Grooming of Symmetric Traffic in Unidirectional SONET/WDM Rings
Notice bibliographique
Résumé
In SONET/WDM networks, a wavelength channel is shared by multiple low-rate traffic demands. The multiplexing is known as traffic grooming and realized by SONET add-drop multiplexers (SADM). The grooming factor is the maximum number of low-rate traffic demands that can be multiplexed in one wavelength. Since SADMs are expensive, a key optimization problem in traffic grooming is to minimize the number of SADMs. This optimization problem is challenging and NP-hard even for unidirectional SONET/WDM ring networks with symmetric unitary traffic demands. In this paper, we propose an algorithm for this NP-hard problem. For a set R of symmetric pairs of unitary traffic demands on a SONET ring with n nodes, and a grooming factor of k, our algorithm grooms R into [|R|]/k wavelengths using at most [(1 + 1/k)|R|] + [n/4] SADMs. It can be proved that there exists an instance whose optimal solution requires as many as (1 + 1/k)|R| + |R|/2k SADMs, which is very close to our upper bound. For the guaranteed performance, our algorithm achieves a better approximation ratio than previous ones. Our algorithm uses the minimum number of wavelengths that are also precious resources in optical networks. In addition, the experimental results show that our algorithm has much better practical performance than the previous algorithms in most cases.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».