МЕТОД БАЛАНСУВАННЯ НАВАНТАЖЕННЯ МЕРЕЖІ НА ОСНОВІ НЕЧІТКОЇ КЛАСТЕРИЗАЦІЇ
DOI: 10.31673/2412-4338.2025.038726
Анотація
Розглянуто актуальну проблему забезпечення ефективного розподілу навантаження в сучасних комп’ютерних мережах, що працюють в умовах стрімкого зростання трафіку, високої динамічності трафікових профілів і змінності вимог до якості обслуговування з боку користувачів та додатків. Зокрема, підкреслено, що поширення сервісів потокового відео, інтерактивних AR/VR платформ, Інтернету речей, автономних систем і розподілених обчислень створює додаткові виклики до інфраструктури, які традиційні підходи до балансування навантаження не здатні ефективно вирішити. Недостатня адаптивність та жорсткі правила прийняття рішень у класичних алгоритмах, таких як кругове опитування або порогові методи, призводять до нераціонального використання ресурсів і можуть спричинити перевантаження окремих вузлів при наявності вільних потужностей в інших частинах мережі. Представлено концептуальну архітектуру системи, описано основні етапи її функціонування – від збору метрик та кластеризації до виявлення вузлівкандидатів для розвантаження і прийняття рішень щодо перенаправлення трафіку. Обґрунтоване вибір методу Fuzzy-C-Means при нечіткої кластерізації. Проведено імітаційне моделювання мережі з N серверних вузлів, на які надходить змінне навантаження. Порівнювалися три підходи балансування: кругове опитування, адаптивний пороговий алгоритм (стандартний автоскейлінг з двома порогами завантаження), запропонований нечітко-кластерний алгоритм. Експериментальна модель імітує поведінку системи у віртуальному мережевому середовищі, що дозволяє порівняти ефективність запропонованого методу з традиційними підходами. Проведений аналіз демонструє покращення розподілу навантаження, зниження ймовірності перевантажень та підвищення адаптивності системи.
Зроблено висновки щодо перспективності впровадження нечітких алгоритмів у системи автоматичного керування мережевими ресурсами. Обґрунтовано доцільність подальших досліджень, спрямованих на вдосконалення методів кластеризації, їх поєднання з експертними правилами та інтеграцію з інтелектуальними агентами в рамках архітектур програмно-конфігурованих мереж.
Ключові слова: комп’ютерні мережі, балансування навантаження, нечітка кластеризація, Fuzzy C-Means, адаптивні алгоритми, штучний інтелект.
