Virtualization of elastic optical networks and regenerators with traffic grooming
Notice bibliographique
Résumé
An elastic optical network (EON) plays an important role in transport technology for virtualization of networks. A key aspect of EONs is to establish lightpaths (virtual links) with exactly the amount of spectrum that is needed and with the possibility of grooming, the process of grouping many small traffic flows into larger units, creating a super-lightpath. Grooming eliminates the need for many guard bands between lightpaths and also saves transceivers; however, it often leads to the need to perform optical–electrical–optical conversions to multiple-data-rate optical signals at intermediate nodes. The aim of this paper is to provide a mixed-integer linear programming (MILP) formulation, as well as heuristic and meta-heuristic approaches, for the design of multiple virtual optical networks (VONs) in an elastic optical substrate network with bandwidth-variable lightpaths, modulation format constraints, and virtual elastic regenerator placement. Traffic grooming is allowed inside each VON, and a distance-adaptive modulation format technique is employed to guarantee efficiency in terms of bandwidth for a physical substrate, subject to several virtual topologies. A reduced MILP formulation without grooming capability is also proposed for comparison. The complete MILP formulation jointly solves the virtual topology design, regenerator placement, and grooming problems, as well as the routing, modulation, and spectrum assignment (RMSA) problem. The reduced MILP formulation, heuristics, and meta-heuristic, on the other hand, separate the virtual topology design problem from the RMSA problem. It is shown that the grooming approach can provide good results, since it solves the problem for a complete design when compared to the approach without grooming. Furthermore, heuristic solutions for large networks are proposed, which present good performance (in terms of saving spectrum) for the design with large instances.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».