چکیده: شبکه های روی تراشه را می توان جایگزین فناوری گذرگاه در تراشه های با تعداد هسته‌ی زیاد دانست. در این تراشه ها، هسته ها به کمک سیم و یا از طریق بی سیم به هم وصل می شوند. علت اصلی استفاده از ارتباط بی-سیم، کاهش تأخیر و توان مصرفی در شبکه می باشد. در شبکه های روی تراشه، مانند دیگر شبکه های مرسوم، مسئله‌ی مسیریابی حائز اهمیت است. الگوریتم مسیریابی مناسب در این شبکه ها، الگوریتمی است که ضمن کاهش تأخیر و افزایش کارایی، از پدیده‌ی بن بست نیز جلوگیری کند. واضح است که وقتی لینک های بی سیم به شبکه اضافه می شود، پیچیدگی های الگوریتم مسیریابی هم افزایش پیدا خواهد کرد. شایان ذکر است با استفاده از الگوریتم های مسیریابیِ مبتنی بر روش‌های یادگیری ماشینی، می توان مسیریابی را بهتر و با ازدحام کمتر انجام داد. در کارهای گذشته، الگوریتم یادگیری برای یک شبکه بر روی تراشه‌ی سیمی ارائه گردیده است. از آن جایی که در شبکه‌ی بی سیم، تقاضا برای استفاده از لینک های بی سیم زیاد است، الگوریتم یادگیری تا حد زیادی می تواند ازدحام در شبکه را کاهش دهد. از طرفی، اساس شبکه های بر روی تراشه‌ی بی سیم، متفاوت از شبکه های سیمی می باشد که خود منجر به تفاوت در پیاده سازی الگوریتم یادگیری تقویتی خواهد شد. لذا در این پایان نامه، تلاش می شود تا به کمک یادگیری تقویتی یک الگوریتم مسیریابی برای شبکه های روی تراشه‌ی بی سیم ارائه گردد. از آن جا که الگوریتم یادگیری تقویتی ارائه‌ شده قابلیت تشخیص مسیر پر ازدحام و تغییر مسیر را دارد، می تواند در هنگام ارسال بسته از گره مبدأ به گره مقصد، تصمیم بهتری بگیرد. همچنین نتایج روش پیشنهادی با الگوریتم های مسیریابی گذشته مقایسه شده و در الگوریتم پیشنهادی حداقل 8 درصد بهبودی ایجاد شده است.