Priced-Based Fair Bandwidth Allocation for Networked Multimedia
Notice bibliographique
Résumé
The high demand of bandwidth from multimedia applications, specially video applications which consume the great majority of the Internet bandwidth, has caused a challenge for service providers and network operators. On the one hand, the allocation of bandwidth in a fair manner for multimedia users is necessary, so that the total utility of all users is maximized for higher quality of experience. On the other hand, optimizing the utilization of network resources such as maximizing throughput is also important for network operators to reduce cost and/or maximize profits. These two requirements could potentially be conflicting; hence, achieving both at the same time is challenging, and the reason why very few previous efforts have targeted this problem. Examples include Traffic Management Using Multipath Protocol (TRUMP) and Logarithmic-Based Multipath Protocol (LBMP), both of which achieve good results but are not without shortcomings. In this paper, we propose a Price-Based Fair Bandwidth Allocation (PBFA) method by implementing an optimized sending rate adaptation technique and combining it with an intuitive investment method to optimize the feedback prices to achieve efficient and fair bandwidth allocation. The results of our performance tests, using different simulations under different network topologies, show that PBFA achieves improvements of as much as 90% in fairness, 207% in throughput, and 91% in utility compared to TRUMP.
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 | 0,000 | 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 | 0,001 | 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 ».