A Distributed Virtual Network Function Placement Approach in Satellite Edge and Cloud Computing
卫星边缘计算已成为为偏远地区的物联网设备提供计算服务的一种很有前途的方式，这些地区不在地面网络的覆盖范围内，但由于卫星资源的限制，它不适合大规模的物联网设备。云计算可以为物联网设备提供足够的可用资源，但由于网络延迟高，无法满足延迟敏感型用户的服务需求。协作边缘和云计算是通过结合边缘和云计算的优势，为众多物联网设备提供灵活的服务。研究了协同卫星边缘和云计算环境下，以最小化卫星网络带宽使用率和服务端到端延迟为目标的虚拟网络功能（VNF）配置问题.我们制定的VNF布局问题作为一个整数非线性规划问题，并提出了一个分布式VNF布局（D-VNFP）算法来解决它，因为VNF布局问题是NP-难的。通过实验验证了该算法的有效性。实验结果表明，该算法在解决卫星边缘和云计算环境下的VNF布局问题时，性能优于已有的Greedy和Viterbi算法.
2021-04-06 cs.DC cs.NI
A Survey on the Use of Preferences for Virtual Machine Placement in Cloud Data Centers
University of Jeddah（吉达大学）；Umm Al-Qura University（乌姆·库拉大学）；Western Michigan University（西密歇根大学）
随着虚拟化技术的快速发展，云数据中心允许在虚拟化基础设施上经济高效、灵活和可定制的应用程序部署。虚拟机（VM）放置旨在将每个虚拟机分配给云环境中的服务器。虚拟机放置对于云数据中心的设计至关重要。通常，VM放置涉及复杂的关系和多个设计因素以及管理分配决策的本地策略。它还涉及不同的组成部分，包括云管理员和客户，他们在选择放置解决方案时可能有不同的偏好。因此，它往往是有价值的，不仅返回一个优化的解决方案的VM放置问题，而且解决方案，反映了给定的偏好的成分。在本文中，我们提供了一个详细的审查的作用，偏好在最近的文献中VM的位置。我们进一步讨论了关键的挑战，并确定可能的研究机会，以更好地将偏好的上下文中的VM放置。
2020-01-16 cs.AI cs.DC cs.NI
Load balancing in cloud data centers with optimized virtual machines placement
本文提出一种基于 learning automata 强化学习的虚拟机优化分配方法，通过提升优化算法性能并加速其收敛至全局最优，有效实现了云数据中心服务器间的负载均衡。
2023-11-07 cs.DC cs.NI
VNF Placement with Replication for Load Balancing in NFV Networks
网络功能虚拟化（NFV）是一种新的范例，其通过以虚拟网络功能（VNF）的形式对灵活地位于网络中的传统网络功能进行虚拟化来实现服务创新。由于VNF只能放置在位于联网数据中心的服务器上，这是NFV的显著特征，因此指向这些数据中心区域的流量对网络负载均衡具有显著影响。网络负载均衡对于VNF的有序序列（也称为服务功能链（SFC），当今常见的云和网络服务方法）甚至更为关键。为了平衡网络负载，VNF可以放置在网络中较小的服务器集群中，从而最大限度地缩短与数据中心的距离。优化这些集群的位置是一项挑战，因为还需要考虑其他因素，例如资源利用率。为了解决这个问题，我们研究了具有复制的VNF放置问题，特别是VNF复制帮助网络负载平衡的潜力。设计并比较了线性规划模型、遗传算法和随机拟合放置算法三种VNF分配和复制的优化方法。我们的研究结果表明，最佳的位置和复制可以显着提高负载均衡，为此，我们还提出了一个遗传算法适用于更大的网络。
2016-10-26 cs.NI
A Survey of Controller Placement Problem in Software Defined Networks
