MétaCan
Menu
Retour à la cohorte
Enregistrement W2117668131 · doi:10.1109/tnet.2008.2001467

Survivability Approaches Using p-Cycles in WDM Mesh Networks Under Static Traffic

2008· article· en· W2117668131 sur OpenAlexaff
Abdelhamid Eshoul, Hussein T. Mouftah

Notice bibliographique

RevueIEEE/ACM Transactions on Networking · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Optical Network Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésBackupComputer scienceRouting and wavelength assignmentSurvivabilityWavelength-division multiplexingInteger programmingRouting (electronic design automation)Metric (unit)Computer networkDistributed computingPath protectionNetwork topologyTraffic groomingMathematical optimizationPath (computing)AlgorithmWavelengthMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

The major challenge in survivable mesh networks is the design of resource allocation algorithms that allocate network resources efficiently while at the same time are able to recover from a failure quickly. This issue is particularly more challenging in optical networks operating under wavelength continuity constraint, where the same wavelength must be assigned on all links in the selected path. This paper proposes two approaches to solve the survivable routing and wavelength assignment RWA problem under static traffic using p-cycles techniques. The first is a non-jointly approach, where the minimum backup capacity against any single span failure is set up first. Then the working lightpaths problem is solved by first generating the most likely candidate routes for each source and destination s-d pair. These candidate routes are then used to formulate the overall problem as an ILP problem. Alternatively, for a more optimum solution, the problem can be solved jointly, where the working routes and the backup p-cycles are jointly formulated as an ILP problem to minimize the total capacity required. Furthermore, only a subset of high merit cycles that are most likely able to protect the proposed working paths is used in the formulation. Reducing the number of candidate cycles in the final formulation plays a significant role in reducing the number of variables required to solve the problem. To reduce the number of candidate cycles in the formulation, a new metric called Route Sensitive Efficiency (RSE) - has been introduced to pre-select a reduced number of high merit cycle candidates. The RSE ranks each cycle based on the number of links of the primary candidate routes that it can protect. The two approaches were tested and their performances were compared.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,253
Écart entre enseignants0,168 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE/ACM Transactions on NetworkingMême sujetAdvanced Optical Network TechnologiesTravaux en français237 207