MétaCan
Menu
Retour à la cohorte
Enregistrement W2160192036 · doi:10.1109/jsac.2008.080512

A novel Hα control strategy for design of a robust dynamic routing algorithm in traffic networks

2008· article· en· W2160192036 sur OpenAlexaff
Farzaneh Abdollahi, K. Khorasani

Notice bibliographique

RevueIEEE Journal on Selected Areas in Communications · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Traffic and Congestion Control
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRobustness (evolution)ScalabilityQueueing theoryRouting (electronic design automation)Mathematical optimizationRobust controlDistributed computingAlgorithmComputer networkControl systemMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper novel centralized and decentralized routing control strategies based on minimization of the worst-case queuing length are proposed. The centralized routing problem is formulated as an Hinfinoptimal control problem to achieve a robust routing performance in presence of multiple and unknown fast time-varying network delays. Unlike similar previous work in the literature the delays in the queuing model are assumed to be unknown and time-varying. A Linear Matrix Inequality (LMI) constraint is obtained to design a delay-dependent Hinfincontroller. The physical constraints that are present in the network are then expressed as LMI feasibility conditions. Our proposed centralized routing scheme is then reformulated in a decentralized frame work. This modification yields an algorithm that obtains the "fastest route", increases the robustness against multiple unknown time-varying delays, and enhances the scalability of the algorithm to large scale traffic networks. Simulation results are presented to illustrate and demonstrate the effectiveness and capabilities of our proposed novel dynamic routing strategies.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,055
Tête enseignante GPT0,278
Écart entre enseignants0,223 · 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

Citations17
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal on Selected Areas in CommunicationsMême sujetNetwork Traffic and Congestion ControlTravaux en français237 207