软件定义网络（SDN）是一种新兴的网络范例，其通过将网络控制平面与数据平面解耦来提供网络的集中视图。这种维护网络全局视图的策略优化了资源管理。然而，使用单个物理控制器的SDN的实现导致可扩展性和鲁棒性的问题。物理上分布式但逻辑上集中的SDN控制器架构有望解决这两个问题。分布式SDN及其优点带来了所需控制器数量及其在网络中的放置问题。该问题被称为控制器配置问题（CPP），本文主要研究CPP的求解技术。本文正式定义了CPP，给出了各种性能指标和现有CPP解决方案的特点进行了全面的审查。最后，我们指出了现有的文献差距，并讨论了该领域未来的研究方向。
2019-05-12 cs.NI
On-Demand Density-Aware UAV Base Station 3D Placement for Arbitrarily Distributed Users with Guaranteed Data Rates
department of Electrical and Computer Engineering, National Chiao Tung University（国立交通大学电气与电脑工程学系）
本文提出了一种基于密度感知的无人机基站3D部署算法，通过提高用户覆盖率和降低发射功率，实现了对任意分布用户的数据速率保障。
2019-04-24 cs.GT cs.NI eess.SP
Sparse Distributed Fiber Optic Sensor Placement in Metropolitan and Datacenter Elastic Optical Networks
Technische Universität Braunschweig（布伦瑞克工业大学）；University of Brasília（巴西利亚大学）
本文研究城域和数据中心弹性光网络中分布式光纤传感设备的稀疏部署，提出贪心最短路径覆盖启发式算法，5%链路覆盖即可显著减少故障影响，25%覆盖接近全覆盖性能，且15ms和7.5ms预测窗口足以实现即时恢复。
2026-10-05 cs.NI
Reducing energy consumption of cloud data centers using proper placement of virtual machines
本文针对云数据中心虚拟机放置问题，提出基于学习自动机的强化学习方法，以最小化能耗和资源浪费，仿真验证了其有效性。
2023-11-07 cs.DC cs.NI
Energy Efficient Placement of Workloads in Composable Data Center Networks
本文研究了网络拓扑结构上的可组合数据中心（DC）基础设施的能量效率。使用一个混合整数线性规划（MILP）模型，我们比较了在机架规模和豆荚规模在选定的电气，光学和混合网络拓扑结构相对于传统的DC解聚的性能。相对于一个豆荚规模的DC，结果表明，在机架规模的物理解聚是足够的最佳效率时，采用光网络拓扑结构和资源组件以适当的方式分配。光网络拓扑还实现了可组合DC中的最佳能量效率。本文还研究了传统的DC服务器在光网络拓扑结构的逻辑分解。相对于机架规模的物理分解，每个机架内的服务器资源的逻辑分解由于改进的资源需求放置而使得总DC功耗（TDPC）的边际下降。因此，能够实现能够支持存储器（访问）延迟敏感和不敏感工作负载两者的可适应的可组合基础设施。我们还进行了研究，采用微服务架构在传统的和可组合的DC。我们的研究结果表明，增加工作负载的模块化提高了传统DC的能源效率，但DC资源的不成比例的利用仍然存在。分解和微服务的组合通过实现最佳的资源利用和能源效率，使传统DC的TDPC减少了23%。最后，我们提出了一个启发式的能源效率的工作负载在可组合DC复制的趋势，在本文中制定的MILP模型放置。
2021-01-20 cs.NI
Virtual-Mobile-Core Placement for Metro Network
传统的高度集中的移动核心网络（例如，演进分组核心（EPC）需要在其网络功能和回程链路两者中不断升级，以满足不断增长的业务需求。网络功能虚拟化（NFV）正在研究中，作为此升级的潜在成本效益解决方案。虚拟移动核心（这里是虚拟EPC，vEPC）提供部署灵活性和可扩展性，同时降低成本、网络资源消耗和应用延迟。此外，vEPC的分布式部署对于多访问边缘计算（MEC）等新兴范例至关重要。在这项工作中，我们表明，在网络资源消耗的显着减少，可以实现作为一个结果的vEPC功能在城域网中的最佳位置。此外，我们表明，并不是所有的vEPC功能都需要分布。在我们的研究中，我们首次使用详细的数学模型来解释数据和控制平面（具有应用延迟要求的非接入层（NAS）信令过程服务链（SC））中的vEPC交互。
