Fast Efficient Design of Shared Backup Path Protected Networks Using a Multi-Flow Optimization Model
Notice bibliographique
Résumé
Core communication networks have seen significant traffic increases in recent years, and availability requirements also continue to increase. This fact has led to a wide array of network design improvements, particularly in the area of network survivability. The various survivability mechanisms and accompanying design models that have been developed use diverse strategies to provision spare capacity throughout a network to restore traffic in case of a failure. The break of a fiber line continues to be the most common type of network failure, and this paper addresses at a common protection mechanism called shared backup path protection (SBPP), which is quite efficient at dealing with this type of failure. SBPP is a popular survivability mechanism, and there has been a significant amount of work done with it in recent years. However, the SBPP integer linear program (ILP) design model has proven difficult to solve using reasonable computing and time resources. While many algorithms and heuristics have been developed to design SBPP-based networks, it has been difficult to know how well these designs perform compared to ILP optimized networks. This paper presents a new SBPP-type protection mechanism and accompanying ILP model that solves in a couple orders of magnitude less time than the benchmark approach by allowing multiple working and backup routes (we compare to one representative version of the traditional approach as our benchmark). This new mechanism and accompanying model will allow better benchmarking of SBPP-like network designs, and enhance further study into the performance of SBPP relative to other network survivability approaches.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».