التعلم الآلي من أجل التحكم في الازدحام من النهاية إلى النهاية

تمت دراسة التحكم في الازدحام من النهاية إلى النهاية بشكل مكثف لأكثر من 30 عامًا كواحد من أهم الآليات لضمان الاستخدام الفعال والعادل لموارد الشبكة بين المستخدمين. مع تزايد تعقيد الشبكات المستقبلية، تميل أساليب التحكم في الازدحام التقليدية المعتمدة على القواعد إلى أن تكون غير فعالة وأحيانًا غير فعالة. مستوحاة من النجاح الكبير الذي حققه التعلم الآلي (ML) في معالجة المشكلات الكبيرة والمعقدة، بدأ الباحثون في تحويل انتباههم من الأساليب المعتمدة على القواعد إلى الأساليب المعتمدة على التعلم الآلي. تقدم هذه المقالة مراجعة مختارة للتطبيقات الحديثة للتعلم الآلي في مجال التحكم في الازدحام من النهاية إلى النهاية. في هذه المراجعة، نبدأ بمراجعة قصيرة للعلاقة بين التحكم في الازدحام والتعلم الآلي. ثم نستعرض الأعمال الحديثة التي تطبق التعلم الآلي على التحكم في الازدحام. تساعد هذه الأعمال الوكيل في اتخاذ قرار ذكي بشأن التحكم في الازدحام أو تحقيق أداء محسن. أخيرًا، نسلط الضوء على سلسلة من التحديات الواقعية ونلقي الضوء على اتجاهات البحث المستقبلية المحتملة.