چكيده

تاكنون كاربردهاي فراواني براي شبكه هاي عصبي مصنوعي ارائه شده است. شبكه هاي عصبي

مصنوعي، اطلاعات را به روشي مشابه با كاري كه مغز انسان انجام ميدهد، پردازش ميكنند. آنها از تعداد

زيادي از عناصر پردازشي كه فوق العاده بهم پيوست هاند، تشكيل شده اند كه اين عناصر به صورت موازي باهم

براي حل يك مسئله مشخص كار مي كنند. امتياز شبكه عصبي اين است كه خودش كشف ميكند كه

چگونه مسئله را حل كند.

نتايج مثبتي كه استفاده از شبكه هاي عصبي در حل مسائل بهينه سازي در پي داشته است، راه را

براي استفاده از آنها در مسيريابي شبكه هاي كامپيوتري گشوده است. اين امر در شبكه هاي متداول با

استفاده از شبكه ي هاپفيلد و در شبكه هاي بسته شناختي با استفاده از شبكه عصبي رندم صورت مي گيرد.

علاوه بر بكارگيري مستقيم شبك ههاي عصبي بعنوان الگوريتم مسيرياب، شبكه هاي عصبي همچنين بصورت

غير مستقيم به الگوريتم هاي مسيريابي كمك م يكنند. آنها با تحليل و پي شبيني شرايط شبكه، ورودي

الگوريتم مسيريابي، كه مي تواند هركدام از الگوريتم هاي مسيريابي متداول باشد، را فراهم مي كند. در اين

سمينار، هر دو كاربرد شبك ههاي عصبي در امر مسيريابي بررسي و نتايج استفاده از آن و نيز پارامترهاي

موثر در عملكرد و بازدهي انها مورد بررسي قرار گرفته است.