Adaptive $ D$-Hop Connected Dominating Set in Highly Dynamic Flying Ad-Hoc Networks
Notice bibliographique
Résumé
By exploring the intelligent cooperation of unmanned aerial vehicle (UAV) swarms, the formed flying ad-hoc networks (FANETs) can support a variety of collaborative operations with real-time communications in emergency scenarios. To reduce the prohibitively high routing overhead with the connectivity guaranteed of multi-hop links, UAV swarms can construct a virtual backbone network (VBN) based on the graph-theoretical$d$-hop connected dominating set ($d$-CDS), where each UAV outside VBN can send collected data to VBN within$d$-hop distance. However, due to the high dynamics of FANETs in emergency scenarios, the optimal solution may not match the current status, which results in frequently intermittent connectivity. Besides, recomputing the solution from scratch will lead to significant maintance costs. Therefore, it is crucial to adapt the minimal$d$-CDS to topology changes. To this end, we propose an$ \mathcal {O}(d\log (N))$-approximation algorithm (i.e.,$ N$denotes the maximal number of nodes) with expected$ \mathcal {\widetilde{O}}(d\Delta ^2)$(i.e.,$ \Delta$denotes the maximal degree of a vertex over the sequence of updates) time per update. The simulation results demonstrate that our adaptive solution can strike a better trade-off among the routing overhead, response time, and maintance costs per topology update compared with state-of-the-art schemes in emergency scenarios.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».