Programmable Packet Scheduling
今天的交换机提供了一小套调度算法。虽然我们可以调整调度参数，但在交换机设计完成后，我们不能修改算法逻辑或添加全新的算法。本文提出了一种可编程的分组调度器的设计，它允许调度算法-潜在的算法是未知的今天-被编程到一个交换机，而不需要硬件重新设计。我们的设计建立在观察调度算法作出两个决定：以什么顺序调度数据包，何时调度它们。此外，在许多调度算法中，这些决定可以在分组排队时做出。我们利用这一观察，建立一个可编程的调度器使用一个单一的抽象：推入先出队列（PIFO），优先级队列，保持调度顺序和时间等算法。我们表明，一个可编程的调度程序使用PIFOs让我们的程序各种各样的调度算法。我们提出了一个详细的硬件设计，这个调度器的64端口10 Gbit/s的共享存储器开关与<4%的芯片面积开销的16纳米标准单元库。我们的设计允许我们对许多复杂的算法进行编程，例如5级分层调度器，每个级别都具有可编程的调度算法。
2016-02-19 cs.NI
RIFO: Pushing the Efficiency of Programmable Packet Schedulers
针对现有可编程分组调度器内存操作多、可扩展性有限的问题，提出仅需少量内存资源的RIFO调度器，经仿真和原型验证，其在多工作负载下流完成时间表现优异且可线速运行。
2024-11-12 cs.NI
Cyclic Scheduler Design for Minimizing Age of Information in Massive Scale Networks Susceptible to Packet Errors
针对易丢包、异构服务需求的超大多源 IoT 网络，提出基于 MC/MGF 与凸优化的加权 AoI 循环调度框架，并给出双源下界及近优算法。
2024-06-21 cs.IT cs.NI cs.PF
Energy-Aware Packet Schedulers for Battery-Less LoRaWAN Nodes
物联网（IoT）支持各种应用，其中大型传感器网络部署在没有电网接入的偏远地区。因此，传感器节点通常依靠电池运行，电池的更换和处置代表了重要的经济和环境成本。因此，为了实现更可持续的物联网解决方案，人们希望采用无电池的能源中性设备，这些设备可以从可再生能源中获取能量并将其存储在超级电容器中，其对环境的影响远低于电池。然而，为了实现这些节点的能量自我维持，必须优化通信和计算过程，以最好地利用可用的稀缺和不稳定的能量。在这项工作中，我们为无电池LoRaWAN节点提出了不同的能量感知数据包调度算法，并使用从测试平台获取的实际能量收集测量结果在各种模拟场景中进行比较。我们表明，能量感知设计可以显着增加传输数据包的数量，也降低了数据包传输之间的平均时间，虽然（可预测）的增益强烈依赖于节点的收获能力。
2022-12-19 cs.NI
Dynamic Packet Scheduler Optimization in Wireless Relay Networks
SCE, Carleton University（卡尔顿大学计算机科学与工程系）
针对无线中继网络，提出一种基于随机占优和耦合论证的最优动态分组调度策略，通过平衡所有系统队列长度最小化成本函数，并给出低开销实现算法。
2011-04-15 cs.NI cs.SY eess.SY
A Resource Pooling Switch Architecture with High Performance Scheduler
随着基于网络的业务和应用的快速发展，当前网络节点的数据平面解决方案传统上侧重于数据包的转发，不能很好地满足功能灵活性、性能可扩展性和资源利用率等新的需求。本文提出了一种新的数据平面结构--资源池交换结构（RPSA），其利用全局共享资源池来为不同的分组/流提供不同的处理功能和容量。由于所有的网络功能都是由连接到交换结构的资源来实例化的，并且以服务功能链（SFC）的形式构造，因此业务模式发生了很大变化。针对RPSA中经典调度算法的不足，设计了基于均衡服务容量的FIRM算法（BSC-FIRM）。仿真结果表明，与FIRM和iSLIP算法相比，该算法在分组交换时延和分组丢失率方面具有更好的性能。
2018-04-28 cs.NI
Improving Performance Bounds for Weighted Round-Robin Schedulers under Constrained Cross-Traffic
加权轮询（WRR）是一种有效的，但特别容易实现的数据包调度器。在WRR的实施，交织加权轮循，略有修改，已被提出作为一个增强的初始版本，并已在最近进行了调查。网络演算是一个通用的框架来建模和分析这样的网络路由器。通过这种方式，可以推导出网络性能指标的理论上限，如延迟或积压。在我们以前的工作中，我们推导出的性能界限表明，这两个循环的变种属于一类称为带宽共享政策;然而，由于证明是不完全的，因此我们不能得出循环调度器是带宽共享策略的结论（在可变数据包大小下）。为此，在随后的勘误表中，我们引入所谓的资源隔离策略，并将循环调度器示为该类的成员。我们首先介绍我们在[CNS 22 -1]中发表的原创作品，然后是更正之前提到的缺点的错误。在我们的勘误表中，与[CNS 22 -1]相比，我们提供了稍微差一点的延迟界限;然而，在我们所有的实验中，它们显著优于最新技术水平。
2022-12-12 cs.NI cs.PF
When to Preempt in a Status Update System?
本文研究无差错抢占式时隙状态更新系统中的最优采样与抢占时机，将其建模为MDP，给出始终抢占最优的充分与必要条件，并提出在特定队列统计假设下最优的双阈值采样策略。
2024-05-20 cs.GT cs.IT cs.NI
Everything Matters in Programmable Packet Scheduling
提出首个在所有行为上完全近似 PIFO 队列的可编程调度器 PACKS，通过智能利用严格优先级队列进行入队准入与映射，在现有硬件上实现线速运行且优于现有方法。
2023-08-01 cs.NI
A Deadline-Aware Scheduler for Smart Factory using WiFi 6
本文针对智能工厂中具有混合截止时间和重要性级别的数据包传输问题，提出一种基于WiFi 6（IEEE 802.11ax）的调度技术，通过为数据包分配利润并最大化总利润建模，证明该问题为强NP-Hard，并设计12-近似算法利用局部搜索变体关联RU配置与传输时长，仿真验证其优于基准。
2024-08-22 cs.NI
Deep Learning-aided Application Scheduler for Vehicular Safety Communication
基于802.11p的V2X通信使用随机介质访问控制，其不能防止广播分组冲突，特别是在高信道负载期间。无线拥塞控制被设计为将信道负载保持在最佳点。然而，车辆在时间和空间上缺乏关于真实信道活动的精确和粒度知识，使得不可能完全避免分组冲突。在本文中，我们提出了一种使用深度神经网络的机器学习方法，用于学习车辆的传输模式，从而预测未来空间和时间上的信道活动。我们通过模拟考虑涉及异构传输模式的多个安全相关的V2X服务来评估我们的建议的性能。我们的研究结果表明，预测信道活动，并相应地发送，减少冲突，显着提高通信性能。
2019-01-25 cs.NI
Dynamic Entanglement Packet Scheduling for Quantum Networks
University of Pisa（比萨大学）；Institute of Informatics and Telematics, National Research Council（国家研究委员会信息与电信研究所）
针对量子网络中静态调度灵活性不足的问题，提出一种在线动态调度器，通过动态安排、延迟、重试或丢弃纠缠分发预约，在完成时间、完成率和吞吐量上优于静态基线方法。
2026-05-27 cs.NI quant-ph
Prediction of inter packet arrival times for enhanced NR-V2X sidelink scheduling
针对NR-V2X侧链路调度难以应对非周期数据包的问题，提出通过预测事件触发到达率并调整资源预留间隔参数，使标准化调度算法达到周期到达场景的性能。
2023-11-14 cs.NI
Design of AoI-Aware 5G Uplink Scheduler UsingReinforcement Learning
信息年龄（AoI）反映了从5G用户设备（UE）生成分组到控制器接收分组所经过的时间。提出了一种基于强化学习的用户设备AoI感知无线资源调度器的设计方案。在本文中，我们考虑一个远程控制环境中，一些UE发送时间敏感的测量到远程控制器。我们考虑的AoI最小化问题和制定的问题之间的权衡最小化所有UE的预期AoI的总和和最大化的网络的吞吐量。受机器学习在解决低复杂度大型网络问题方面的成功启发，我们开发了一种基于强化学习的方法来解决公式化问题。我们使用最先进的近端策略优化算法来解决这个问题。我们的仿真结果表明，所提出的算法优于所考虑的基线方面，最大限度地减少预期的AoI，同时保持网络吞吐量。
2021-10-19 cs.NI
Scheduler-Agnostic Adaptive-FEC for MPQUIC: Field Evaluation over Commercial Cellular Paths
Network Service Systems Labs., NTT, Inc.（NTT公司网络服务系统实验室）
研究在车载蜂窝环境中MPQUIC数据报易丢包问题，提出复用QUIC丢包检测信号和RS编码库的自适应FEC方案，经车载现场实验评估，该方案在商用LTE/5G路径上提升了MPQUIC数据报的可靠性与延迟。
2026-07-17 cs.NI
Low Delay Scheduling of Objects Over Multiple Wireless Paths
在本文中，我们考虑的任务，调度数据包传输之间的多个路径不确定，时变延迟。我们观察到，要求通常是以低延迟传输应用层对象（网页、图像、视频帧等），因此重要的是对象延迟而不是每个数据包延迟。这对多路径调度器设计具有根本性的影响。我们介绍SOS（随机对象感知的），第一个多路径调度，考虑应用层对象的大小和它们之间的关系，链路的不确定性。我们证明，SOS减少了50-100%的生产WiFi和LTE链路相比，最先进的路由器的95%百分位对象交付延迟。我们扩展SOS利用FEC和处理调度多个对象并行。我们发现，HTTP对象的明智优先级调度可以导致页面加载时间提高2- 3倍
2018-08-07 cs.NI
