Routing and wavelength assignment with multigranularity traffic in optical networks
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
We propose a novel switching architecture of multigranularity optical cross-connects (MG-OXCs) for dealing with multigranularity traffic in the optical domain. MG-OXCs can cooperate with the generalized multiprotocol label switching (MPLS) control plane, which provides the advantages of cost reduction, better scalability in physical size, and unified traffic management. Detailed discussions are provided on the characteristics and implementation issues for the switching architecture. Based on the proposed MG-OXCs, two routing and wavelength assignment (RWA) with tunnel allocation algorithms are presented: dynamic tunnel allocation (DTA) and capacity-balanced static tunnel allocation (CB-STA). In the former, we use fixed alternate routing with k-shortest paths to inspect network resources along each alternate path for dynamically setting up lightpaths. For the latter, fiber and waveband tunnels are allocated into networks at the planning stage (or off-line) according to weighted network link-state (W-NLS). We will show that with the proposed algorithms, the RWA problem with tunnel allocation in the optical networks containing MG-OXCs can be solved effectively. Simulation is conducted on networks with different percentages of switching capacity and traffic load. The simulation results show that DTA is outperformed by CB-STA in the same network environment due to a well-disciplined approach for allocating tunnels with CB-STA.. We also find that the mix of the two approaches yields the best performance given the same network environment apparatus.
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 | 0,001 |
| 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 | 0,001 |
| 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 découle