2018-04-03 cs.NI
Scaling and Placing Distributed Services on Vehicle Clusters in Urban Environments
许多车辆在城市交通拥堵中花费大量时间。由于自动驾驶汽车、驾驶员辅助系统和车载娱乐的发展，许多车辆都具有丰富的计算和通信能力。我们如何在这些（缓慢）移动的车辆上部署数据汇集和处理任务，以有效地使用任何空闲资源？为了回答这个问题，我们研究了移动车辆集群上的分布式服务的有效放置。我们提出了一个宏观的流量模型，在爱尔兰都柏林的交叉口，使用真实的车辆密度数据。我们表明，这种总流量是高度可预测的（即使个别车辆的路径是事先不知道的），使其能够部署利用车辆的传感能力的服务。我们的主要贡献是一个基于任务的，分布式的服务放置模型，根据资源需求的规模和强大的集群的移动性所造成的变化的详细的数学规范。我们制定了一个约束优化问题，目标是最大限度地减少整体处理和通信成本。我们的研究结果表明，与基于自主车辆边缘计算的朴素解决方案相比，联合缩放任务并找到移动性感知的最佳放置会降低处理和通信成本。
2021-10-11 cs.NI
Towards a Distributed Federated Learning Aggregation Placement using Particle Swarm Intelligence
ÉTS Montréal / Université du Québec（蒙特利尔ÉTS/魁北克大学）；Islamic Azad University of Bojnord（伊斯兰Azad大学波尼尔分校）
针对分层半去中心化联邦学习中的分布式聚合放置问题，提出基于粒子群优化的Flag-Swap方法，仅依据处理延迟优化放置，仿真与真实实验表明其性能优于随机和均匀放置策略。
2025-04-22 cs.DC cs.LG cs.NE
Priority-aware Gray-box Placement of Virtual Machines in Cloud Platforms
虚拟机（VM）放置对于云平台非常重要。虽然实时虚拟机迁移等技术对于平衡数据中心的负载非常有用，但它们是昂贵的操作。在这份立场文件中，我们建议通过在虚拟机放置算法中应用虚拟机的工作负载模式来最大限度地减少数据中心中负载热点的机会-将需要大量相同类型资源的虚拟机放置在不同的物理服务器上。通过这种方式，可以显著缓解同一物理服务器上的VM的资源竞争。同时，我们还考虑了应用程序和虚拟机的优先级在我们的虚拟机布局算法。
2013-07-25 cs.DC cs.NI
RIC-O: Efficient placement of a disaggregated and distributed RAN Intelligent Controller with dynamic clustering of radio nodes
无线电接入网络（RAN）是向最终用户提供无线连接的蜂窝网络的一部分。O-RAN联盟通过提出开放的RAN规范和可编程的非实时和近实时RAN智能控制器（Non-RT RIC和Near-RT RIC）来改变RAN行业。这两个RIC分别为运行称为rApps和xApps的应用程序提供平台，以优化RAN的行为。我们调查的近RT RIC的解聚策略，使其组件满足严格的延迟要求，同时提出了一个具有成本效益的解决方案。我们提出了一种新的RIC加速器（RIC-O），它优化了云边缘连续体中近RT RIC组件的部署。与云计算相比，边缘计算节点通常呈现有限的资源并且昂贵。例如，在O-RAN信令风暴保护中，预期近RT RIC支持低至10 ms的端到端控制环路时延。因此，Near-RT RIC和某些xApp的性能关键组件应该在边缘运行，而其他组件可以在云上运行。此外，RIC-O采用了一种有效的策略来响应突然的变化和动态地重新部署组件。我们通过分析建模和在扩展的Kubernetes部署中的真实实验来评估我们的建议，该部署实现了RIC-O和分散的Near-RT RIC。