Improvements in OMNeT++/INET Real-Time Scheduler for Emulation Mode
本文对INET仿真模式的性能进行了评价。特别是，研究的重点是延迟仿真的精度。结果表明，该精度在INET 2.6中较低（分别是集成分支中提供的较新版本，该版本修复了仿真模式下2.6的崩溃）。在实施中的两个错误被确定，并提出了一种替代配置的数据包捕获。使用修改后的实时的【形】调度器（现已包含在最近的INET 3.0版本中）重新运行性能测试，结果表明仿真模式的响应性和延迟仿真的精度得到了显著改善。最后，简要分析了修改后的捕获配置的负面影响。捕获过程中的丢包问题已经恶化，但实际上已经困扰了以前实现的仿真模式，这一主题显然需要进一步研究。
2015-09-10 cs.NI
Strict-Priority Packet Delay in Switches with Transmit-Ring Buffering
Technical University of Munich（慕尼黑工业大学）；Chair of Communication Networks at the Technical University of Munich（慕尼黑工业大学通信网络讲席）；University of Klagenfurt（克拉根福大学）；Department of Statistics, University of Klagenfurt（克拉根福大学统计系）
针对严格优先级调度中传输环（TXR）被忽略导致高优先级分组延迟建模不准确的问题，本文扩展标准模型纳入TXR，通过多交换机测量验证，并提供TXR大小估计方法。
2026-06-08 cs.NI
A New Scheduler for URLLC in 5G NR IIoT Networks with Spatio-Temporal Traffic Correlations
本文探讨了基于真实第五代（5G）工业物联网（IIoT）网络的时空相关性实现超可靠低延迟通信（URLLC）的问题。在这种情况下，我们考虑了由5G互联工业和自动化联盟（5G-ACIA）推广的通用独立非公共网络（SNPN）架构，并提出了5G NR半持久调度器（SPS）的新变体来处理上行链路流量相关性。一个基准的解决方案与“智能”调度器（SSPS）相比，一个更现实的自适应方法（ASPS），需要调度器估计一些未知的网络参数。我们通过模拟证明，1毫秒的延迟要求URLLC满足这两种解决方案，在流量的管理中引入的一些复杂性为代价。最后，我们提供了数值指南，以根据用例、工厂中的机器数量以及考虑周期性和非周期性流量来确定IIoT网络的维度。
2023-02-24 cs.NI cs.PF
Parallel Architectures For Priority Scheduling In Programmable Data Plane Switches
Indian Institute of Technology Madras（印度马德拉斯理工学院）；Ciena Corporation（思科恩公司）
针对可编程数据平面交换机中优先级调度可扩展性差和近似调度器正确性低的问题，提出P3PO和PPQA两种并行优先级队列架构，将全局队列分解为多个并行子队列，在保持排序的同时提升可扩展性，并通过仿真验证了其有效性。
2026-10-06 cs.NI
Advanced Radio Resource Management for Multi Antenna Packet Radio Systems
在本文中，我们提出了面向公平的分组调度（PS）计划与功率有效的控制机制，为未来的分组无线电系统。通常，无线电资源管理功能在新的基于OFDMA的网络中起重要作用。基于最大化小区覆盖和容量满足以及某些服务质量要求，通过分组调度功能来执行对用户之间的网络资源划分的控制。此外，多天线发送-接收方案为分组调度器功能提供了额外的灵活性。为了减轻OFDMA蜂窝网络中的小区间和同信道干扰问题，使用具有不同功率掩模图案的软频率重用。从早期的增强型比例公平调度单输入多输出（SIMO）和多输入多输出（MIMO）系统的研究，我们扩展了有效的数据包调度算法的发展，通过增加发射功率的考虑，在整体的优先级度量计算和调度决策。此外，我们评估所提出的调度方案，通过模拟实际的正交频分多址（OFDMA）基于分组无线电系统的吞吐量，覆盖范围和用户之间的公平分配。作为一个具体的例子，在减少整体发射功率约束和不平等的功率分配不同的子带，我们表明，通过使用建议的功率感知多用户调度方案，显着的覆盖范围和公平性的改善，在70%和20%的顺序，分别可以得到，在平均吞吐量损失仅为15%的代价。
2010-05-11 cs.NI
Optimal Information Updating based on Value of Information
我们解决的问题，如何最佳地调度数据包在一个不可靠的信道，以尽量减少估计误差的一个简单的实现远程线性估计器使用恒定的“卡尔曼”增益跟踪状态的高斯马尔可夫过程。远程估计器接收包含过程的噪声观测的时间戳数据包。此外，它们还包含关于传感器\源的“质量”的信息，即，用于生成数据包的观测噪声的方差。为了使估计误差最小化，调度器需要在对分组传输进行优先级排序的同时使用两者。它示出了一个简单的索引规则，计算每个数据包的信息（VoI）的值，然后调度具有最大当前值的VoI的数据包，是最佳的。数据包的VoI随其年龄而减小，并随源的精度而增加。因此，我们的结论是，对于恒定的滤波器增益，最小化信息年龄的政策不一定最大化估计器的性能。
