Đồ thị trong Hình 2.28 thể hiện số liệu về mức độ sử dụng đường truyền của các cơ chế trong Bảng B.3 và Bảng B.4 của Phụ lục B. Khả năng tận dụng đường truyền của các cơ chế đều tăng khi kích thước hàng đợi và tải nạp tăng. Các cơ chế có sử dụng điều khiển mờ luôn có mức độ sử dụng đường truyền lớn hơn 90%, cao hơn mức sử dụng đường truyền của các cơ chế truyền thống. Điều này phù hợp với sự điều khiển của các cơ chế, khi sử dụng điều khiển mờ thì việc xử lý đơn giản và hiệu quả hơn.
0 10 50 100 150 200 250 300 82 84 86 88 90 92 94 96 98 100 Số luồng kết nối
b) Mức sử dụng đường truyền theo số luồng kết nối
M ư c đ ộ s ử đ ụ ng đ ườ n g tr u yề n (% ) FEM REM RED FLREM FLRED FUZREM
Chiều dài hàng đợi (gói tin)
a) Mưc sử dụng đường truyền theo chiều dài hàng đợi
M ứ c đ ộ s ử d ụn g đ ườ ng tr uy ền (% ) 100 200 300 400 500 600 700 800 900 1000 80 82 84 86 88 90 92 94 96 98 100 FEM REM RED FLREM FLRED FUZREM
Hình 2.28.Mức độ sử dụng đường truyền của các cơ chế AQM
Hình ảnh của đồ thị Hình 2.28 thể hiện sự phân cụm của các đường biểu diễn mức độ sử dụng đường truyền của các cơ chế. Theo đó, các cơ chế sử dụng điều khiển mờ hiện có (FEM, FUZREM) có mức độ sử dụng đường truyền cao hơn so với các cơ chế truyền thống (RED, REM) nhưng thấp hơn so với các cơ chế có sử dụng điều khiển mờ thích nghi (FLRED, FLREM). Điều này thể hiện ưu việt của các cơ chế khi
84
sử dụng điều khiển mờ và tính hiệu quả của các cơ chế khi dùng hệ mờ Sugeno thay cho hệ mờ Mamdani, do không phải giải mờ đầu ra của mỗi luật mờ.
Trong tất cả các trường hợp, cơ chế RED luôn có mức độ sử dụng đường truyền thấp nhất và cơ chế FLREM luôn có mức độ sử dụng đường truyền cao nhất. Kết quả này có được là do cơ chế FLREM được hội tụ tiêu chí khi xử lý các gói tin đến nút mạng. Ngoài sự kế thừa cơ chế REM khi xét ảnh hưởng của chiều dài hàng đợi và lưu lượng gói tin, cơ chế FLREM còn được cải tiến bằng bộ điều khiển mờ thích nghi, trong khi RED chỉ sử dụng yếu tố chiều dài hàng đợi để tính xác suất đánh dấu gói.
2.7. Kết luận chương
Việc điều khiển tránh tắc nghẽn bằng các cơ chế quản lý hàng đợi tích cực tại các bộ định tuyến là điều rất cần thiết. Trong những năm gần đây, các nhà khoa học đã đưa điều khiển mờ vào các cơ chế quản lý hàng đợi tích cực để các cơ chế này hoạt động hiệu quả hơn. Tuy nhiên, do các cải tiến sử dụng hệ mờ Mamdani với hàm thuộc hình tam giác để đơn giản trong tính toán nhưng việc điều khiển không trơn và các hệ mờ này bị cố định từ khi thiết kế nên chưa thích nghi cao với hệ thống động học, phi tuyến và phức tạp của mạng TCP/IP. Để khắc phục tồn tại này, luận án đã xây dựng bộ điều khiển mờ thích nghi AFC với hệ mờ Sugeno có hàm thuộc hình chuông, và bổ sung các thành phần thích nghi để thích ứng với điều kiện mạng thay đổi.
Dựa trên mô hình lý thuyết, luận án xây dựng các cơ chế cải tiến FLRED, FLREM. Các cơ chế FLRED, FLREM lần lượt là các cải tiến của cơ chế RED và REM bằng bộ điều khiển mờ thích nghi AFC. Qua quá trình cài đặt mô phỏng, cho thấy hiệu quả của các cơ chế quản lý hàng đợi tích cực được tăng lên, tỉ lệ mất gói tin giảm, mức độ sử dụng đường truyền và độ ổn định mạng tốt hơn, khi lần lượt sử dụng bộ điều khiển mờ truyền thống và điều khiển mờ thích nghi AFC cho các cơ chế. Tuy nhiên, để các cơ chế cải tiến bằng bộ điều khiển mờ thích nghi AFC hoạt động hiệu quả hơn thì cần phải có bộ tham số tối ưu cho nó. Điều này đã đặt ra nhu cầu huấn luyện bộ điều khiển mờ thích nghi AFC bằng mạng nơ-ron. Thông qua quá trình huấn luyện, hệ thống tiếp nhận tri thức và cập nhật các tham số cho phù hợp với sự biến đổi của mạng. Vấn đề này được trình bày trong chương 3 của luận án.
85
CHƯƠNG 3.
TÍCH HỢP LẬP LUẬN MỜ VỚI MẠNG NƠ-RON
NÂNG CAO HIỆU NĂNG QUẢN LÝ HÀNG ĐỢI TÍCH CỰC
Như đã trình bày trong Chương 2, bên cạnh các ưu điểm, hệ điều khiển mờ vẫn còn tồn tại một số khuyết điểm, như việc thiết kế và tối ưu hóa hệ mờ đòi hỏi phải có một số kinh nghiệm về điều khiển đối tượng. Mặt khác, để bộ điều khiển mờ hoạt động tốt thì cần có bộ tham số (số tập mờ trong mỗi biến ngôn ngữ, hình dạng các tập mờ, số luật và trọng số của mỗi luật) cho nó phải tối ưu. Để giải quyết vấn đề này, luận án đưa ra mô hình tích hợp điều khiển mờ với mạng nơ-ron nhằm nâng cao hiệu năng của các cơ chế quản lý hàng đợi tích cực.
Do đó, nội dung của chương này được bố cục như sau: phần đầu của chương trình bày cơ sở toán học của mạng nơ-ron, xây dựng mô hình kết hợp điều khiển mờ với mạng nơ-ron để cải tiến cơ chế quản lý hàng đợi tích cực. Trong quá trình huấn luyện mạng nơ-ron, luận án đưa ra một số cải tiến thuật toán lan truyền ngược sao cho quá trình học hội tụ nhanh hơn. Kết quả của quá trình học là cho các tham số tốt cho bộ điều khiển mờ. Dựa trên mô hình lý thuyết của sự kết hợp trong mạng nơ-ron mờ, luận án xây dựng mô hình nơ-ron mờ FNN cho cơ chế cải tiến AQM. Để kiểm chứng hiệu quả của việc áp dụng FNN vào cải tiến AQM, luận án xây dựng và cài đặt mô phỏng các cơ chế FNNRED, FNNREM. Phần tiếp theo của chương là phần đánh giá mô phỏng của cơ chế đề xuất FNNRED, FNNREM. Phần cuối chương khẳng định vai trò mạng nơ-ron để điều chỉnh các tham số trong bộ điều khiển mờ, và lợi ích việc kết hợp các kỹ thuật tính toán mềm, mà cụ thể là kết hợp logic mờ với mạng nơ-ron trong việc cải tiến các cơ chế quản lý hàng đợi tích cực.