Bibliographic record
Abstract
La virtualisation des fonctions réseau et les réseaux définis par logiciel sont deux nouvelles technologies prometteuses qui émergent dans la nouvelle génération des réseaux de télécommunication. Leur introduction permet la minimisation du temps de traitement des services, et un gain en énergie et en coûts. Dans cette thèse, nous étudions un problème confronté par les fournisseurs des services réseau, intitulé le problème de placement des fonctions virtuelles et de routage des services dans les réseaux définis par logiciel. Nous commençons par prouver que le problème est NP-Difficile au sens fort, même en considérant une seule commodité, et en relâchant les contraintes de capacité sur les nœuds et sur les fonctions virtuelles, et aussi les contraintes de latence et de précédence. Nous proposons ensuite une formulation PLNE (Programmation linéaire en nombres entiers) compacte pour modéliser le problème. Cette formulation ne semble pas être assez séré pour trouver des solutions réalisables en un temps raisonnable à l'aide d'un solveur standard. Afin de remédier à cela, nous fournissons, une heuristique basée sur une formulation PLNE. Nous proposons également, deux formulations PLNE étendues pour modéliser le problème et nous définissons l'algorithme de Branch-and-Pricer associé. En plus, nous définissons plusieurs familles d'inégalités valides afin de renforcer la relaxation linéaire. Nous comparons les deux algorithmes proposés et nous discutons leur performance. Ensuite, nous étudions une variante du problème et nous présentons des résultats théoriques qui nous permettent de la reformuler en appliquant la décomposition de Benders. Nous renforçons cette reformulation par un ensemble d'inégalités valides. Tout cela est combiné dans algorithme de Branch-and-Benders-cut que nous avons testé et comparé avec l'algorithme de Benders automatique inclus dans le solveur commercial Cplex. Les résultats numériques indiquent que nos approches de décomposition et de reformulation sont plus efficaces par rapport aux deux méthodes (la formulation compacte et l'algorithme de Benders automatique) fournies par un solveur standard sur un ensemble d'instances réalistes, à la fois en terme de temps CPU et en terme de qualité de la solution. Les résultats indiquent également que notre heuristique fournit des solutions de haute qualité.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".