2023-01-07 cs.NI
Data-Driven 3D Placement of UAV Base Stations for Arbitrarily Distributed Crowds
在本文中，我们考虑了一个无人机（UAV）辅助蜂窝系统，其中包括多个无人机基站（BS）合作的地面BS。在这样的异构网络中，对于蜂窝运营商来说，问题是如何确定合适的UAV-BS的数量、位置和高度以提高系统总速率以及满足任意闪光人群对数据率的需求。我们提出了一个数据驱动的三维布局的无人机基站提供一个有效的布局结果与可行的计算成本。该算法在多项式时间内以最大系统总速率搜索服务区域内UAV-BS的数量、位置、覆盖范围和高度，以保证UE的最小数据率需求。仿真结果表明，与无无人机基站的情况相比，该方法可以提高系统的总速率。
2019-09-25 cs.CC cs.DS cs.NI
Joint SDN Synchronization and Controller Placement in Wireless Networks using Deep Reinforcement Learning
针对分布式SDN架构中控制器同步与放置带来的网络成本问题，提出基于多目标深度强化学习的联合优化方法，在多种网络条件下性能优于其他方案。
2023-11-09 cs.NI
Gibbsian On-Line Distributed Content Caching Strategy for Cellular Networks
我们开发吉布斯采样为基础的技术，学习在蜂窝网络中的最佳内容放置。基站的集合分散在空间上，每个基站具有小区（可能与其他小区重叠）。移动用户根据某种流行度分布请求从有限的内容集合中下载。每个基站每次只能存储内容的严格子集;如果请求的内容在任何服务基站都不可用，则必须从回程下载。因此，出现了最优内容放置的问题，其可以最小化来自回程的下载速率，或者等效地最大化缓存命中率。使用类似的想法，吉布斯采样，我们提出了简单的顺序内容更新规则，决定是否存储在一个基站的内容在相邻基站的知识的基础上。更新规则被证明是渐近收敛到最佳的内容放置的所有节点。接下来，我们扩展的算法，以解决的情况下，内容流行度和小区拓扑结构最初是未知的，但估计新的请求到达基站。最后，在缓存命中率的改善表现出数值。
2017-11-06 cs.NI
Online Scaling of NFV Service Chains across Geo-distributed Datacenters
网络功能虚拟化（NFV）是一种新兴的范例，其将网络功能的依赖于硬件的实现（即，中间盒）转换为运行在虚拟化平台上的软件模块，从而显著降低成本并简化管理。这样的虚拟网络功能（VNF）通常构成业务链，以提供业务流需要经过的网络服务。用于网络服务供应的VNF的高效部署是实现NFV目标的关键。关于VNF放置的现有努力主要处理离线或一次性放置，忽略了VNF处理实际时变流量的基本动态部署和缩放需求。这项工作研究了VNF服务链在地理分布的网络中心的动态放置，以服务于分散的源和目的地对之间的流，以使服务链提供商在整个系统跨度上的运营成本最小化。提出了一种有效的在线算法，它包括两个主要部分：（1）一种基于正则化的在线学习方法，将离线最优部署问题转化为一系列单次正则化问题，每个问题在一个时隙内有效求解;（2）一种在线相关舍入方案，用于从单次问题的最优分数解导出可行整数解，并保证在线算法在整个时间跨度上的良好竞争率。我们验证了我们的在线算法与坚实的理论分析和跟踪驱动的模拟现实环境下。
2016-11-24 cs.NI
Semord: Learned Semantic-Preserving Placement and Low-Fanout Routing for Distributed Vector Search
University of California, Santa Cruz（加州大学圣克鲁兹分校）；University of Nevada, Reno（内华达大学里诺分校）
