Optimal placement of gateways in multi-hop Wireless Mesh Networks: A clustering-based approach
Notice bibliographique
Résumé
Choosing strategic locations to optimally place gateways prior to network deployment in wireless mesh networks (WMNs) can alleviate a number of performance related problems; it can also lead to better handling of network scalability. Existing solutions that address the optimal gateway placement problem differ mainly in terms of the set of constraints that the placed gateways has to satisfy; the resulting placements influence, differently, the network quality of service (QoS). In this paper, we study the WMN topology design and we propose a clustering based gateway placement algorithm (CBGPA) that guarantees end-to-end bounded delay communications with a good handling of network scalability. We show, via a case study, that CBGPA is constraints-independent algorithm that can effectively be coupled with a WMN design model; for that, we propose a multi-objective optimization model to design WMNs topologies from scratch. The two objectives of deployment cost and average congestion of gateways are simultaneously optimized in the model. The optimization model proposed is solved using a nature inspired meta-heuristic algorithm coupled with CBGPA, which provides the network operator with a set of bounded-delay tradeoff solutions. A comparative experimental study, using large size networks (up to 169 nodes) and different key parameter settings is conducted to show the effectiveness of CBGPA and to evaluate the performance of the proposed model.
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 | 0,001 | 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 | 0,001 | 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 ».