Academic literature on the topic 'Nätverksoptimering'

Detta examensarbete handlar om hur datatrafik över en satellitlänk kan optimeras för att minska laddningstider och överförd datamängd. Syftet med studien är att undersöka i vilken omfattning datatrafik mellan fartyg och land via satellitlänk kan styras så att trafiken blir effektivare. Genom att använda DNS-mellanlagring, mellanlagring av webbsidor samt annonsblockering med pfSense som plattform har examensarbetet utfört experiment emot olika hemsidor och mätt laddningstid samt överförd datamängd. Resultatet visade att det fanns stora möjligheter att optimera nätverkstrafiken och de uppmätta resultaten visade på en minskning av datamängden med 94% och laddningstiderna med 67%.
The thesis describes how network traffic transmitted via a satellite link can be optimized in order to reduce loading times and transmitted data. The purpose with this study has been to determine what methods are available to control and reduce the amount of data transmitted through a network and how this data is affected. By applying the practice of DNS caching, web caching and ad blocking with the use of pfSense as a platform the study has performed experiments targeting different web sites and measured the loading times and amount of transmitted data. The results showed good possibilities to optimize the network traffic and the measured values indicated a reduction of the network traffic of up to 94% and loading times with 67%.

Denna uppsats behandlar nätverksoptimering, med fokus på att få fram den bästa möjliga tillgängligheten till lägsta möjliga kostnad, i form av länkar. I studien tas en teoretiskt grundad hypotes om en metod fram för att lösa detta problemet. Samt genomförs ett test där metoden appliceras på ett studieobjekt för att bekräfta huruvida metoden verkar fungerar eller inte. Resultatet blir slutligen en metod som genom att analysera tillgängligheten, länk redundansen samt beräkna antal oberoende vägar mellan noder i ett nätverk. Kan genom att jämföra resultat från före en förändring med resultat från efter en förändring lyfta fram de förändringar som medför förbättringar. Varpå ett nätverk kan optimeras till bästa möjliga tillgänglighet till lägsta möjliga kostnad, i form av länkar.

Detta examensarbete har utförts på och i samarbete med ITN, Institutionen för Teknik och Naturvetenskap, vid Linköpings Universitet. Problemställningen härrör från tidigare projektsamarbete mellan Linköpings Universitet, Telia AB och Ericsson. Uppgiften består i att ta fram en optimeringsalgoritm som använder sig av ett nytt angreppssätt genom att försöka minska osäkerheten på indata.

Evolutionary algorithms have achieved great performance among a wide range of optimization problems. In this degree project, the network optimization problem has been reformulated and solved in an evolved way. A feasible evolutionary framework has been designed and implemented to train neural networks in supervised learning scenarios. Under the structure of evolutionary algorithms, a well-defined fitness function is applied to evaluate network parameters, and a carefully derived form of approximate gradients is used for updating parameters. Performance of the framework has been tested by training two different types of networks, linear affine networks and convolutional networks, for a flash call verification task.Under this application scenario, whether a flash call verification will be successful or not will be predicted by a network, which is inherently a binary classification problem. Furthermore, its performance has also been compared with traditional backpropagation optimizers from two aspects: accuracy and time consuming. The results show that this framework is able to push a network training process to converge into a certain level. During the training process, despite of noises and fluctuations, both accuracies and losses converge roughly under the same pattern as in backpropagation. Besides, the evolutionary algorithm seems to have higher updating efficiency per epoch at the first training stage before converging. While with respect to fine tuning, it doesn’t work as good as backpropagation in the final convergence period.
Evolutionära algoritmer uppnår bra prestanda för ett stort antal olika typer av optimeringsproblem. I detta examensprojekt har ett nätverksoptimeringsproblem lösts genom omformulering och vidareutveckling av angreppssättet. Ett förslag till ramverk har utformats och implementerats för att träna neuronnätverk i övervakade inlärningsscenarier. För evolutionära algoritmer används en väldefinierad träningsfunktion för att utvärdera nätverksparametrar, och en noggrant härledd form av approximerade gradienter används för att uppdatera parametrarna. Ramverkets prestanda har testats genom att träna två olika typer av linjära affina respektive konvolutionära neuronnätverk, för optimering av telefonnummerverifiering. I detta applikationsscenario förutses om en telefonnummerverifiering kommer att lyckas eller inte med hjälp av ett neuronnätverk som i sig är ett binärt klassificeringsproblem. Dessutom har dess prestanda också jämförts med traditionella backpropagationsoptimerare från två aspekter: noggrannhet och hastighet. Resultaten visar att detta ramverk kan driva en nätverksträningsprocess för att konvergera till en viss nivå. Trots brus och fluktuationer konvergerar både noggrannhet och förlust till ungefär under samma mönster som i backpropagation. Dessutom verkar den evolutionära algoritmen ha högre uppdateringseffektivitet per tidsenhet i det första träningsskedet innan den konvergerar. När det gäller finjustering fungerar det inte lika bra som backpropagation under den sista konvergensperioden.

Verksamheten ombord på fartyg blir mer beroende av datakommunikation och många av arbetsuppgifterna ombord underlättas genom att besättningen kan nå information lagrad på annan plats. Fartygens bredbandsanslutning sker till största delen via satellitkommunikation där långa avstånd och begränsad datahastighet resulterar i att datakommunikationen blir ineffektiv. I denna studie undersöks vilken prestandaförbättring som utrustning för nätverksoptimering kan innebära för långsamma WAN-förbindelser via satellit. Undersökningen visade att det största problemet med anslutningar via satellit är den signalfördröjning som uppkommer vid långa sändningsavstånd. Detta medför att det blir prestandaproblem för datatrafiken och användare upplever anslutningen som långsam. För att åtgärda detta finns utrustning som hanterar datatrafiken och genom olika tekniker kan öka prestandan på anslutningen. För att undersöka hur stor prestandaförbättringen kan vara genomfördes ett antal olika experiment med utrustning för nätverksoptimering. Experimenten genomfördes genom att utvärdera filöverföringar med och utan nätverksoptimering. Resultaten visar att utrustningen för nätverksoptimering ger en stor prestandaförbättring vid filöverföringar.
Shipboard operations have become more reliant of data communication and many of the duties on board may be facilitated if the crew can access information stored elsewhere. The broadband connection between ship and shore is mostly done via satellite communication where long distances and limited data rate results in inefficient data communication. This study examines network optimization and the performance improvement this can have regarding slow WAN connections via satellite. The survey showed that the biggest issue with data communication via satellite is the signal delay caused by the long transmission distance which means that there will be performance degradation for data traffic and users will experience the data communication as slow. To solve this there is equipment that enhances the performance of the connection and handles the data communication by implementing various techniques. To investigate how much the performance improvement can be this study carried out a number of experiments with network optimization equipment.  The experiments evaluated file transfer with and without network optimization. The results show that the network optimization gives a major performance improvement regarding file transfer.