Survey of the Influence of Routing Protocols to Network Performance Enhancement
Notice bibliographique
Résumé
Routing protocols play a crucial role in the operation of computer networks by determining the optimal paths for data transmission. The selection of an appropriate routing protocol can significantly impact network performance, including factors such as latency, throughput, reliability, and scalability. This survey aims to provide a comprehensive analysis of the influence of various routing protocols on network performance enhancement. The survey begins by presenting an overview of common routing protocols with their key characteristics. Subsequently, it explores the impact of these protocols on network performance metrics, focusing on their ability to adapt to changing network conditions, mitigate congestion, and ensure efficient resource utilization. Through a systematic review of literature, empirical studies, and real-world implementations, this survey aims to provide network administrators, researchers, and practitioners with valuable insights into selecting and optimizing routing protocols for specific network environments. Additionally, it identifies areas for further research and development to continue advancing the field of routing protocols and network performance enhancement. Keywords: Optimizing Routing Protocols, Performance Metrics, Reliability and Scalability, Resource Utilization, Wireless Local Area Networks, Accurate Routing Tables Juliana I. Consul & Bunakiye R. Japheth (2023): Survey of the Influence of Routing Protocols to Network Performance Enhancement. Journal of Advances in Mathematical & Computational Science. Vol. 11, No. 4. Pp 13-28 Available online at www.isteams.net/mathematics-computationaljournal. dx.doi.org/10.22624/AIMS/MATHS/V11N4P2
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 | 0,023 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».