A Self-Organized Network for Load Balancing Using Intelligent Distributed Antenna System [4pt]Un réseau auto-organisé pour l’équilibrage de charge utilisant un système intelligent d’antennes distribuées
Notice bibliographique
Résumé
A high call-blocking rate is a consequence of an inefficient utilization of system resources, which is often caused by a load imbalance in the network. Load imbalances are common in wireless networks with a large number of cellular users. This paper investigates a load-balancing scheme for mobile networks that optimizes cellular performance with constraints of physical resource limits and users' quality of service demands. In order to efficiently utilize the system resources, an intelligent distributed antenna system (IDAS) fed by a multibase transceiver station (BTS) has the ability to distribute the system resources over a given geographic area. To enable load balancing among distributed antenna modules, we dynamically allocate the remote antenna modules to the BTSs using an intelligent algorithm. A self-organized network (SON) for an IDAS is formulated as an integer-based linear-constrained optimization problem, which tries to balance the load among the BTSs. An estimation distribution algorithm (EDA) as an evolutionary algorithm is proposed to solve the optimization problem. The computational results of the EDA algorithm demonstrate optimum performance for small-scale networks and near-optimum performance for large-scale networks. The EDA algorithm is faster with marginally less complexity than an exhaustive search algorithm.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».