Diseño e implementación de un sistema de balanceo de carga basado en inteligencia artificial mediante aprendizaje por refuerzo para redes de un proveedor de servicios de internet (ISP)

Abstract

Esta investigación se centra en el diseño e implementación de un sistema de balanceo de carga basado en inteligencia artificial (IA) que aplica aprendizaje por refuerzo, específicamente el algoritmo Q-learning, para mejorar la distribución del tráfico dentro de una red real de un Proveedor de Servicios de Internet (ISP). Asimismo, el sistema propuesto será implementado en la infraestructura tecnológica de QuitoFibranet Cia. Ltda. utilizando un nodo MikroTik. A medida que el modelo aprenda de las condiciones de la red a lo largo del tiempo, generará recomendaciones inteligentes de enrutamiento para apoyar a los administradores de red en la toma de decisiones fundamentadas. La metodología propuesta incluye la evaluación de la topología actual de la red y el análisis de indicadores clave de desempeño, como el throughput, la latencia, la utilización de los enlaces y la pérdida de paquetes. Estos datos se utilizarán para entrenar un agente de aprendizaje por refuerzo capaz de adaptarse a las condiciones cambiantes de la red e identificar, en tiempo real, la ruta de enrutamiento más eficiente. Además, un panel de monitoreo web desarrollado con HTML, CSS, JavaScript y Python permitirá a los administradores supervisar el rendimiento de la red y revisar las recomendaciones generadas por el sistema de inteligencia artificial. El objetivo principal de esta investigación es determinar si el aprendizaje por refuerzo puede mejorar la calidad del servicio, el rendimiento general de la red, la utilización de los recursos y la eficiencia del balanceo de carga en comparación con los enfoques convencionales. Asimismo, se espera que los resultados sirvan de apoyo para futuras investigaciones y fomenten la adopción de soluciones inteligentes para la gestión de redes de proveedores de servicios de Internet (ISP).