Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A matheuristic for green and robust 5G virtual network function placement
Karlstads universitet, Fakulteten för hälsa, natur- och teknikvetenskap (from 2013), Institutionen för matematik och datavetenskap (from 2013).ORCID-id: 0000-0002-9446-8143
2019 (Engelska)Ingår i: Applications of Evolutionary Computation / [ed] Paul Kaufmann, Pedro A. Castillo, Cham: Springer, 2019, s. 430-438Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

We investigate the problem of optimally placing virtual network functions in 5G-based virtualized infrastructures according to a green paradigm that pursues energy-efficiency. This optimization problem can be modelled as an articulated 0-1 Linear Program based on a flow model. Since the problem can prove hard to be solved by a state-of-the-art optimization software, even for instances of moderate size, we propose a new fast matheuristic for its solution. Preliminary computational tests on a set of realistic instances return encouraging results, showing that our algorithm can find better solutions in considerably less time than a state-of-the-art solver.

Ort, förlag, år, upplaga, sidor
Cham: Springer, 2019. s. 430-438
Serie
Lecture Notes in Computer Science, ISSN 0302-9743 ; 11454
Nyckelord [en]
5G, Matheuristic, Robust Optimization, Traffic uncertainty, Virtual Network Function, 5G mobile communication systems, Energy efficiency, Linear programming, Transfer functions, Computational tests, Optimization problems, Optimization software, State of the art, Traffic uncertainties, Virtual networks, Network function virtualization
Nationell ämneskategori
Datavetenskap (datalogi)
Forskningsämne
Datavetenskap
Identifikatorer
URN: urn:nbn:se:kau:diva-72518DOI: 10.1007/978-3-030-16692-2_29Scopus ID: 2-s2.0-85065708641ISBN: 978-3-030-16691-5 (tryckt)ISBN: 978-3-030-16692-2 (digital)OAI: oai:DiVA.org:kau-72518DiVA, id: diva2:1324212
Konferens
22nd International Conference, EvoApplications 2019, Held as Part of EvoStar 2019, Leipzig, Germany, April 24–26, 2019
Tillgänglig från: 2019-06-13 Skapad: 2019-06-13 Senast uppdaterad: 2019-11-11Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Kassler, Andreas

Sök vidare i DiVA

Av författaren/redaktören
Kassler, Andreas
Av organisationen
Institutionen för matematik och datavetenskap (from 2013)
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 67 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf