A novel multiobjective framework for cell switch-off in dense cellular networks
Notice bibliographique
Résumé
The green communications paradigm has been receiving much attention in wireless networks in recent years. More specifically, in the context of cellular communications, the concept of Cell Switch Off (CSO) has been recognized as a promising approach to reduce the energy consumption. The need is expected to be pressing especially in the next decade with the increasing small cell deployment. However, the cell switch on/off decisions compounded by the resource allocation task in CSO constitute a highly challenging optimization problem due to the fact that this problem can be viewed as a generalized version of the resource allocation (scheduling) problem in the conventional cellular networks without CSO, which itself is already difficult. This paper introduces a novel framework to CSO based on multiobjective evolutionary optimization. The main contribution of this paper is that the proposed multiobjective framework takes the traffic behaviour in both space and time (known by operators) into account in the optimal cell switch on/off decision making which is entangled with the corresponding resource allocation task. The exploitation of this statistical information is done in a number of ways, including through the introduction of a weighted network capacity metric. This indicator prioritizes cells which are expected to have traffic concentration resulting in on/off decisions that achieve substantial energy savings in scenarios where traffic is highly unbalanced, without compromising the QoS. The proposed framework distinguishes itself from the CSO papers in the literature in two ways: 1) The number of cell switch on/off transitions as well as handoffs are minimized. 2) The computationally-heavy part of the algorithm is executed offline, which makes the real-time implementation feasible.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».