Dynamic and Parallel Resource Allocation with Analytical Performance Estimation for Virtualized Environment
Notice bibliographique
Résumé
In this thesis, we propose an integrated approach for estimating the performance of virtual network resource allocation and a Genetic Algorithm (GA) based mechanism for online dynamic resource allocation in virtualized environment.The integrated approach is empowered by a novel loss network model with Dynamic Routing And Random Topology (DRART), which is combined with some existing models to create a synergy across different levels through an effective recursive process.Numerical results show the proposed integrated approach can provide accurate predictions on the performances of general virtual network embedding algorithms.We propose a virtual link mapping solution, i.e., Segment Based Genetic Algorithm (SBGA), which provides new definitions for genes and chromosomes in the Genetic Algorithm.Our SBGA approach enables parallel processing for searching optimal allocations.Our theoretical analysis shows that the execution time of our approach can be reduced to logarithmic time.To map virtual nodes and links to physical ones in one stage, we further develop an approach, named as GAOne.Our proposed GAOne approach applies the two-color graph coloring in graph theory to guide the crossover process in the Genetic Algorithm (GA) for valid solutions.Our simulation results show that the proposed GAOne approach is fast and efficient for online resource allocation applications in virtualized environment.i At this point, my Ph.D. journey is coming to the end.In the past six years, I've thought of giving up many times.Fortunately, I decided to persevere.First and foremost, I would like to express my deep and sincere gratitude to my supervisor Dr.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».