Semord提出去中心化向量搜索覆盖系统，通过VHash语义放置和VecDHT协议实现高召回低扇出路由，无需集中协调器，提升召回率15%以上并减少60%联系节点。
2026-09-23 cs.NI
A TTL-based Approach for Content Placement in Edge Networks
边缘网络通过在网络边缘提供计算和存储资源，有望为用户提供更好的服务。然而，由于用户兴趣、内容流行度、分布式网络结构、缓存大小的不确定性和多样性，决定将内容放置在何处以及应该缓存多长时间是具有挑战性的。在本文中，我们研究了效用优化的内容放置在边缘网络通过基于定时器（TTL）的政策。我们提出了可证明的最佳分布式算法，在每个网络缓存操作，以最大限度地提高整体网络效用。我们基于TTL的优化模型为每个内容必须缓存多长时间以及应该将其放置在边缘网络中的何处提供了理论答案。广泛的评估表明，我们的算法显着优于传统的缓存算法在某些网络拓扑结构的路径复制。
2020-03-13 cs.NI cs.PF
Multi-Criteria Virtual Machine Placement in Cloud Computing Environments: A literature Review
云计算是一个革命性的过程，它影响了网络的使用方式。由于虚拟机（VM）在数据中心的物理机上弹性运行工作负载，因此它具有很高的灵活性。在云环境中放置虚拟机（VMP）的问题是一个重要的挑战，虽然尚未完全解决，但已得到彻底解决。本文讨论了可能破坏VM和虚拟网络功能（VNF）的放置的不同问题，并基于多个性能指标（例如能耗、服务质量、服务水平协议和所产生的成本）将现有解决方案分类为五个主要目标函数。现有的解决方案也分类的基础上，他们是否采用启发式，确定性，元启发式或近似算法。还讨论了5G网络中的VNF放置，以强调通过包括NFV/软件定义网络技术来优化移动服务的使用。
2018-02-05 cs.NI
Multiple Service Chain Placement and Routing in a Network-enabled Cloud
网络功能虚拟化（NFV）旨在将传统专有硬件的功能抽象为虚拟网络功能（VNF）软件，其可以在商用现货（COTS）服务器上运行。除了减少对专有支持的依赖外，NFV还帮助网络运营商以敏捷的方式部署多种服务。服务部署涉及通过包括服务链（SC）的VNF的放置和按顺序路由。我们的研究是第一个专注于计算复杂的问题，多个VNF SC的布局和路由，同时考虑VNF服务链明确。我们提出了一种新的列生成模型，用于放置多个VNF SC和路由，这大大降低了问题的计算复杂性。我们的目标是确定理想的NFV基础设施（NFVI），以最大限度地减少网络资源消耗。我们的研究结果表明，网络使能云（NeC）的网络资源消耗低于集中式NFVI（例如，数据中心），同时避免分布式NFVI的不可行性。
2016-11-10 cs.NI
Optimal Virtual Network Function Placement and Resource Allocation in Multi-Cloud Service Function Chaining Architecture
服务功能链（SFC）是在地理上分布的数据中心上部署各种网络服务实例并提供它们之间的互连的问题。目标是使网络流量能够在底层网络中顺畅流动，从而为最终用户提供最佳体验质量。网络功能的正确链接导致分布式资源的最佳利用。这已经成为电信行业的一种事实模型，网络功能部署在底层硬件上。尽管该模型到目前为止已经很好地服务于电信行业，但是由于直接在物理资源上部署服务，因此它主要适于适应网络服务和服务需求的静态行为。这导致网络僵化，对最终用户的延迟更大，特别是在以数据为中心的模型中，计算资源正在向最终用户移动。一种新颖的联网范例，即网络功能虚拟化（NFV），通过在被称为虚拟网络功能（VNF）的软件层中实现网络功能来动态地满足用户需求并降低运营费用（OpEx）和资本支出（CapEx）。然后，VNF互连以形成完整的端到端服务，也称为服务功能链（SFC）。在这项工作中，我们研究的问题，部署服务功能链的网络功能虚拟化架构。具体来说，我们研究虚拟网络功能布局问题的最佳SFC形成在地理上分布的云。我们将多云场景中最小化云间流量和响应时间的问题设置为ILP优化问题，以及总部署成本和服务水平协议（SLA）等重要约束。在我们的模型中，我们考虑了链路延迟和计算延迟。
