摘要：针对当前各种路由算法在广域网环境下由于不能适应各种拓扑环境和负载不均衡时所引起的路由性能不高等问题,提出了一种基于梯度上升算法实现的增强学习的自适应路由算法RLAR。增强学习意味着学习一种策略,即基于环境的反馈信息构造从状态到行为的映射,其本质为通过与环境的交互试验对策略集合进行评估。将增强学习策略运用于网络路由优化中,为路由研究提供了一种全新的思路。对比了多种现有的路由算法,实验结果表明,RLAR能有效提高网络路由性能。

摘要：覆盖网拓扑结构是P2P领域的一个关键问题。随着计算机网络的快速发展,网络结构日益复杂,使得传统的随机网络模型已很难对其拓扑特性做出客观的描述。复杂网络理论作为一门新兴的学科为P2P网络的拓扑结构研究提供一个新的视野和思路。介绍复杂网络理论和传统的拓扑结构,综述当前基于复杂网络理论的计算机网络拓扑的研究状况,最后对复杂网络理论在未来拓扑结构研究中的可能应用方向作了总结和展望。