مقاله انگلیسی رایگان در مورد الگوریتم زمانبندی بار بر اساس QoS محور جدید – الزویر ۲۰۱۹

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله الگوریتم زمانبندی بار بر اساس QoSمحور جدید مبتنی بر یادگیری تقویت در اینترنت انرژی نرم افزار محور
عنوان انگلیسی مقاله A novel QoS-enabled load scheduling algorithm based on reinforcement learning in software-defined energy internet
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی ۱۲ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس میباشد
نمایه (index) Scopus – Master Journal List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۵٫۳۴۱ در سال ۲۰۱۷
شاخص H_index ۸۵ در سال ۲۰۱۹
شاخص SJR ۰٫۸۴۴ در سال ۲۰۱۷
شناسه ISSN ۰۱۶۷-۷۳۹X
شاخص Quartile (چارک) Q1 در سال ۲۰۱۷
رشته های مرتبط مهندسی کامپیوتر، فناوری اطلاعات
گرایش های مرتبط شبکه های کامپیوتری
نوع ارائه مقاله
ژورنال
مجله  نسل آینده سیستم های کامپیوتری – Future Generation Computer Systems
دانشگاه  Key Lab. of University Wireless Comm. – Beijing Univ. of Posts and Telecom. – Beijing – PR China
کلمات کلیدی یادگیری تقویت، شبکه های نرم افزارمحور، برنامه ریزی بار، کیفیت سرویس (QoS)، اینترنت انرژی، شبکه هوشمند
کلمات کلیدی انگلیسی Reinforcement learning، software-defined networking، load scheduling، Quality of Service (QoS)، energy Internet، smart grid
شناسه دیجیتال – doi
https://doi.org/10.1016/j.future.2018.09.023
کد محصول  E10668
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱- Introduction

۲- Related work

۳- System description

۴- System model

۵- Problem formulation

۶- Simulation results and discussions

۷- Conclusion and future works

References

بخشی از متن مقاله:

Abstract

Recently, smart grid and Energy Internet (EI) are proposed to solve energy crisis and global warming, where improved communication mechanisms are important. Software-defined networking (SDN) has been used in smart grid for real-time monitoring and communicating, which requires steady web-environment with no packet loss and less time delay. With the explosion of network scales, the idea of multiple controllers has been proposed, where the problem of load scheduling needs to be solved. However, some traditional load scheduling algorithms have inferior robustness under the complicated environments in smart grid, and inferior time efficiency without pre-strategy, which are hard to meet the requirement of smart grid. Therefore, we present a novel controller mind (CM) framework to implement automatic management among multiple controllers. Specially, in order to solve the problem of complexity and pre-strategy in the system, we propose a novel Quality of Service (QoS) enabled load scheduling algorithm based on reinforcement learning in this paper. Simulation results show the effectiveness of our proposed scheme in the aspects of load variation and time efficiency.

Introduction

Energe resources crisis and global warming have become two global concerns [1]. As reasonable solutions, smart grid [2] and Energy Internet (EI) [3] are seen as the new generation of energy provision paradigm, where improved communication mechanisms are important to enable end-to-end communication. Software-defined networking (SDN) [4] is seen as a promising paradigm shift to reshape future network architecture, as well as smart grid and EI, called software-defined EI (SDEI). Using SDN enables to improve smart grid and EI by providing an abstraction of underlying network resources, forming global view for applications from upper layers, and decoupling infrastructures and control plane to enhance the flexibility and reliability of the system [5]. Noteworthy, the control plane is considered as the brain of SDN [6]. With the explosion of network scales and network traffic, overload in a single controller is one of the most intractable issues [7]. There is a growing consensus that the control plane should be designed as a multiple controllers plane to constitute a logically centralized but physically distributed model [8]– [۱۰]. So far, the issues of multiple controllers have been studied in literature. Except for addressing the consistency problem of global view among distributed control plane, another key issue is how to schedule loads among multiple controllers so as to mitigate the risk of overloads and failures in one single controller.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *