Η παρούσα διδακτορική διατριβή εντάσσεται στο ερευνητικό πεδίο των οπτικών δικτύων, και πιο συγκεκριμένα των αλγορίθμων δρομολόγησης και βελτιστοποίησης για ευέλικτα οπτικά δίκτυα. Η ολοένα αυξανόμενη κίνηση στο διαδίκτυο έχει δημιουργήσει την ανάγκη για πιο αποδοτικά οπτικά δίκτυα. Οι πρόσφατες εξελίξεις στον τομέα των οπτικών δικτύων είναι ιδιαίτερα σημαντικές αλλά δεν είναι αρκετές για να καλύψουν τις ανάγκες του κοντινού μέλλοντος. Η αρχιτεκτονική των οπτικών δικτύων θα πρέπει να εξελιχθεί ώστε να γίνει εφικτός ο δυναμικός έλεγχος και η προσαρμογή του δικτύου σε μεταβαλλόμενες συνθήκες. Αυτό προϋποθέτει την ανάπτυξη αλγορίθμων οι οποίοι αρχικά θα αξιοποιούν τις πληροφορίες από την τρέχουσα κατάσταση του δικτύου. Έπειτα, από τις τωρινές και μελλοντικές απαιτήσεις, οι αλγόριθμοι θα καθορίζουν πιθανές λειτουργίες βελτιστοποίησης, και εν συνεχεία θα αποφασίζουν για την εκτέλεση των αντίστοιχων ενεργειών. Η υλοποίηση αυτών των αλγορίθμων είναι το αντικείμενο της παρούσας διδακτορικής διατριβής και έχει ως αποτέλεσμα την αύξηση της αποδοτικότητας των οπτικών δικτύων, την αποτελεσματικότερη διαχείριση των πόρων τους και την μείωση των εξόδων λειτουργίας τους. Πιο συγκεκριμένα αναπτύξαμε τρεις μεθόδους για εκτίμηση ποιότητας μετάδοσης μονοπατιών. Η πρώτη βασίζεται σε μία αλγεβρική μέθοδο επίλυσης (Network Kriging) η οποία μοντελοποιεί τις παρεμβολές των γειτονικών καναλιών ώστε να παρέχει μεγάλη ακρίβεια στην εκτίμηση ποιότητας μετάδοσης. Οι άλλες δύο μέθοδοι εκτίμησης χρησιμοποιούν μηχανική μάθηση και επιτυγχάνουν ακόμα καλύτερη ακρίβεια. Η μία χρησιμοποιεί μεθόδους μηχανικής μάθησης για την εκπαίδευση των παραμέτρων ενός μοντέλου φυσικού επιπέδου για την επίτευξη υψηλής ακρίβειας, και η δεύτερη χρησιμοποιεί μεθόδους μηχανικής μάθησης με συγκεκριμένα χαρακτηριστικά (features) ώστε να εκπαιδευτεί για να παρέχει εκτιμήσεις υψηλής ακρίβειας. Επίσης αναπτύξαμε ένα πλαίσιο το οποίο βασίζεται και αυτό σε μεθόδους Network Kriging και μειώνει τις μετρητικές ανακρίβειες των συσκευών παρακολούθησης απόδοσης, και εντοπίζει σφάλματα σε επίπεδο συνδέσμου. Ακόμα αναπτύξαμε μία εργαλειοθήκη η οποία χρησιμοποιείται για να προσαρμόσει τις παραμέτρους μετάδοσης των μονοπατιών (ρυθμός συμβόλου, modulation format κλπ) ώστε η ποιότητα μετάδοσης τους να είναι πάντα αποδεκτή. Τέλος αναπτύξαμε έναν ILP αλγόριθμο ο οποίος κάνει δυνατή την κοινή χρήση φάσματος μεταξύ συνδέσεων διαφορετικής κλάσης. Σε περίπτωση χειροτέρευσης της ποιότητας μετάδοσης ενός μονοπατιού υψηλής κλάσης, αυτό μπορεί να δανειστεί φάσμα από ένα διπλανό του χαμηλής κλάσης και να προσαρμόσει τις παραμέτρους μετάδοσής του ώστε η ποιότητα μετάδοσης να επανέλθει σε αποδεκτά επίπεδα.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.