文件大小：1.41M
摘要：网络拥塞是导致片上网络性能下降的主要原因之一。为解决这一问题，本文提出了一种基于深度神经网络的自适应路由算法。通过基于深度神经网络预测模块，该算法能预测路由器节点的拥塞概率，并结合广度优先搜索选择拥塞概率最低的路径传输数据包，从而实现负载均衡，降低延迟并提高吞吐率。仿真结果表明，在多种流量场景下，基于深度神经网络的自适应路由算法相较于传统算法，数据包平均延迟减少约17.71%，网络吞吐率提升3.71%，避免网络中心节点的过载现象。
文章目录
1 路由器结构、BFS算法及DNN模型
1.1 路由器结构
1.2 BFS算法
1.3 DNN模型
2 DNAR路由算法
2.1 网络结构
2.2 路由算法
3 仿真
3.1 DNN拥塞预测模型训练
3.2 DNAR路由算法的有效性验证
4 结论
