إطار تحسين هجين مُهندَس برمجيًا للتوجيه الذكي في الشبكات واسعة النطاق

الملخص

مع تزايد عدد الشبكات واسعة النطاق (WANs) بوتيرة غير مسبوقة، مدعومة بالتطبيقات السحابية الأصلية وأعباء العمل المعتمدة على الذكاء الاصطناعي، أصبح تحسين التوجيه تحديًا في هندسة الشبكات وكذلك ضرورة في مجال هندسة البرمجيات. في هذا البحث، تم اقتراح نموذج تحسين هجين يجمع بين الخوارزميات الجينية (GA) وخوارزمية البحث التابو (TS)، مدعومًا بآلية التذبذب الاستراتيجي، وذلك لإنشاء مسارات توجيه ذكية داخل الشبكات واسعة النطاق.

يُصمَّم هذا الإطار ليكون معياريًا، قابلاً للتوسع، وسهل الصيانة، حيث يتضمن وحدات تكيفية تقوم بتعديل معدلات الطفرة بشكل ديناميكي في الزمن الحقيقي اعتمادًا على بيانات الشبكة الحية. تم تنفيذ النظام المقترح باستخدام لغة Python وبالاعتماد على تمثيل بياني عبر مكتبة NetworkX بالإضافة إلى مكتبات خوارزمية مخصصة.

وقد أظهر النظام المقترح تحسنًا بنسبة 15% في كفاءة المسار وارتفاعًا بنسبة 33% في سرعة التقارب مقارنةً بالتطبيقات التقليدية التي تجمع بين GA وTS. بالإضافة إلى نتائجه الخوارزمية، يتضمن الإطار أفضل ممارسات هندسة البرمجيات، مثل فصل المكونات، وقابلية إعادة استخدام الخوارزميات، والاستعداد للتكامل مع الأنظمة الموزعة، مما يجعله مناسبًا للتطبيق في الشبكات واسعة النطاق الكبيرة والشبكات المعرفة برمجيًا (SD-WAN).