Performance Evaluation of an Optical Burst Switched Core Node With Generalized Arrivals and Partial Wavelength Conversion Capability
Notice bibliographique
Résumé
Many of the burst assembly algorithms employed in optical burst switching (OBS) networks preserve the IP traffic self-similarity property in the burst traffic. We introduce a mathematical model for performance evaluation of an OBS core node employing either no, a partial or a full wavelength conversion strategy. The model assumes long-range dependent (LRD) traffic arrivals to the OBS intermediate node whose inter-arrival times are accurately modeled by a Pareto distribution, whereas exponential holding times are assumed. In our proposed model, each output port in the node is modeled as a GI/M/w/w queue with partial server accessibility. An imbedded Markov chain approach is used to derive the limiting state probability distribution for the number of bursts currently served by an output port as seen by arriving bursts. Next, the average burst loss probability is evaluated from steady-state occupancy probabilities. In addition, the results of our mathematical model are validated via simulation. Furthermore, the results of the model are compared with those when assuming short-range dependent Poisson arrivals. Comparison shows that traditional Poisson traffic models yield over-optimistic performance measures compared to the LRD Pareto traffic models, especially for light traffic scenarios. Furthermore, we study the impact of varying different traffic parameters, such as the average arrival rate and the Hurst parameter, on the burst loss probability. Finally, the impact of varying the wavelength conversion capability on the burst loss probability is studied, where we compare two strategies for contention resolution: adding new channels (wavelengths) or adding wavelength converters, while taking the cost into consideration.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».