메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회논문지 : 정보통신 정보과학회논문지 : 정보통신 제29권 제1호
발행연도
2002.2
수록면
57 - 64 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
현재 사용중인 경로 선택 방법은 최단 경로 알고리즘을 이용하므로 망 자원을 효율적으로 이용하지 못하며 특정 경로로 트래픽이 집중될 경우 혼잡(congestion) 상황을 발생시킬 수 있다. 본 논문에서는 새롭게 요청되는 연결 설정 요구에 대해 요청된 대역폭을 충족시킬 수 있는 경로를 결정하는데 있어서 통계적 기법을 이용함으로써 망을 효율적으로 사용하며, 혼잡 상황을 줄일 수 있는 통계적 경로 선택(Statistical Route Selection; SRS) 알고리즘을 제안한다. MPLS의 등장으로 부하 균등화(load balancing)에 필요한 명시적인(explicit) LSP 설정을 할 수 있게 되었으며, MPLS의 LSP를 설정하기 위해 SRS 알고리즘을 이용할 수 있다. SRS 알고리즘은 경로 선택을 위해 링크들의 이용률을 구하고, 통계적인 기법을 사용하여 가중치를 결정하며, 그 가중치를 이용한 최단 경로를 구한다. 여기서 사용되는 통계적 기법은 링크들의 이용률의 평균과 분산을 이용하는 것으로, 이 정보를 기반으로 링크의 가중치에 대해 분산을 작게 하는 방향으로 경로를 결정함으로써 부하 균등화 효과를 얻게 되어 혼잡 링크 수를 줄이고, 망 자원 이용률을 높인다. 실험을 통해 다른 경로 선택 알고리즘들에 비해 SRS 알고리즘이 망 자원을 효율적으로 이용하여 연결 설정 실패의 수와 혼잡 링크의 수를 줄이는 것을 보인다.

목차

요약

Abstract

1. 서론

2. 고려 사항

3. 관련 연구

4. SRS(Statistical Route Selection) 알고리즘

5. 실험결과

6. 결론

참고문헌

저자소개

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

자기조직화지도 신경망을 활용한 의료 진단검사 결과 패턴인식 모델
박상찬 ,  이장희 대한경영학회지 2016 .01
Deep Learning 기반 기계학습 알고리즘을 이용한 야구 경기 Big Data 분석
김종훈 ,  김경태 ,  한종기 한국통신학회 학술대회논문집 2015 .11
컴퓨터 소프트웨어 분야 연구를 위한 이산수학 분야에 대한 연구
전상표 한국컴퓨터정보학회논문지 2011 .02
불균형 데이터 학습을 위한 지지벡터기계 알고리즘
김광성 ,  황두성 한국컴퓨터정보학회논문지 2010 .07
Deep Learning: 기계학습의 새로운 트랜드
김인중 한국통신학회지(정보와통신) 2014 .10

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017891479