論文の概要: A Multi-Domain VNE Algorithm based on Load Balancing in the IoT networks
- arxiv url: http://arxiv.org/abs/2202.05667v1
- Date: Mon, 7 Feb 2022 01:01:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-20 16:21:29.236953
- Title: A Multi-Domain VNE Algorithm based on Load Balancing in the IoT networks
- Title（参考訳）: IoTネットワークにおける負荷分散に基づくマルチドメインVNEアルゴリズム
- Authors: Peiying Zhang, Fanglin Liu, Chunxiao Jiang, Abderrahim Benslimane,
Juan-Luis Gorricho, Joan Serrat-Fernacute
- Abstract要約: 本稿では,ハイブリッド遺伝的アルゴリズムに基づく仮想ネットワークマッピング戦略を提案する。
アルゴリズムの柔軟性を向上させるために、クロス確率とフェロモンベースの突然変異遺伝子選択戦略を使用する。
平均見積もりのマッピング、リンクロードバランシング、マッピングコスト-ベネフィット比、受け入れ率、実行時間など、多くのパフォーマンス指標でうまく機能する。
- 参考スコア（独自算出の注目度）: 22.63148849159129
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Virtual network embedding is one of the key problems of network
virtualization. Since virtual network mapping is an NP-hard problem, a lot of
research has focused on the evolutionary algorithm's masterpiece genetic
algorithm. However, the parameter setting in the traditional method is too
dependent on experience, and its low flexibility makes it unable to adapt to
increasingly complex network environments. In addition, link-mapping strategies
that do not consider load balancing can easily cause link blocking in
high-traffic environments. In the IoT environment involving medical, disaster
relief, life support and other equipment, network performance and stability are
particularly important. Therefore, how to provide a more flexible virtual
network mapping service in a heterogeneous network environment with large
traffic is an urgent problem. Aiming at this problem, a virtual network mapping
strategy based on hybrid genetic algorithm is proposed. This strategy uses a
dynamically calculated cross-probability and pheromone-based mutation gene
selection strategy to improve the flexibility of the algorithm. In addition, a
weight update mechanism based on load balancing is introduced to reduce the
probability of mapping failure while balancing the load. Simulation results
show that the proposed method performs well in a number of performance metrics
including mapping average quotation, link load balancing, mapping cost-benefit
ratio, acceptance rate and running time.
- Abstract（参考訳）: 仮想ネットワーク埋め込みは,ネットワーク仮想化の重要な問題のひとつだ。
仮想ネットワークマッピングはnp問題であるため、多くの研究が進化アルゴリズムの傑作遺伝的アルゴリズムに焦点を当てている。
しかし、従来の方法のパラメータ設定は経験に依存しすぎており、柔軟性が低いため、ますます複雑なネットワーク環境に適応できない。
さらに、ロードバランシングを考慮しないリンクマッピング戦略は、高トラフィック環境におけるリンクブロッキングを容易に引き起こすことができる。
医療、災害救助、生命維持、その他の機器を含むIoT環境においては、ネットワーク性能と安定性が特に重要である。
したがって、大量のトラフィックを持つ異種ネットワーク環境において、より柔軟な仮想ネットワークマッピングサービスを提供する方法は、緊急の問題である。
この問題を解決するために,ハイブリッド遺伝的アルゴリズムに基づく仮想ネットワークマッピング戦略を提案する。
この戦略は動的に計算された交叉確率とフェロモンに基づく変異遺伝子選択戦略を用いてアルゴリズムの柔軟性を向上させる。
また,負荷バランスに基づく重み更新機構を導入し,負荷バランスを保ちながらマッピング障害の確率を低減する。
シミュレーションの結果,提案手法は, 平均推定, リンク負荷分散, マッピングコスト-便益比, 受入率, ランニング時間など, 多数の性能指標で良好に動作することがわかった。
関連論文リスト