2019-08-03 cs.IT cs.NI math.IT
A Bi-Scheduler Algorithm for Frame Aggregation in IEEE 802.11n
IEEE 802.11n的主要目标是提供高吞吐量、可靠性和良好的安全性。802.11n的性能通过使用帧聚合对饱和流量非常有效。但是，这种帧聚合不会在所有场景中有效地起作用。本文的主要目标是通过有效的帧聚合调度机制，提高无线局域网的吞吐量。本文提出的双帧分割算法的目的是根据帧的访问类别来分割帧。外部调度器将延迟敏感应用与多部分数据的传入突发分离，并且还决定是应用聚合MAC服务数据单元（A-MSDU）聚合技术还是在没有任何聚合的情况下发送数据。内部调度器使用聚合MAC协议数据单元（A-MPDU）聚合技术来调度剩余的（延迟不敏感、后台和尽力而为）分组
2014-01-09 cs.NI
On the Benefits of Traffic "Reprofiling" -- The Multiple Hops Case -- Part II
本文研究了在多跳网络中通过重新配置进入网络的流量以实现更低带宽下的延迟保证，提出联合优化框架和高效算法，并通过实验验证了重新配置流量的有效性。
2026-04-27 cs.NI cs.PF
Empirical Analysis of 5G TDD Patterns Configurations for Industrial Automation Traffic
本文针对工业自动化网络中5G系统数据包传输延迟影响确定性端到端时延的问题，通过商业5G系统实证评估不同TDD配置在多种条件下的表现，为专网提供商提出了降低延迟的实用配置建议。
2025-04-01 cs.NI
Scheduling Policies for the LTE Downlink Channel: A Performance Comparison
LTE系统中的分组调度器的一个关键特征是它可以在时域和频域中分配资源。此外，调度器了解由用户设备周期性地报告的信道状态信息，该信道状态信息或者以整个下行链路信道的聚合形式报告，或者针对每个可用子信道区分。这种机制允许在资源分配中有广泛的自由裁量权，从而促进了具有不同目的的几种调度算法的繁荣。因此，这是非常感兴趣的，在不同的情况下，这样的算法的性能进行比较。可以用于此目的的非常常见的仿真工具是ns-3，其已经支持用于LTE下行链路的一组众所周知的调度算法，尽管其仍然缺乏提供吞吐量保证的调度器。在这项工作中，我们有助于填补这一空白，通过实施一个调度算法，提供长期的吞吐量保证不同的用户，同时机会主义地利用瞬时信道波动，以增加小区容量。然后，我们进行了彻底的性能分析，通过广泛的NS-3模拟，无论是饱和的UDP和TCP流量源的不同的调度算法。该分析使得有可能欣赏调度算法之间的差异，并评估性能增益，无论是在小区容量和分组服务时间方面，通过允许调度器在频域上工作而获得。
2014-09-30 cs.NI
Performance Comparison of Packet Scheduling Algorithms for Video Traffic in LTE Cellular Network
在本文中，我们研究了下行链路分组调度算法提出的LTE蜂窝网络。本文重点研究了三种最有前途的调度算法：FLS算法、EXP算法和EXP算法。这三种算法的性能进行了视频流量在车载环境中使用LTE-Sim模拟器。在半径为1 km的固定有界区域中，设置了不同数量的用户，从10 - 60。本研究的主要目标是提供有助于LTE蜂窝网络分组调度器设计过程的结果，旨在获得更好的整体性能用户。仿真结果表明，FLS方案在平均系统吞吐量、平均分组时延、PLR等方面都优于传统的FLS方案，并且具有令人满意的公平性指标。
2013-07-11 cs.NI
Low Delay Random Linear Coding and Scheduling Over Multiple Interfaces
多路径传输协议（如MPTCP）并行地跨多个路由传输数据，并在接收方按顺序传递数据。当一个或多个路径上的延迟是可变的时，通常情况下，乱序到达是频繁的，并且行首阻塞导致高延迟。当使用ARQ处理分组丢失时，这一点会加剧，这在无线链路中也很常见。本文介绍了随机最早传输路径优先（S-EDPF），一个弹性的低延迟多径传输协议的分组调度器。S-EDPF明确考虑了路径的随机性，并使用它来最大限度地减少按顺序交付延迟。S-EDPF还考虑FEC，联合调度信息和编码分组的传输，并且以这种方式允许有损链路减少延迟并提高弹性，而不是如现有多径系统通常发生的那样降低性能。我们将S-EDPF实现为一个多平台应用程序，不需要管理权限，也不需要修改操作系统，对能耗的影响可以忽略不计。我们提出了一个彻底的实验评估在受控环境和野外，揭示了显着的收益相比，现有的方法在延迟性能。
2015-07-30 cs.IT cs.NI cs.PF
LTE Cellular Networks Packet Scheduling Algorithms in Downlink and Uplink Transmission, A Survey
这篇综述论文提供了一个详细的解释长期演进蜂窝网络分组调度算法在下行链路和上行链路方向。首先解释在下行链路传输中使用的正交频分多址与在上行链路中使用的单载波频分多址之间的差异。然后，通过对用户与调度器之间的交互进行解释，说明了LTE下行链路和上行链路调度过程的区别。然后，通过分析上下行链路调度算法的公式、特点、最适用条件以及它们之间的主要区别，说明了最常用的上下行链路调度算法。本说明涵盖了最大载波干扰比、轮询、比例公平、最早截止日期优先、改进的EDF-PF、改进的最大加权延迟优先、指数比例公平、令牌交换机制、分组丢失率、质量保证、竞争性分组丢失公平、低复杂度、LC延迟、PF延迟、最大吞吐量、第一最大扩展和基于自适应资源分配的分组调度。最后，它提供了一些结论性意见。
2022-04-24 cs.NI
Delay-Based Back-Pressure Scheduling in Multihop Wireless Networks
在多跳无线网络中，调度是一种关键且具有挑战性的资源分配机制。这是众所周知的调度方案，有利于具有较大队列长度的链路可以实现高吞吐量性能。然而，由于众所周知的最后一个分组问题，这些基于分组长度的方案可能潜在地遭受大的（甚至无限的）分组延迟，由此属于某些流的分组可能由于缺乏后续分组到达而被过度延迟。基于延迟的方案有可能通过基于分组遇到的延迟来调度链路来解决这个最后分组问题。然而，表征这些基于延迟的方案的吞吐量最优性在多跳无线网络中很大程度上是一个开放的问题（除了在有限的情况下，流量是单跳）。在本文中，我们研究基于延迟的调度方案，多跳流量的情况下，固定的路由。我们开发了一个调度方案的基础上，一个新的延迟度量，并表明，该方案实现了最佳的吞吐量性能。此外，我们进行模拟，以支持我们的分析结果，并表明，基于延迟的调度成功地消除了过多的数据包延迟，同时它实现了相同的吞吐量区域的基于长度的方案。
2012-11-07 cs.NI cs.PF
PDU-set Scheduling Algorithm for XR Traffic in Multi-Service 5G-Advanced Networks
本文提出一种利用PDU集信息的动态分组调度算法，在保持eMBB吞吐量不变的情况下，将5G-Advanced网络中XR容量提升高达45%。
2023-11-15 cs.NI
Automation of Smartphone Traffic Generation in a Virtualized Environment
对快速发展的移动终端应用流量进行可扩展和全面的分析是非常重要的，但对于深度分组检测（DPI）引擎执行有效的策略管理来说是一个具有挑战性的问题。我们提出了一个测试框架，在该框架中，测试驱动程序可以通过调用真实移动应用程序（而不是流量重播）的适当方法（意图）在虚拟化环境中对移动应用程序流量分析引擎进行回归或功能测试来自动化/编排流量生成，而无需真正的硬件。我们通过使用Android VM在虚拟测试设置中通过DPI引擎自动化实时Skype呼叫来演示这一概念。
2015-10-27 cs.NI
Enhancements to P4TG: Protocols, Performance, and Automation
本文介绍了硬件流量生成器P4TG的增强，新增了多种协议封装、IPv6支持、移植到Tofino 2实现10x400 Gb/s性能，并加入了自动化测试等易用性功能。
2025-07-14 cs.NI cs.PF
Goal-Oriented Status Updating for Real-time Remote Inference over Networks with Two-Way Delay
Middle East Technical University（中东技术大学）；Purdue University（普渡大学）；Auburn University（奥本大学）
本文提出了一种面向目标的网络实时远程推断状态更新调度策略，通过优化数据包长度和传输时间，显著降低推断误差。
2026-03-11 cs.NI eess.SP
FALCON: Fast and Accurate Multipath Scheduling using Offline and Online Learning
多路径传输协议允许同时使用不同的网络路径，有利于快速可靠的数据传输。多路径传输协议的调度器确定如何在不同路径上分发数据分组。现有的多路径路由器要么符合预定义的策略，要么符合在线训练的策略。第五代（5G）网络和无线局域网（WLAN）中毫米波（mmWave）路径的采用引入了时变网络条件，在此条件下，现有的路由器难以实现快速和准确的自适应。在本文中，我们提出了一种基于学习的多路径调度器，可以快速准确地适应时变的网络条件。EQUIPCON基于元学习的思想，其中离线学习用于创建一组表示粗粒度网络条件的元模型，而在线学习用于引导当前细粒度网络条件的特定模型，以导出处理此类条件的调度策略。使用跟踪驱动的仿真实验，我们证明了最好的国家的最先进的调度器，最高可达19.3%和23.6%，分别在静态和移动网络中，EQUIPCON优于。此外，我们还展示了ESPRCON非常灵活，可以与不同类型的应用程序（如批量传输和Web服务）一起工作。此外，我们观察到，与所有其他基于学习的学习器相比，EQUIPCON的适应时间要快得多，与其中最好的学习器相比，EQUIPCON的速度几乎达到了8倍。最后，我们在真实环境中验证了仿真结果，说明了ESTCON能够很好地适应真实网络的动态性，始终优于所有其他ESTCON。
2022-01-22 cs.NI
LEO-Aware DRL Meta-Scheduler for 5G Non-Terrestrial Network Slicing
Professional School of Computing Science, National University of San Agustin（圣奥古斯丁国立大学计算机科学专业学院）；Institute of Computing, University of Campinas（坎皮纳斯大学计算研究所）
针对5G非地面网络集成LEO带来的资源管理挑战，提出基于TD3智能体的DRL元调度器，在牺牲1%不显著容量的情况下，严格限制关键业务排队延迟，且不会导致宽带切片饥饿，为6G O-RAN NTN资源分配提供基础。
2026-08-04 cs.NI
ALCS: An Adaptive Latency Compensation Scheduler for Multipath TCP in Satellite-Terrestrial Integrated Networks
针对星地一体化网络中多路径TCP调度面临的异构、不稳定和切换挑战，提出ALCS调度器，通过融合RTT、拥塞窗口、在途排队数据包及卫星轨迹信息并采用自适应延迟补偿与主动切换管理，在Linux内核实现后较基准算法吞吐量提升9.8%至44.0%。
2025-03-11 cs.NI
Adaptive Multi-polling Scheduler for QoS Support of Video Transmission in IEEE 802.11e WLANs
802.11 E任务组已经建立，以增强当前IEEE 802.11媒体访问控制（MAC）协议中的时间受限服务的服务质量（QoS）供应。在整个混合协调功能控制信道接入（HCCA）中引入了QoS，以提供严格的QoS。在HCCA中，基于其TSPEC参数为站分配固定的传输机会（TXOP），使得其对于恒定比特率流是有效的。然而，由于可变比特率（VBR）业务的轮廓是不恒定的，他们很容易经历一个较高的延迟，特别是在突发业务的情况下。在本文中，我们提出了一个动态的TXOP分配算法称为自适应多轮询TXOP调度算法（AMTXOP），以支持视频业务在IEEE 802.11e无线网络传输。该方案投资了关于上行链路流的后续视频帧的大小的捎带信息，以帮助混合协调器根据业务简档中的实际变化准确地分配TXOP。建议的调度器是由集成多轮询方案，以进一步减少延迟和轮询开销。大量的仿真实验表明，AMTXOP在分组延迟和信道利用率方面优于现有方案。
2016-02-12 cs.NI
A Time-Triggered Communication Method Based on Urgency-Based Scheduler in Time-Sensitive Networking
针对时间敏感网络中传统调度算法求解时间长、可扩展性差的问题，提出基于紧急度的调度器方法（TT-UBS）及参数确定算法，在保证确定性传输的同时将求解时间降低98.22%，有效优化关键任务系统的通信性能。
2025-07-15 cs.NI
Joint Scheduling and Coding For Low In-Order Delivery Delay Over Lossy Paths With Delayed Feedback
我们认为，在一个有损的端到端的网络路径，以实现低的顺序交付延迟的数据包的传输。这可以用公式表示为判定问题，即判定要发送的下一个分组应该是信息分组还是编码分组。重要的是，这个决定是基于来自接收器的延迟反馈做出的。虽然这个决策问题的精确解决方案是具有挑战性的，我们利用排队论的想法，以获得调度策略的基础上预测的接收机队列长度，而次优，可以有效地实现，并提供更好的性能比最先进的方法。我们得到了一些有用的分析界限，帮助设计权衡和我们的分析强调，使用预测在实现良好的性能中发挥了关键作用，在存在显着的反馈延迟。我们的方法很容易推广到网络的路径，我们说明了这一点的应用程序多路径传输调度器的设计。
2018-12-14 cs.NI
Performance Analysis Of Resource Scheduling In LTE Femtocells Networks
3GPP已经引入了LTE毫微微小区来操纵室内用户的业务并最小化宏小区上的费用。LTE业务处理中的关键机制是分组调度器，其负责在频率和时间维度上向活动流分配资源。因此，有必要对毫微微蜂窝网络的调度算法进行分析。在本文中，我们介绍了三种不同的调度算法的性能分析的混合类型的流量在LTE毫微微蜂窝网络。具体研究从吞吐量、丢包率、公平性指标和频谱效率等方面进行了评估
2015-01-08 cs.NI
An Adaptive Power Efficient Packet Scheduling Algorithm for Wimax Networks
在802.16/802.16e网络中，接纳控制方案和调度算法被设计为提供QoS服务，并且许多研究已经调查了这些问题。但是现有的调度算法很少考虑信道条件和业务类的优先级。虽然已经为IEEE 802.16e提出了许多节能机制，但是还没有研究如何最小化具有多个实时连接的IEEE 802.16e移动站的功耗。此外，它们主要考虑IEEE 802.16e网络中的非实时的连接.在本文中，我们建议设计一个自适应的功率有效的数据包调度算法，提供了一个最小的公平分配的信道带宽为每个数据包流，并另外最大限度地减少功耗。在自适应调度算法中，分组根据信道条件自适应地从不同优先级的业务类别中按照分配的时隙发送。假设如果具有不良信道条件的高优先级业务队列的缓冲器大小超过阈值，则将通过调整现有低优先级业务的睡眠占空比来增加这些流的优先级，以防止饥饿。仿真结果表明，我们提出的调度器实现了更好的信道利用率，同时最大限度地减少延迟和功耗。
2010-05-24 cs.NI
Delay Estimation and Fast Iterative Scheduling Policies for LTE Uplink
我们考虑频谱和功率资源到移动台的分配（即，对于长期演进（LTE）正交频分多址（OFDMA）蜂窝网络，每一子帧（1 ms）在小区中发送一个用户设备（UE）。为了使调度的分组延迟的基础上，我们设计了一种新的机制，用于推断的分组延迟大约从缓冲区状态报告（BSR）由UE发送的BSR报告只包含队列长度信息。然后，我们考虑一个有约束的最优化问题与凹目标函数-如那些基于效用最大化，最大重量调度，最近的结果迭代调度小队列/延迟作为特殊情况。特别地，基于分组延迟的不可微目标函数的构造是新颖的。我们对带宽、UE处的峰值发射功率和UE处的发射功率谱密度（PSD）的约束进行建模，这是由于分数功率控制。当频率分集不存在或不利用在一个快速的时间尺度，我们使用次梯度分析构造一个O（N log L）（每次迭代与少量的迭代）算法来计算N个用户和L点的最优资源分配的不可微的目标函数。对于具有M个子带的频率分集调度器，每次迭代的相应复杂度基本上为O（N（M^2+L^2））。与以往的基于延迟/队列的迭代策略不同，在我们的方法中，当相干带宽较大时，调度的复杂度可以降低。通过详细的系统仿真（基于NGMN和3GPP评估方法），模型H-ARQ，每子帧的有限资源授权，部署，现实的流量，功率限制，干扰和信道衰落，我们证明了我们的计划的LTE的有效性。
2012-01-16 cs.NI math.OC
Packet Scheduling in Switches with Target Outflow Profiles
Qualcomm Inc.（高通公司）；Stanford University（斯坦福大学）
针对具有目标流出配置的输入排队交换机，提出了一种分组调度问题，通过动态选择服务配置最小化实际流出与目标的偏差，并设计高效调度实现高吞吐和低失真。
2010-12-29 cs.MM cs.NI cs.SY
Agentic-V2X: Small Language Model Agents for Deadline-Aware V2X Scheduling in 5G/6G Networks
Department of Informatics, University of Piraeus（比雷埃克斯大学信息学院）；Department of Informatics and Telecommunications, University of Peloponnese（希腊佩拉索斯大学信息与电信学院）
研究针对5G/6G网络中V2X调度，提出Agentic-V2X架构。小型本地部署语言模型生成策略，经验证后由轻量级控制器执行，评估多种策略，该架构能生成有效可执行策略，在多方面有竞争力，但非最佳。
2026-07-07 cs.AI cs.NI
Adaptive Receiver-Side Scheduling for Smooth Interactive Delivery
本研究提出了一种接收端调度方法，通过自适应估计路径延迟，减少交互式传输中的抖动和延迟，提升播放流畅性。
2025-11-21 cs.NI eess.IV
CASSINI: Network-Aware Job Scheduling in Machine Learning Clusters
Massachusetts Institute of Technology（麻省理工学院）；UT Austin（德克萨斯大学奥斯汀分校）
提出网络感知调度器CASSINI，通过几何抽象和亲和图调整作业通信阶段使其交错，显著降低作业完成时间并减少ECN标记包数量。
2023-08-01 cs.DC cs.LG cs.NI
AC-DC: Adaptive Ensemble Classification for Network Traffic Identification
准确和有效的网络流量分类对于许多网络管理任务（从流量优先级到异常检测）都很重要。虽然使用预先计算的流统计的分类器（例如，分组大小、到达间隔时间）可能是有效的，但是它们可能比基于原始业务（包括分组捕获）的技术具有更低的准确性。过去的工作表示学习为基础的分类器应用于网络流量捕获已被证明是更准确的，但速度较慢，需要相当多的额外的内存资源，由于在功能预处理的大量成本。在本文中，我们探索这种权衡，并开发自适应约束驱动分类（AC-DC）框架，以有效地管理具有不同目标要求的分类器池，旨在提供与复杂的数据包捕获分类器相当的分类性能，同时适应不同的网络流量负载。AC-DC使用自适应调度器来跟踪当前系统内存可用性和传入流量速率，以确定最佳分类器和批量大小，从而在给定内存和处理约束的情况下最大限度地提高分类性能。我们的评估表明，与仅依赖于流统计的分类器相比，AC-DC将分类性能提高了100%以上;与最先进的数据包捕获分类器相比，AC-DC实现了相当的性能（F1分数降低不到12.3%），但处理流量的速度快了150倍以上。
