/AIRouting

tensorflow-lite dweb AI 路由模型

AIRouting

这是一个测试项目

流程

数据准备

收集关于网络流量，网络结构，链路状态等相关数据。

特征

  1. 模糊的地理位置
  2. 当前设备的移动速度
  3. 当前连接的底层
    1. 蜂窝网络：2G ～ 5.5G、 信号强度
    2. WIFI：名称、信号强度、频段干扰率
    3. Bluetooth（包含 ZigbeeDirect）
    4. NFC
    5. WifiDirect
  4. 当前通讯的应用协议（WebSocket、Quic、WebRTC、Libp2p、HttpLoop……）
  5. 当前 CPU 负载
  6. 当前内存负载
  7. 当前电量
  8. 是否省电模式
  9. 当前通讯延迟
  10. 是否需求低延迟
  11. 当前带宽速度
  12. 是否需求高带宽

模型选择和训练

使用深度强化学习（Deep Reinforcement Learning），它可以通过在网络环境中不断尝试和学习，找出最优的路由策略。然后使用已准备的数据对模型进行训练。

模型测试和调优

在测试数据上评估模型的性能并进行调优。模型的性能可以通过一些指标（例如，路由效率，网络延迟等）来衡量。

模型部署

部署到网络节点中,让它在实际网络环境中进行路由切换的决策。(dweb-cloud/dweb-browser)