論文の概要: Empowering Computing and Networks Convergence System with Distributed Cooperative Routing

• arxiv url: http://arxiv.org/abs/2402.02381v1
• Date: Sun, 4 Feb 2024 07:44:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-06 20:00:50.446918
• Title: Empowering Computing and Networks Convergence System with Distributed Cooperative Routing
• Title（参考訳）: 分散協調ルーティングによるコンピューティングとネットワークコンバージェンスシステムの実現
• Authors: Yujiao Hu, Qingmin Jia, Meng Shen, Renchao Xie, Tao Huang, F.Richard Yu
• Abstract要約: 本稿では,CNCシステムのための分散協調型ルーティングフレームワークを提案する。 クロスプレーン協調型エンドツーエンドルーティング方式では、ルーティングプランを作成しながら、異種サーバの効率とネットワーク混雑度の両方を考慮する。 シミュレーションの結果は、CNCシステムにおける計算要求のスケジューリングにおけるルーティング方式の性能を裏付けるものである。
• 参考スコア（独自算出の注目度）: 32.336346851483455
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The emergence of intelligent applications and recent advances in the fields of computing and networks are driving the development of computing and networks convergence (CNC) system. However, existing researches failed to achieve comprehensive scheduling optimization of computing and network resources. This shortfall results in some requirements of computing requests unable to be guaranteed in an end-to-end service pattern, negatively impacting the development of CNC systems. In this article, we propose a distributed cooperative routing framework for the CNC system to ensure the deadline requirements and minimize the computation cost of requests. The framework includes trading plane, management plane, control plane and forwarding plane. The cross-plane cooperative end-to-end routing schemes consider both computation efficiency of heterogeneous servers and the network congestion degrees while making routing plan, thereby determining where to execute requests and corresponding routing paths. Simulations results substantiates the performance of our routing schemes in scheduling computing requests in the CNC system.
• Abstract（参考訳）: インテリジェントなアプリケーションの出現と、コンピュータとネットワークの分野における最近の進歩により、コンピューティングとネットワークの収束(cnc)システムの開発が進められている。 しかし、既存の研究は、コンピューティングとネットワークリソースの包括的スケジューリング最適化を達成できなかった。 この不足は、エンドツーエンドのサービスパターンで保証できないコンピューティング要求のいくつかの要件をもたらし、CNCシステムの開発に悪影響を及ぼす。 本稿では,CNCシステムのための分散協調型ルーティングフレームワークを提案する。 フレームワークには、トレーディングプレーン、マネジメントプレーン、コントロールプレーン、フォワードプレーンが含まれる。 平面間協調型エンド・ツー・エンドルーティングスキームは、ルーティング計画を行いながら異種サーバの計算効率とネットワーク混雑度の両方を考慮し、リクエストの実行場所と対応するルーティングパスを決定する。 シミュレーションの結果は、CNCシステムにおける計算要求のスケジューリングにおけるルーティング方式の性能を裏付けるものである。

関連論文リスト

• Intelligent Hybrid Resource Allocation in MEC-assisted RAN Slicing Network [72.2456220035229]
  我々は,協調型MEC支援RANスライシングシステムにおける異種サービス要求に対するSSRの最大化を目指す。 最適ハイブリッドRAポリシーをインテリジェントに学習するためのRGRLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-02T01:36:13Z)
• Intent-Aware DRL-Based Uplink Dynamic Scheduler for 5G-NR [30.146175299047325]
  産業用インターネット・オブ・モノのユーザ機器(IIoT UE)を意図的(QoS要求品質)とランダムなトラフィック到着で支援する問題について検討する。 利用可能な通信資源のスケジューリング方法を学ぶために,DRLに基づく時間周波数リソースの集中型動的スケジューラを提案する。
  論文  参考訳（メタデータ） (2024-03-27T08:57:15Z)
• Elastic Entangled Pair and Qubit Resource Management in Quantum Cloud Computing [73.7522199491117]
  量子クラウドコンピューティング(QCC)は、量子コンピューティングリソースを効率的に提供するための有望なアプローチを提供する。 ユーザ需要の変動と量子回路の要求は、効率的なリソース供給のために困難である。 本稿では、量子コンピューティングとネットワークリソースのプロビジョニングのためのリソース割り当てモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-25T00:38:46Z)
• Scheduling Inference Workloads on Distributed Edge Clusters with Reinforcement Learning [11.007816552466952]
  本稿では,エッジネットワークにおける予測クエリを短時間でスケジューリングする問題に焦点をあてる。 シミュレーションにより,大規模ISPの現実的なネットワーク設定とワークロードにおけるいくつかのポリシーを解析する。 我々は、強化学習に基づくスケジューリングアルゴリズムASETを設計し、システム条件に応じてその決定を適応させることができる。
  論文  参考訳（メタデータ） (2023-01-31T13:23:34Z)
• Reinforcement Learning in Computing and Network Convergence Orchestration [0.0]
  CNC(Computer and Network Convergence)の概念が提案され、広く注目を集めている。 最初の試みである強化学習(RL)を用いたCNCオーケストレーション手法を設計し、コンピュータリソースやネットワークリソースを柔軟に割り当て、スケジュールすることができる。 実験により, 提案手法は, グレーディ法, ランダム選択法, 平衡資源法よりも高い利益率と低レイテンシを実現することができることがわかった。
  論文  参考訳（メタデータ） (2022-09-22T03:10:45Z)
• Fidelity-Guarantee Entanglement Routing in Quantum Networks [64.49733801962198]
  絡み合いルーティングは、2つの任意のノード間のリモート絡み合い接続を確立する。 量子ネットワークにおける複数のソース・デスティネーション(SD)ペアの忠実性を保証するために、精製可能な絡み合わせルーティング設計を提案する。
  論文  参考訳（メタデータ） (2021-11-15T14:07:22Z)
• Better than the Best: Gradient-based Improper Reinforcement Learning for Network Scheduling [60.48359567964899]
  パケット遅延を最小限に抑えるため,制約付き待ち行列ネットワークにおけるスケジューリングの問題を考える。 我々は、利用可能な原子ポリシーよりも優れたスケジューラを生成するポリシー勾配に基づく強化学習アルゴリズムを使用する。
  論文  参考訳（メタデータ） (2021-05-01T10:18:34Z)
• Tailored Learning-Based Scheduling for Kubernetes-Oriented Edge-Cloud System [54.588242387136376]
  エッジクラウドシステムのための学習ベースのスケジューリングフレームワークkaisを紹介する。 まず,分散した要求ディスパッチに対応するために,協調型マルチエージェントアクタ-クリティックアルゴリズムを設計する。 次に,多種多様なシステムスケールと構造について,グラフニューラルネットワークを用いてシステム状態情報を埋め込む。 第3に、リクエストディスパッチとサービスオーケストレーションを調和させる2段階のスケジューリングメカニズムを採用します。
  論文  参考訳（メタデータ） (2021-01-17T03:45:25Z)
• Deep Reinforcement Learning for Collaborative Edge Computing in Vehicular Networks [40.957135065965055]
  協調エッジコンピューティングフレームワークは、コンピューティングサービスのレイテンシを低減し、車両ネットワークのサービスの信頼性を向上させるために開発されている。 人工知能(AI)に基づく協調コンピューティングアプローチが開発され、車両のタスクオフロード、コンピューティング、結果配信ポリシーが決定される。 当社のアプローチでは,サービスレイテンシとサービス障害ペナルティを含むサービスコストを,最適なワークロード割り当てとサーバの選択によって最小化することができる。
  論文  参考訳（メタデータ） (2020-10-05T00:06:37Z)

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。