Topology Reconfiguration Mechanism for Traffic Engineering in WDM Optical 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
Optical wavelength division multiplexed (WDM) networks provide an excellent transmission medium for voice and data traffic, streaming media, and high performance and grid computing needs. Rearrangeability is one compelling characteristic of WDM optical networks that allows network operators to rearrange the networks in response to changing traffic demands and element failures to provide improved network performance. Under changing traffic flows and abhorrent network conditions reconfiguration is an ongoing process. Available approaches are not able to handle extreme load conditions, traffic bursts, and element failures and, so far, these approaches cover only limited aspects of the problem of automated reconfiguration. In this work we present an adaptive reconfiguration mechanism for WDM optical networks (ARWON). Two heuristically based algorithms, combination algorithm (CA) and multi lightpath change (MLPC) algorithm, are also proposed to support implementation of ARWON. Simulation experiments covered all ranges of traffic flows and element failure scenario and performance of ARWON was validated with an established contemporary reconfiguration algorithm. Results show that under all loading conditions and link failure scenario ARWON performed better than the comparison algorithm. Under extreme loading conditions ARWON incurred 11 times less traffic loss than single lightpath change (SLPC) algorithm and on average SLPC was carrying 20 more lightpaths than ARWON, per observation cycle, that were 100 percent loaded. Under link failure scenario ARWON recovered faster and rerouted the traffic in one step, whereas SLPC recovered slowly and recovery took much longer duration than ARWON. For other loading conditions, ranging from low to high loading, it was observed that during early stages of simulation ARWON performs at par or marginally better than SLPC. Performance of ARWON steadily improves as simulation progresses over longer duration.
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