 네트워크 환경을 잘 반영할 수 있는 심층 강화학습 기반의 멀티캐스트 라우팅 트리생성 방법을 제안한다. 본 논문에서 제안하는 방법을 평가하기 위해 다양한 네트워크 토폴로지에서 성능을 비교하는 실험을 진행하였다. 그 결과 네트워크 토폴로지가 고정된 환경에서 학습한 강화학습 에이전트보다 제안 방법으로 학습한 강화학습 에이전트가 다양한 네트워크 토폴로지에서도 보다 최적에 가까운 멀티캐스트 라우팅 트리를 생성함을 알 수 있었다.

#Artificial Intelligence(AI) #Software Defined Networking(SDN) #deep reinforcement learning #multicast routing

참고문헌 (13)

참고문헌 신청

Xie, Junfeng / 2018 / A survey of machine learning techniques applied to software defined networking(SDN) : Research issues and challenges / IEEE Communications Surveys & Tutorials 21(1):393~430

M. Latah / 2016 / Application of artificial intelligence to software defined networking : A survey / Indian Journal of Science and Technology 9(44):1~7

Lin, Shih-Chun / 2016 / QoS-aware adaptive routing in multi-layer hierarchical software defined networks : A reinforcement learning approach / 2016 IEEE International Conference on Services Computing (SCC), IEEE :25~33

Sun, Meng / 2016 / A multiple multicast tree optimization solution based on software defined network / 7th Int. Conf. Inform. Commun. Syst. (ICICS). IEEE :168~173

P. Winter / 1987 / Steiner problem in networks : a survey / Networks 17(2):129~167

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

채지훈

소속기관 국방대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 전기전자공학 > 전기공학

논문수 9 이용수 1,379

이병대

소속기관 경기대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 공학 > 컴퓨터학

논문수 8 이용수 1,419

김남기

소속기관 경기대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 5% 공학 > 컴퓨터학

논문수 73 이용수 7,953

이 논문과 함께 이용한 논문

강화학습 기반 자율주차 연구를 위한 시뮬레이터 개발

엄하영 , 김정환 , 지승윤 외 1명 디지털콘텐츠학회논문지 2020 .02

SDN에서 PEARL을 이용한 멀티캐스트 라우팅 트리 형성 기법

김희찬 , 김남기 한국정보기술학회논문지 2024 .02

SMC를 이용한 액츄에이터의 불확실성에 따른 STPA 위험 평가

박소희 , 권령구 , 권기현 한국정보기술학회논문지 2023 .08

유전알고리즘 기반 로트 타겟팅 최적화 연구: 반도체 포토공정을 대상으로

한광욱 , 강봉권 , 김해중 외 1명 대한산업공학회지 2022 .10

수소에너지에 대한 심리적 태도 기반의 수소사회 활성화 전략방안: 위험성, 친숙성, 수용성 중심으로

김숙희 , 김정화 , 신혜영 한국수소및신에너지학회논문집 2022 .08

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (13)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)