MétaCan
Menu
Retour à la cohorte
Enregistrement W4293057950 · doi:10.1109/vtc2022-spring54318.2022.9860825

Less Complex Algorithm to Max-Min the Resource Allocation for Unmanned Aerial Vehicles Networks

2022· article· en· W4293057950 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revue2022 IEEE 95th Vehicular Technology Conference: (VTC2022-Spring) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueUAV Applications and Optimization
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceQuality of serviceComputational complexity theoryResource allocationChannel (broadcasting)Optimization problemMathematical optimizationChannel allocation schemesWireless networkBandwidth (computing)WirelessFocus (optics)Distributed computingComputer networkAlgorithmMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

This work studies unmanned aerial vehicles (UAVs) as supporters of future wireless networks. We focus on channel assignment and study it as a joint optimization problem, where we pick from a pool of channels provided by a main core network. We find an optimal solution for the association problem between the wireless access points (WAPs) and UAVs, and this way we can maximize the total weighted sum rate by formulating a max-min optimization problem. This formulation is subject to quality of service (QoS), to a maximum number of links from the pool channel, and to available bandwidth constraints. The formulated problem is an NP-hard problem and requires exponential time to be solved as the number of WAPs increases. We propose a low-complexity centralized algorithm to solve the association problem. Our results demonstrate that the solution of the proposed algorithm approaches that of the exhaustive search technique with much less computational complexity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,776
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,225
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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