Service-Oriented Dynamic Resource Slicing and Optimization for Space-Air-Ground Integrated Vehicular Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this paper, we study Space-Air-Ground integrated Vehicular Network (SAGVN), and propose an online control framework to dynamically slice the SAG spectrum resource for isolated vehicular services provisioning. In particular, at a given time slot, the system makes online decisions on the request admission and scheduling, UAV dispatching, and resource slicing for different services. To characterize the impact of those parameters, we construct a time-averaged queue stability criteria by taking queue backlogs of all services into consideration, and formulate a system revenue function which incorporates the time-averaged system throughput and UAV dispatching cost. The objective is to maximize the system revenue while stabilizing the time-averaged queue, which falls into the scope of Lyapunov optimization theory. By bounding the drift-plus-penalty, the original problem can be decoupled into four independent subproblems, each of which is readily solved. The merits of our control framework are three-fold: 1) the system is able to admit and process as many requests as possible (i.e., maximizing the time-averaged throughput); 2) the time-averaged UAV dispatching cost is minimized; and 3) service queues are stabilized in the long-term. Extensive simulations are carried out, and the results demonstrate that the control framework can effectively achieve the system revenue maximization and queueing stabilization. Moreover, it can balance the trade-off among system throughput, UAV dispatching cost, and queueing states via parameter tuning. Compared with the fixed slicing, our dynamic slicing can react to the vehicular environment rapidly and achieve an average 26% of throughput improvement.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle