A Column Generation Algorithm for Dedicated-Protection O-RAN VNF Deployment
Notice bibliographique
Résumé
The Open Radio Access Network (O-RAN) architecture brings openness, intelligence, and virtualization to RANs, allowing multi-vendor existence, achieving economics of scale, and enabling intelligent management and orchestration. O-RAN components such as near real-time RAN Intelligent Controllers (RICs), O-RAN Central Units (O-CUs), and O-RAN Distributed Unit (O-DUs) can be considered as virtual network functions hosted on the O-Cloud. This virtualization allows network service providers to disaggregate O-RAN functions from their hard-ware, enabling dynamic instantiation of services and reducing their capital and operating costs. However, with openness and virtualization, availability guarantees become more difficult to maintain as the network is now prone to both software and hardware failures. In this paper, we investigate a decomposition model for the design of reliable 0-RAN deployment under a dedicated virtual network function (VNF)-protection scheme. The proposed model maximizes the network's yearly availability by providing a placement decision for all 0-RAN VNFs and their backup instances. The model is solved by a column generation algorithm making it a scalable algorithm for large-scale 0-RAN deployments. Extensive computational results show that the algorithm can produce ε-optimal solutions with negligible ε (less than 0.1%) in reasonable computational times. These results significantly enlarge the exact solutions of the state-of-the-art algorithms for this problem.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».