VAPNIC: A VersAtile shortest path-free VNF Placement using a divide-and-coNquer tactIC
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
Orchestration mechanisms play a pivotal role in assisting service providers in deploying their increasingly complex virtual network services seamlessly thanks to Network Function Virtualization (NFV) and Software-defined networking (SDN) technology enablers. Unfortunately, existing state-of-the-art orchestration techniques suffer from non-scalability and time-efficiency aptitude when the services require VNFs to be distributed across cloud and edge environments with complex dimensions. Furthermore, they provide competitive solutions in good execution time only for small-scale scenarios (e.g., in seconds for 50 nodes) but generally require an exorbitant amount of time to converge towards feasible solutions for medium-scale or even large-scale schemes. This paper proposes VAPNIC: an innovative approach that solves the VNF placement and chaining problem with lower algorithmic complexity using a disjoint-set data structure aided divide-and-conquer strategy. Our method's unique design is the non-use of any existing shortest path search algorithms to chain the virtual network functions. To the best of our knowledge, this is the first work that strives to tackle the placement and chaining of the VNFs from a distinctive perspective in the case of medium-and-large scale scenarios with a fast and scalable heuristic that exploits the divide-and-conquer design paradigm based on multi-branched recursion. Experimental results indicate that VAPNIC outperforms existing approaches in acceptance rate, resource utilization, scalability, and time efficiency.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| 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