Scheduling alternatives for mobile WiMAX end-to-end simulations and analysis
Notice bibliographique
Résumé
Fourth Generation broadband wireless technologies such as WiMAX and LTE depend heavily in the performance of their schedulers to deliver high data throughput and meet quality-of-service commitments. This paper compares four different proposed schedulers for mobile WiMAX (Proportional Fairness (PF), Multiclass Modified Largest Weighted Delay First (MLWDF), Highest Urgency First (HUF), and Weighted Fair Queuing (WFQ) )in a range of environments. The evaluation is based on five industry-defined key performance indicators: average sector throughput, application throughput, average completion time, fairness index and delay). The schedulers are evaluated under three simulated environments: controlled (with a detailed analysis of each algorithm's behavior in terms of throughput over time), stationary and mobile. The controlled environment provides interesting insights about the behavior of flows with identical QoS parameters and different RF conditions, and helps to validate subsequent results obtained in the other two environments. Our results for the stationary and mobile environments show that all algorithms meet quality-of-service requirements within system capacity. Algorithms that maximize spectral efficiency (PF and MLWDF) also achieved considerable throughput improvements. MLWDF's throughput results, while outperforming all other schedulers under stationary conditions, fall behind PF in the mobile scenario. The variability introduced by the mobile environment yields no statistically significant difference among the schedulers.
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 | 0,003 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».