Service-Aware Resource Orchestration in Ultra-Dense LEO Satellite-Terrestrial Integrated 6G: A Service Function Chain Approach
Notice bibliographique
Résumé
With the rapid expansion of the scale of deployed low earth orbit (LEO) satellites, the ultra-dense LEO satellite-terrestrial integrated network (LTIN) is envisioned as a promising architecture in the sixth-generation (6G) system to implement seamless connectivity and high-speed data rate service. Especially for ultra-remote real-time services with long transmission distance and high delay requirements, the integrated network can guarantee its end-to-end service continuity. However, many challenges have been posed to the efficient resource orchestration for the service delivery, owing to the large scale, heterogeneity and high mobility of the integrated network. For each service, its data needs to go through a series of on-board processing, before being downloaded to the terrestrial network for further applications. To this end, service function chain (SFC), an ordered concatenation of network functions (NFs), is introduced to support service provision. By allocating the constituent NFs over the LTIN, we propose an efficient multiple service delivery scheme to minimize the overall delivery completion latency, while taking into account resource sharing and competition among multiple SFCs. First, we formulate the multiple SFC embedding problem as a noncooperative game that is further proved as the weighted potential game with at least one Nash equilibrium (NE). With the help of the proposed global coordination mechanism, we design two algorithms to obtain the NE. One is the best response (BR) algorithm with faster convergence, while the other is adaptive play (AP) algorithm with more capacity for best solutions. Then, the stochastic learning (SL) algorithm is proposed to adapt to network dynamics and reduce global information exchange. Finally, extensive simulations validate the convergence and effectiveness of the proposed algorithms.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| 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 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».