الگوریتم زمانبندی بار مبتنی بر یادگیری تقویت در اینترنت انرژی نرم افزار محور
ترجمه نشده

الگوریتم زمانبندی بار مبتنی بر یادگیری تقویت در اینترنت انرژی نرم افزار محور

عنوان فارسی مقاله: الگوریتم زمانبندی بار بر اساس QoS محور 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
مجله/کنفرانس: نسل آینده سیستم های کامپیوتری – Future Generation Computer Systems
رشته های تحصیلی مرتبط: مهندسی کامپیوتر، فناوری اطلاعات
گرایش های تحصیلی مرتبط: شبکه های کامپیوتری
کلمات کلیدی فارسی: 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
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus – Master Journal List – JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2018.09.023
دانشگاه: Key Lab. of University Wireless Comm. – Beijing Univ. of Posts and Telecom. – Beijing – PR China
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 5/341 در سال 2017
شاخص H_index: 85 در سال 2019
شاخص SJR: 0/844 در سال 2017
شناسه ISSN: 0167-739X
شاخص Quartile (چارک): Q1 در سال 2017
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 12
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
کد محصول: E10668
فهرست انگلیسی مطالب

Abstract


1- Introduction


2- Related work


3- System description


4- System model


5- Problem formulation


6- Simulation results and discussions


7- Conclusion and future works


References

نمونه متن انگلیسی 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]– [10]. 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.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

الگوریتم زمانبندی بار مبتنی بر یادگیری تقویت در اینترنت انرژی نرم افزار محور
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها