Location and Allocation of Switching Equipment (Splitters/AWGs) in a WDM PON Network
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With the growing popularity of bandwidth demanding services such as HDTV, VoD, and video conferencing applications, there is an increasing demand on broadband access. To meet this demand, the access networks are evolving from the traditional DSL and cable techniques to a new generation of fiber-based access techniques. While EPONs and GPONs have been the most studied passive optical access networks (PONs), WDM-PON is more often seen as the next generation trend with an hybrid set of switching equipment. We propose a new optimization scheme for the deployment of greenfield WDM PON networks to minimize their total deployment costs. Based on the geographic location of ONUs and their corresponding traffic demand, our proposed scheme optimizes the placement of splitters and AWGs in a WDM PON. The solution process has two phases. In the first phase, ONUs are grouped around switching equipment into different clusters and then each cluster is assigned a passive equipment(i.e.,splitter/AWG). In the second phase, we develop a column generation (CG) algorithm based on a mathematical model, for selecting the best multi-stage placement equipment topology. The resulting combination of the clustering and of the column generation algorithms encompasses the particular cases where all switching equipment are splitters/AWGs/mixture and outputs the location of the switching equipment of the PON network. Numerical results allow the validation of the models and of the algorithms on various data sets.
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.
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 | 0,000 | 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 découle