Survivable routing and wavelength assignment (RWA) in optical virtual private networks (O-VPNs)
Notice bibliographique
Résumé
This paper tackles the resource allocation problem for wavelength division multiplexing (WDM) networks supporting virtual private networks (O-VPNs), in which working and spare capacity are allocated in the networks for satisfying a series of traffic matrices corresponding to a group of O-VPNs. Based on the (M:N)/sup n/ protection architecture where multiple protection groups (PGs) are supported in a single network domain, we propose two novel integer linear programming (ILP) models, namely ILP-I and ILP-II, aiming to initiate a graceful compromise between the capacity efficiency and computation complexity without losing the ability of addressing the QoS requirements in each O-VPN. ILP-I optimizes the task of resource allocation by taking each O-VPN as a PG, while the ILP-II breaks down each O-VPN into multiple small PGs where all the working paths in each PG are mutually link-disjointedly routed. Experiment results show that in terms of capacity efficiency, a significant improvement can be achieved by ILP-I compared to that by ILP-II at the expense of much longer computation time. Although ILP-II is outperformed by ILP-I, it can handle the situation with an arbitrary size of O-VPNs. We conclude that the proposed ILP-II model yields a scalable solution for the capacity planning in the survivable optical networks supporting O-VPNs based on the (M:N)/sup n/ protection architecture.
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 | 0,000 | 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 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 ».