2019-02-10 cs.NI
Energy Efficient Virtual Machine Services Placement in Cloud-Fog Architecture
数据量和处理请求的激增需要一种新的按需计算。雾计算通过将处理和存储资源扩展到网络边缘来解决云计算的局限性。云计算和雾计算采用虚拟机（VM）来实现高效的资源利用。为了优化虚拟环境，可以在地理分布的物理机器上迁移或复制VM，以实现负载均衡和能效。在这项工作中，我们调查卸载的VM服务从云到雾考虑英国电信（BT）的网络拓扑结构。该分析解决了不同因素的影响，包括虚拟机工作负载和雾节点与用户的接近程度，考虑到最先进的应用程序的数据率。结果表明，虚拟机的最佳位置显着降低了高达75%的总功耗相比，一个单一的云放置。
2019-04-23 cs.NI
Adaptive Caching Networks with Optimality Guarantees
我们研究的问题，最佳的内容放置在一个网络的缓存，一个问题自然出现在几个网络应用程序，包括ICN，CDN和P2P系统。给定内容请求速率和所遵循的路径的需求，我们希望确定使预期缓存增益最大化的内容放置，即，由于中间缓存而减少了路由成本。这个问题的离线版本是NP难的，并且一般来说，需求和拓扑可能是先验未知的。因此，需要一种分布式的、自适应的、恒定近似的内容放置算法。我们表明，路径复制，一个简单的算法经常在文献中遇到的，可以任意次优结合传统的驱逐政策，如LRU，LFU，或FIFO。我们提出了一个分布式的，自适应的算法，执行随机梯度上升的预期缓存增益的凹松弛，并构造一个概率内容放置在1-1/e的因素，从最佳的，在预期中。出于我们的分析，我们还提出了一种新的贪婪驱逐政策与路径复制，并通过数值评估表明，这两种算法显着优于传统的驱逐政策在广泛的网络拓扑结构的路径复制。
2016-04-11 cs.NI
Distributed Spiral Optimization in Wireless Sensor Networks without Fusion Centers
提出了一种用于无线传感器网络分布式优化的分布式螺旋算法。通过在簇间形成螺旋形的消息传递机制，在不损失估计精度和收敛速度的前提下，证明了该算法比分布式簇内算法具有更低的总传输代价.
2008-09-19 cs.NI
Service Placement in Small Cell Networks Using Distributed Best Arm Identification in Linear Bandits
University of Tübingen（蒂宾根大学）；Ruhr-University Bochum（波鸿鲁尔大学）
本文研究了在小型基站网络中如何通过分布式最佳臂识别算法优化服务部署，以减少用户延迟。
2026-04-07 cs.DC cs.LG cs.NI
Cache-Version Selection and Content Placement for Adaptive Video Streaming in Wireless Edge Networks
无线边缘网络通过在无线网络边缘提供计算和存储资源，有望为移动用户提供更好的视频流服务。然而，由于用户兴趣、用户设备、视频版本或分辨率、缓存大小、网络条件等的多样性，决定将视频内容放置在何处以及移动用户设备应当选择哪个高速缓存和视频版本是具有挑战性的。在本文中，我们研究了无线边缘网络中的自适应视频流的缓存版本选择和内容放置的联合优化。我们提出了实用的分布式算法，在每个用户设备和每个网络缓存，以最大限度地提高整体网络效用。除了证明我们的算法的最优性，我们实现了我们的算法，以及几个基线算法的ndnSIM，一个基于ns-3的命名数据网络模拟器。模拟评估表明，我们的算法显着优于传统的启发式解决方案。
2019-04-09 cs.NI
Energy-Latency Trade-offs in O-RAN with Distributed Baseband Processing and AI Inference