- Adaptive Genetic Selection based Pinning Control with Asymmetric Coupling for Multi-Network Heterogeneous Vehicular Systems [8.454856509502733]
本稿では,異種マルチネットワーク車載アドホックネットワーク(VANET)のためのピンニング制御手法を提案する。
まず、単一および複数ネットワーク条件下でのピンニング制御戦略の安定性を証明し、厳密な理論基盤を確立する。
本理論に基づいて,最適ピンニングノードの選択に適した適応型遺伝的アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-05T11:49:26Z) - Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。
既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。
ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-29T19:02:54Z) - Magnitude Invariant Parametrizations Improve Hypernetwork Learning [0.0]
Hypernetworksは、別のニューラルネットワークのパラメータを予測する強力なニューラルネットワークである。
トレーニングは通常、非ハイパーネットワークモデルよりもはるかにゆっくりと収束する。
我々は、ハイパーネットワークのトレーニングの課題に寄与する、基本的な未確認の問題を識別する。
我々は、MIP(Magnitude Invariant Parametrizations)と呼ばれる改訂されたハイパーネットワークの定式化を用いて、この問題に対する簡単な解決策を提案する。
論文 参考訳（メタデータ） (2023-04-15T22:18:29Z) - Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna
Tuning [60.94661435297309]
モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。
本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。
シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
論文 参考訳（メタデータ） (2023-01-20T17:06:34Z) - Multi Objective Resource Optimization of Wireless Network Based on Cross
Domain Virtual Network Embedding [6.019028366261091]
本稿では,無線ネットワークリソース割り当てのための多目的最適化VNEアルゴリズムを提案する。
提案した目的式によると、最適化マッピングコスト、ネットワーク遅延、VNR受け入れ率について検討する。
論文 参考訳（メタデータ） (2022-02-03T07:26:10Z) - IoV Scenario: Implementation of a Bandwidth Aware Algorithm in Wireless
Network Communication Mode [49.734868032441625]
本稿では,マルチドメイン仮想ネットワーク埋め込みアルゴリズム(BA-VNE)を提案する。
このアルゴリズムは主に、ユーザが無線通信モードで多くの帯域幅を必要とする問題を対象としている。
本アルゴリズムの性能向上のために,粒子群最適化(PSO)アルゴリズムを導入する。
論文 参考訳（メタデータ） (2022-02-03T03:34:06Z) - Edge Rewiring Goes Neural: Boosting Network Resilience via Policy
Gradient [62.660451283548724]
ResiNetは、さまざまな災害や攻撃に対する回復力のあるネットワークトポロジを発見するための強化学習フレームワークである。
ResiNetは複数のグラフに対してほぼ最適のレジリエンス向上を実現し,ユーティリティのバランスを保ちながら,既存のアプローチに比べて大きなマージンを持つことを示す。
論文 参考訳（メタデータ） (2021-10-18T06:14:28Z) - Packet Routing with Graph Attention Multi-agent Reinforcement Learning [4.78921052969006]
我々は強化学習(RL)を利用したモデルフリーでデータ駆動型ルーティング戦略を開発する。
ネットワークトポロジのグラフ特性を考慮すると、グラフニューラルネットワーク(GNN)と組み合わせたマルチエージェントRLフレームワークを設計する。
論文 参考訳（メタデータ） (2021-07-28T06:20:34Z) - Resource Allocation via Graph Neural Networks in Free Space Optical
Fronthaul Networks [119.81868223344173]
本稿では,自由空間光(FSO)フロントホールネットワークにおける最適資源割り当てについて検討する。
我々は、FSOネットワーク構造を利用するために、ポリシーパラメータ化のためのグラフニューラルネットワーク(GNN)を検討する。
本アルゴリズムは,システムモデルに関する知識が不要なモデルフリーでGNNを訓練するために開発された。
論文 参考訳（メタデータ） (2020-06-26T14:20:48Z) - Deep Adaptive Inference Networks for Single Image Super-Resolution [72.7304455761067]
シングルイメージ超解像(SISR)は、ディープ畳み込みニューラルネットワーク(CNN)の展開により、近年大きく進歩している。
本稿では,深部SISR(AdaDSR)の適応型推論ネットワークを活用することで,この問題に対処する。
我々のAdaDSRは、SISRモデルをバックボーンとし、画像の特徴とリソース制約を入力として取り、ローカルネットワーク深さのマップを予測する軽量アダプタモジュールを備える。
論文 参考訳（メタデータ） (2020-04-08T10:08:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。