Adaptive Network Management Service Based on Control Relation Graph for Software-Defined LEO Satellite Networks in 6G
Notice bibliographique
Résumé
As the most important incremental component in the advent of the 6G era, Low-Earth-Orbit (LEO) satellite networks are becoming increasingly instrumental, and their integration with Software-Defined Networking (SDN) is progressively recognized as a potent strategy for evolving toward truly service-centric networks, where networks are flexiblely reconstructed based on the service demands. Within such networks, the SDN controllers are responsible for network management by making service-aware resource orchestration. Hence, the placement and assignment of controllers emerge as one of the most critical aspects of the network management service, which becomes particularly challenging when confronted with the unique complexities posed by LEO satellite networks, characterized by their highly dynamic topology and unpredictable load fluctuations. In this paper, for the first time, we tackle the issue of controller placement and assignment with a focus on delivering network management services. Firstly, we formulate theadaptive controller placement and assignmentproblem. Then, we propose thecontrol relation graph (CRG)to capture the control overhead. Next, we present theCRG-based controller placement and assignmentalgorithm and thesliding window based traffic prediction method. Thelookahead-based improvementalgorithm is designed to further decrease management costs. Finally, we conduct a series of theoretical analyses including time complexities. Extensive emulation results demonstrate that our algorithms outperform related schemes in terms of response time and load balancing.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».