Design Optimization of Wireless Access Virtualization Based on Cost & QoS Trade-Off Utility Maximization
Notice bibliographique
Résumé
Wireless access virtualization is an emerging avenue for research for future 5G networks. For its ability to augment network sharing and its subsequent impact on reducing network setup and operational costs, network virtualization is greatly sought after by telecommunications operators all over the world. This paper classifies virtual wireless access into three possible PHY-MAC models that differ in terms of the degree of segregation of baseband signal processing and radio access units. One of the models uses special purpose hardware while another leverages software defined networking (SDN) and cloud computing technologies for implementing virtual wireless access using general purpose hardware. The proposed models differ in terms of their associated network operational cost as well as in terms of the level of QoS they can provide. A new multi-criteria utility function is hence proposed in order to assess the tradeoffs between network cost & QoS of these models from a PHY-MAC layer perspective. The new utility function provides guidelines for a network designer to choose the optimal virtualization model that best fits an operator's budget constraint as well as the QoS requirement of the intended service. Analytical results show that a novel hybrid model that properly combines both special purpose and SDN & cloud computing technologies maximizes the newly introduced utility function by attaining the best balance between overall network cost and QoS. This occurs in most expected practical cases where precisely, one of the two does not relatively outweigh the other and viceversa.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 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 ».