2023-02-23 cs.NI
FLEX: Joint UL/DL and QoS-Aware Scheduling for Dynamic TDD in Industrial 5G and Beyond
German Research Center for Artificial Intelligence GmbH (DFKI)（德国人工智能研究中心）；RPTU University Kaiserslautern-Landau（凯泽斯劳滕-兰道莱布尼茨理工大学）
FLEX通过动态调整TDD时隙中的上行/下行比例，满足工业5G及更高级别网络中异构QoS需求，实现与传统调度相似的吞吐量并确保双向流量优先级。
2026-04-16 cs.NI
Configured Grant Scheduling for the Support of TSN Traffic in 5G and Beyond Industrial Networks
UWICORE Laboratory, Universidad Miguel Hernández de Elche (UMH)（埃尔切米格尔·埃尔南德斯大学）；HW and Communication Systems Area, Ikerlan Technology Research Centre（伊克兰兰技术中心）
针对5G不原生支持确定性通信的问题，提出一种5G配置授权调度方案，利用TSN流量特征协调调度决策，在支持多周期TSN流方面优于现有技术。
2026-07-01 cs.NI
Overload-Robust Latency in 5G-TSN: A HoL-Enhanced Hybrid Lyapunov Approach for 3GPP Indoor Factory Environments
School of Computer Science and Information Technology, University College Cork（科克大学计算机科学与信息技术学院）
针对 5G-TSN 工业场景，提出 HoL 增强混合李雅普诺夫调度器，在过载时优先保障 URLLC 流量，显著降低时延和丢包率，提升系统鲁棒性。
2026-09-23 cs.NI
Guaranteed Dynamic Scheduling of Ultra-Reliable Low-Latency Traffic via Conformal Prediction
Aalborg University（奥尔堡大学）；Technion–Israel Institute of Technology（以色列理工学院）
本文针对上行链路URLLC动态调度中预测不确定导致资源分配过多或不足的问题，提出一种基于在线保形预测的调度器，通过动态调整资源量，在不依赖预测器质量的情况下对可靠性和时延提供形式化保证。
2023-04-03 cs.LG cs.NI eess.SP
Optimal Cloud Network Control with Strict Latency Constraints
及时交付资源密集型和延迟敏感型服务（例如，工业自动化、增强现实）通过分布式计算网络（例如，移动边缘计算）正引起越来越多的关注。由于现有研究提供的平均延迟性能保证不足，我们专注于在每个数据包的基础上提前提供下一代实时服务的关键目标，同时最大限度地减少整体云网络资源成本。我们引入了一个新的排队系统，能够跟踪数据包的生命周期和形式化的最优云网络控制问题，具有严格的截止期限约束。在说明了由于生命周期到期而丢弃数据包之前将数据包发送到目的地的主要挑战之后，我们构建了一个等效公式，其中放松的流量守恒允许利用Lyapunov优化来推导出原始问题的可证明的接近最优的完全分布式算法。数值实验结果验证了理论分析的正确性，并显示了该控制策略相对于现有云网络控制的优越性能。
2022-05-31 cs.NI cs.SY eess.SY
Boost Your CotS IEEE 802.15.4 Network with Inter-Slot Interference Cancellation for Industrial IoT
当前的5G蜂窝标准化正在朝着无线进步的方向努力，以进一步提高工业自动化的生产力。然而，这一发展将需要数年时间。与此同时，应将现有标准的能力推向极限。为此，在这项工作中，我们提出的结果，从第一时隙间连续干扰消除测试平台，使用商业现成的IEEE 802.15.4传感器。通过我们的实现，我们已经测量了每个时隙的$0.72$分组的吞吐量，其是当前使用的基于竞争的接入时隙ALOHA的两倍，其中每个时隙的限制为$0.36$分组。电路板的硬件效应，从理论上限制的$1$包每时隙的连续干扰消除性能下降，建模和验证通过测量。我们还提出了一个模型，可用于计算预期的连续干扰消除吞吐量与特定的硬件在工厂中可用。此外，我们提出的模型应该取代完美的物理层假设的研究人员设计新的MAC算法考虑到实际的限制。
2019-11-05 cs.IT cs.NI cs.SY
