权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

トラヒック需要予測に基づいた光タイムスロット割当技術の確立

基于话务需求预测的光时隙分配技术的建立

基本信息

批准号：
22J11322
负责人：
村上正樹
金额：
$ 0.58万
依托单位：
Keio University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-22 至 2023-03-31
项目状态：
已结题

项目摘要

ハイブリッド型DCNであるHOLSTにおいて消費電力削減効果を最大限に発揮するためには、フローの継続時間とサイズに応じて適切にフローを分類する必要がある。本年度はDCNでのトラヒック収集・分析を行ったのち、既存のフロー分類手法の改善を行った。DCNでのトラヒック収集では企業の協力を得て、３週間のトラヒックの収集を行った。次に、収集したトラヒックを利用して既存のフロー分類手法を導入したHOLSTの消費電力削減効果を検証した。その結果、省電力効果が理想的な分類を行えた場合よりも11.1%低いことを確認した。これはフロー分類手法で設定するパラメータがトラヒック特性の変化に対応できていないことが原因であると考え、時間経過によるフロー分類手法の理想パラメータ変化を調査した。調査の結果、時間経過によって理想パラメータは緩やかに変化することが判明した。そのため、パラメータをトラヒック特性に応じて動的に調整する手法の検討に着手した。動的パラメータ調整手法の検討にあたり、設定パラメータと消費電力削減効果の関係を調査した。その結果、設定パラメータは複数の局所最適解を持たないことが判明したため、局所探索に基づく手法を提案した。他にも機械学習に基づく手法も検討されたが、パラメータ調整で複雑な処理を行う場合、パラメータ調整自体により発生する消費電力を懸念し、計算量の少ない局所探索による手法を採用した。シミュレーションの結果、パラメータ調整を行わない場合に比べて、消費電力を7.57%削減することができた。また、理想パラメータから大きく異なるパラメータを設定した場合でも300秒で理想パラメータに収束することを確認した。トラヒック特性の変化は緩やかなものを想定しているため、この収束時間はトラヒック特性の変化に対応するために十分な速さであると考えられる。プロトタイプ実装による検証は今後の課題である。

DCN is a type of DCN with high power consumption and low power consumption. This year, DCN's collection analysis and improvement of existing classification methods were carried out The DCN's collection of products and services is a collaborative effort between enterprises. Secondly, the results of HOLST's consumer power reduction were verified by using existing software classification methods to introduce HOLST. The result is that the power saving effect is ideal. The classification method is set up to investigate the cause and time of the classification method. The results of the investigation, the time elapsed, the ideal time elapsed, the time elapsed, the time elapsed, and the time elapsed. The method of adjusting the motion of the vehicle is discussed. To investigate the relationship between power consumption reduction effect and dynamic adjustment method. The results, settings, and optimal solutions of multiple subdivisions were identified and the subdivisions were explored. He uses mechanical learning techniques to investigate, adjust, process, adjust, generate, consume, calculate, and minimize power consumption. As a result of the change, the power consumption was reduced by 7.57% in the event of an adjustment. For example, if you want to set the ideal range for 300 seconds, you can confirm it. The change of the characteristics of the beam is very slow and the beam time is very fast The problem of the future is that