Algoritmo baseado em aprendizado de máquina para alocação de núcleo em redes ópticas elásticas com multiplexação espacial

Lacerda Jr, J. C.; Cartaxo, A. V. T.; Soares, A. C. B.

doi:10.5753/sbrc.2022.221965

Please use this identifier to cite or link to this item: http://hdl.handle.net/10071/27659

Author(s):	Lacerda Jr, J. C. Cartaxo, A. V. T. Soares, A. C. B.
Date:	2022
Title:	Algoritmo baseado em aprendizado de máquina para alocação de núcleo em redes ópticas elásticas com multiplexação espacial
Book title/volume:	Anais do XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC 2022)
Pages:	70 - 83
Event title:	XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC 2022)
Reference:	Lacerda Jr, J. C., Cartaxo, A. V. T., & Soares, A. C. B. (2022, maio 23-27). Algoritmo baseado em aprendizado de máquina para alocação de núcleo em redes ópticas elásticas com multiplexação espacial [Apresentação de comunicação]. Anais do XL Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC 2022), Fortaleza/CE. https://doi.org/10.5753/sbrc.2022.221965
DOI (Digital Object Identifier):	10.5753/sbrc.2022.221965
Abstract:	Redes ópticas elásticas com multiplexação por divisão espacial (SDM-EON), usando fibras multi-núcleos (MCF), são promissoras para as futuras redes de transporte. Em MCFs, surge uma nova dimensão no problema de alocação de recursos: a alocação do núcleo. Este artigo propõe o algoritmo com aprendizado de máquina para escolha de núcleo (AMN) em SDM-EONs. Comparado com outras soluções e em cenário com baixa incidência de crosstalk, o AMN obteve ganhos de ao menos 25,35% em termos de probabilidade de bloqueio de requisição (PBR) e de ao menos 24,81% em termos de razão de dados bloqueados (RDB). Em cenário de alta incidência de crosstalk, o AMN obteve ganhos de ao menos 8,16% para PBR e de ao menos 9,28% para RDB.
Peerreviewed:	yes
Access type:	Open Access
Appears in Collections:	IT-CRI - Comunicações a conferências internacionais

Files in This Item:

File	Size	Format
conferenceobject_93277.pdf	687,72 kB	Adobe PDF	View/Open

Show full item record