MétaCan
Menu
Retour à la cohorte
Enregistrement W7099216978

Routing and wavelength assignment in single hop all optical networks with minimum blocking. Research Report G-2004-12, Université de Montréal, Groupe d’Etude et de Recherche en Analyse des Décisions

2004· article· en· W7099216978 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Optical Network Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRouting and wavelength assignmentWavelength-division multiplexingInitializationTabu searchHeuristicRouting (electronic design automation)Set (abstract data type)Hop (telecommunications)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

wdm networks offer a technology that can transferred several optical signals into a single optical fiber. This allows for more efficient use of the huge capacity of optical fibers but it also poses new network design and management problems such as routing and wavelength planning. This paper discusses the rwa problem, i.e., the routing and wavelength assignment problem in wdm networks. Given a set of requests and the number of available wavelengths the fibers support, we are to find, through the network, a route for each connection and assign wavelengths to them. In this paper, we consider the objective of minimizing the number of connections that have to be denied. We propose a multi-phase heuristic algorithm called rwabou. It begins with an initialization step in which we compute for each connection, r-shortest paths from each source to their destination. It is followed by an algorithm with two interactive phases. The first phase integrates a Tabu Search heuristic for the wavelength assignment followed by and interacting with a partial rerouting heuristic phase for the blocked connections. Computational experience shows that

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,087
Tête enseignante GPT0,332
Écart entre enseignants0,245 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Optical Network TechnologiesTravaux en français237 207