Multi-Objective Regular Mapping QoS Path Planning for Mega LEO Constellation Networks
Notice bibliographique
Résumé
To guarantee the low-congestion performance and quality of service (QoS) requirements of multi-services in Mega Low Earth Orbit Constellation Networks (MLEOCN), this paper focuses on the comprehensive communication link model in MLEOCN, commencing from users to access satellites, relayed by relay satellites, and finally delivered to the gateway by feeder satellites. Aiming at the problems of high congestion and low throughput in traditional path planning algorithms, we innovatively propose a multi-objective optimization service-correlated path optimization algorithm based on stochastic hill climbing strategy (MSCPO-SHCS). The algorithm initially achieves the joint optimization of three metrics through regular mapping and judicious weighting. Subsequently, it assesses the interplane hop via geometric parameter theory analysis (GPTA), then decouples the large-scale mixed integer optimization problem into the integer optimization problem superimposed linear programming problem, and ultimately employs the stochastic hill climbing strategy (SHCS) for path intelligent optimization. Based on the path Gaussianity assumption, we theoretically prove and numerically verify the convergence of the proposed algorithm. The simulation results indicate that the proposed algorithm boosts the throughput and load balancing coefficient compared with the greedy strategy, service-uncorrelated, minimum hop count, and resource allocation optimization. Additionally, it decreases the hop count compared with the maximum throughput and maximum balancing coefficient and maintains the optimal overall performance.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».