СУЧАСНИЙ СТАН І ТЕНДЕНЦІЇ РОЗВИТКУ СИСТЕМ УПРАВЛІННЯ ЧЕРГАМИ В ІНФОКОМУНІКАЦІЙНИХ МЕРЕЖАХ
DOI:
https://doi.org/10.31891/2307-5732-2026-365-95Ключові слова:
інфокомунікаційні мережі, якість обслуговування, управління чергами, оптимізація, штучний інтелект, машинне навчання, навчання з підкріпленнямАнотація
У роботі проведено системний аналіз сучасного стану та визначено ключові тенденції розвитку механізмів управління чергами в перспективних інфокомунікаційних мережах. Обґрунтовано, що забезпечення заданого рівня якості обслуговування в умовах високої динаміки трафіку, гетерогенності середовища та обмеженості мережних ресурсів є критичним завданням. Визначено, що класичні екстенсивні підходи до нарощування потужностей мережі поступаються місцем інтенсивним методам інтелектуального планування та розподілу ресурсів. Метою дослідження є класифікація наявних методологічних підходів до управління чергами та проведення їх порівняльного аналізу для визначення обмежень, а також найбільш перспективних напрямів і сфер застосування. В процесі дослідження розв’язано низку завдань: проведено аналіз специфіки функціонування сучасних технологічних мережних архітектур та сформульовано вимоги, які вони висувають до засобів управління чергами. Систематизовано методологічні підходи, які розділено на три основні групи: QoS-орієнтовані, оптимізаційні та рішення на основі штучного інтелекту. На основі опрацювання актуальних наукових публікацій останніх років узагальнено переваги, обмеження та сфери практичного застосування кожного з підходів. Результати дослідження показали, що традиційні QoS-орієнтовані підходи, попри простоту реалізації, мають низьку адаптивність до мінливих умов мережі. Оптимізаційні методи забезпечують суворі аналітичні гарантії якості, проте їх використання обмежене високою обчислювальною складністю в масштабних мережах. Встановлено, що найбільш перспективним напрямом розвитку є інтелектуалізація управління на основі машинного навчання. Подальші дослідження доцільно спрямувати на розробку гібридних моделей, які поєднують переваги класичної оптимізації з гнучкістю алгоритмів штучного інтелекту, що дозволить забезпечити баланс між обчислювальною ефективністю та здатністю мережі забезпечувати гарантії якості обслуговування в динамічному середовищі.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 РОМАН САВЧЕНКО, СЕРГІЙ ШЕСТОПАЛОВ (Автор)

Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.