文献

J-GLOBAL ID：201702281501437798   整理番号：17A1570242

バーストルーティングおよび波長割当のためのGPU並列ニューラル階層多目的ソルバ【Powered by NICT】

GPU parallel neural hierarchical multi objective solver for burst routing and wavelength assignment

著者 (3件)： Larhlimi Abderrahim (SSDIA Laboratory, ENSET, Mohammedia, Morocco) ,  Mestari Mohammed (SSDIA Laboratory, ENSET, Mohammedia, Morocco) ,  El Khaili Mohamed (SSDIA Laboratory, ENSET, Mohammedia, Morocco)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISCV  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 光バーストスイッチング(OBS)は,次世代透明光ネットワーク(TON)のための有望な技術である。しかし,多くの科学的挑戦はいくつかの競合目的および制約条件を持つバースト経路選定と波長割当(BRWA)の問題など克服されていない。本論文では,まず多目的(MO)整数線形計画法(ILP)最適化問題(OP)としてBRWAを定式化した。定式化した問題では,プロセスの高速管理,透明光学交通による必要を保証するために提案したBRWA政策はいくつかの制約を満たすことができる。,得られたILP問題は光制約と相反する目的の多数を含んでいるので,Compute Unified Device Architecture(CUDA)を用いたグラフィックス処理ユニット(GPU)並列実装を持つ正確なILP並列ニューラル階層多目的(pNHMO)溶液を用いることを提案した。これはまた,多重解のための同時探索を行う,処理コストを低減し,他の探索法のためのハイブリッド界面を作成し,良好な全体的有効性を得ることができた。添加では,人工ニューラルネットワーク(ANN)に基づくこのアーキテクチャは柔軟性とスケーラビリティを可能にし,処理時間は入力サイズによらずほぼ一定のままである。ILP pNHMOソルバは先進的ILP MO最適化法の共同利用,ANNの大規模固有の並列性とCUDA-GPUの高性能計算(HPC)アーキテクチャに基づいている。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 共同利用 ,  整数線形計画法 ,  最適化問題 ,  *バースト ,  ニューラルネットワーク ,  定式化 ,  最適化 ,  経路選定 ,  計算機アーキテクチャ
準シソーラス用語： CUDA ,  GPU【プロセッサ】 ,  光ネットワーク ,  光バースト交換 ,  *ソルバ ,  *波長割当 , 【Automatic Indexing@JST】

分類 (1件)： 光通信方式・機器  (ND10000B)

タイトルに関連する用語 (7件)： バースト ,  ルーティング ,  波長割当 ,  GPU ,  階層 ,  多目的 ,  ソルバ