CONNECT Centre, Trinity College Dublin（都柏林三一学院 CONNECT 中心）；Department of Electronic Systems, Aalborg University（奥尔堡大学电子系统系）
本文针对O-RAN架构，构建整合延迟与AI推理成本的端到端能耗模型，优化基带与AI任务部署，分析能量-延迟权衡，为AI驱动服务的O-RAN部署提供实用指导。
2026-08-04 cs.NI
Cost-efficient QoS-Aware Data Acquisition Point Placement for Advanced Metering Infrastructure
在高级计量基础设施（AMI）中，数据采集点（DAP）负责收集来自多个智能电表和自动化设备的流量，并将其传输到公用事业控制中心。尽管无线宽带和传感器网络的数据采集器优化布局问题已经得到解决，但DAP布局对于AMI来说还是一个新的研究领域。在本文中，我们调查的最小所需数量的DAP和他们的优化位置上现有的电线杆在配电网，智能电网服务质量的要求，可以最好地提供。为了解决大规模AMI的问题，我们设计了一种新的启发式算法，使用贪婪的方法来确定潜在的极点位置DAP的位置和Dijkstra最短路径算法构建可靠的路线。我们采用IEEE 802.15.4g智能公用事业网络（SUN）标准的介质访问方案的特点，并考虑关键任务和非关键的智能电网流量。我们的算法的性能和时间复杂度进行了比较与IBM CPLEX软件的小场景。最后，我们将我们设计的DAP布局算法应用于现实的智能电网AMI拓扑结构的例子。
2018-02-19 cs.NI
SpaceMoE: Realizing Distributed Mixture-of-Experts Inference over Space Networks
Department of Electrical and Computer Engineering, The University of Hong Kong (HKU)（香港大学电子与计算机工程系）；State Key Laboratory of Integrated Service Networks, Institute of Information Science, Xidian University（西安电子科技大学信息科学学院集成服务网络国家重点实验室）；Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology (HKUST)（香港科学与技术大学电子与计算机工程系）
本文提出SpaceMoE框架，旨在解决在卫星网络中高效部署大规模LLM的挑战，通过分层专家放置策略减少延迟，实现混合专家模型在空间环境中的高效推理。
2026-05-21 cs.AI cs.DC cs.NI
A Simple Reliability Analysis of Complex Service Function Chains (SFCs)
在网络功能虚拟化（NFV）框架中，业务功能链（SFC）的可靠性是一个复杂的功能，包括硬件和软件的布局、配置和部署要求。以前的可靠性分析模型不能直接应用于SFC，因为它们不考虑系统组件共享，系统组件的异质性和它们在故障情况下的相互依赖性方面。在本文中，我们分析了复杂的SFC配置的服务可靠性，包括串行和并行VNF链，以及它们相关的备份保护组件。我们的分析是基于组合分析和简化二项式定理，这种简单的方法可以用来分析相当复杂的SFC配置。我们第一次考虑放置在数据中心，机架和服务器中的VNF组件之间的故障依赖性。我们表明，我们的分析可以很容易地考虑在任意配置的数据中心网络中不同的VNF布局策略，因此，可以有效地用于优化可靠的SFC布局。
2020-04-01 cs.NI
Congestion-aware routing and content placement in elastic cache networks
