MétaCan
Menu
Retour à la cohorte
Enregistrement W2290869909 · doi:10.1109/glocom.2015.7416992

Energy-Efficient Virtual Link Reconfiguration for Off-Peak Time

2015· article· en· W2290869909 sur OpenAlexaff
Ebrahim Ghazisaeedi, Changcheng Huang

Notice bibliographique

Revue2015 IEEE Global Communications Conference (GLOBECOM) · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware-Defined Networks and 5G
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésControl reconfigurationEnergy consumptionComputer scienceHeuristicEnergy (signal processing)Distributed computingThe InternetComputer networkVirtual machineReal-time computingEmbedded systemEngineeringOperating systemMathematics

Résumé

récupéré en direct d'OpenAlex

Energy consumption in Information and Communication Technology (ICT) is a large portion of total energy consumed in industrial countries. Virtualized Network Environment (VNE) has recently emerged as a solution to address the challenges of future Internet. It is essential to develop novel techniques to reduce VNE's energy consumption. In this paper, we propose an energy saving method that optimizes VNE's energy consumption during the off-peak time. This method reconfigures mapping for some of the embedded virtual links in the off-peak period. The proposed strategy enables providers to adjust the level of the reconfiguration, and accordingly control probable traffic disruptions due to the reconfiguration. This problem is formulated as a Binary Integer Linear Program (BILP). Since the defined BILP is NP-hard, a novel heuristic algorithm is also suggested. The proposed energy saving methods are evaluated over random VNE scenarios. The results confirm the defined solutions are able to save notable amounts of energy during off-peak period, while still accommodating off-peak traffic demands of involved virtual networks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,942
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0040,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,070
Tête enseignante GPT0,303
Écart entre enseignants0,233 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2015 IEEE Global Communications Conference (GLOBECOM)Même sujetSoftware-Defined Networks and 5GTravaux en français237 207