可以利用缓存来显著提高网络性能并缓解拥塞。然而，表征路由成本和缓存部署成本之间的最佳权衡仍然是一个悬而未决的问题。在本文中，对于具有任意拓扑结构和依赖于缓存的非线性成本函数的网络，我们的目标是共同确定缓存部署，内容放置，和逐跳路由策略，使路由成本和缓存部署成本的总和最小化。我们从固定路由设置开始解决这个NP难问题，然后是一般的动态路由设置。对于固定路由的情况，提出了一种基于$(\frac{1}{2},1)$近似的修正组合Frank-Wolfe算法。对于一般的动态路由设置，我们得到了一组KKT必要的最优条件，并设计了一个分布式和自适应在线算法的基础上的条件。我们通过广泛的模拟表明，我们的算法显着优于一些基线技术。
2023-03-03 cs.NI
No Delay: Latency-Driven, Application Performance-Aware, Cluster Scheduling
考虑到在数据中心中观察到的网络延迟可变性，应用程序的性能也取决于它们在数据中心中的位置。我们提出了NoMora，集群调度架构，其核心是由延迟驱动，应用程序的性能感知，集群调度策略。该策略根据数据中心中主机对之间的测量网络延迟，考虑预期性能来放置应用程序的任务。此外，如果租户的应用经历增加的网络延迟，并且因此降低应用性能，则其应用可以被迁移到更好的位置。初步结果表明，我们的策略将整体平均应用程序性能提高了13.4%，如果启用抢占，则提高了42%，与Google集群工作负载上的随机策略相比，任务放置延迟提高了1.79倍，中值算法运行时间提高了1.16倍。这表明，可以通过利用网络延迟和应用性能之间的关系以及数据中心中的当前网络条件来提高应用性能，同时保持低延迟集群调度的需求。
2019-08-18 cs.DC cs.NI
Green Base Station Placement for Microwave Backhaul Links
无线移动回程网络已经被提出作为有线替代方案由于经济或地理原因而不可用的情况下的替代方案。在这项工作中，我们研究了在一个给定的区域，移动终端分布根据一定的概率密度函数和基站通过微波回程链路通信的基站的位置问题。利用最优传输理论的结果，我们提供了最佳的渐近分布的基站在所考虑的设置通过最小化整个网络的总功率。
2017-07-18 cs.IT cs.NI math.IT
On Optimizing Replica Migration in Distributed Cloud Storage Systems
随着大规模互联网服务和大数据的广泛采用，云已经成为满足不断增长的存储需求的理想环境，这要归功于其看似无限的容量，高可用性和更快的访问时间。在这种情况下，数据复制被吹捧为提高数据可用性和减少访问时间的最终解决方案。然而，副本放置系统通常需要随着时间的推移在数据中心之间和数据中心内迁移和创建大量的数据副本，在网络负载和可用性方面产生了很大的开销。本文提出了一种有效的分布式云存储迁移方案CRANE。CRANE通过有效地管理地理分布式基础设施中的副本创建来补充任何副本放置算法，通过（1）最小化将数据复制到新副本位置所需的时间，（2）避免网络拥塞，以及（3）确保数据的最小可用性。我们的研究结果表明，与swift（用于管理数据存储的OpenStack项目）相比，CRANE能够最大限度地减少高达30%的副本创建时间和25%的数据中心间网络流量，同时确保数据的最低可用性。
2015-09-04 cs.DC cs.NI
Stochastic Service Placement
由于云服务的多样性和动态工作负载，云服务的资源分配是一项复杂的任务。解决此问题的一种方法是过度供应，这会导致由于未利用的资源而导致的高成本。一个更经济的方法，依赖于需求的随机性，是分配适量的资源，并在需求超过容量的溢出情况下使用额外的更昂贵的机制。在本文中，我们研究了这种方法，并通过对独立正态分布需求的综合分析和对合成数据的仿真表明，它明显优于目前部署的方法。
2015-03-09 cs.DS cs.NI cs.PF
Optimizing RRH Placement Under a Noise-Limited Point-to-Point Wireless Backhaul
在本文中，我们研究的部署决策和位置优化的远程无线头端（RRH）在协调分布式网络中存在的无线回程。我们实现了一个方案，其中RRH使用迫零波束成形（ZF-BF）的接入信道，以共同服务于多个用户，而在回程的RRH连接到他们的中央单元（CU）通过点对点的无线链路。我们调查的影响，该计划的部署的RRH和由此产生的可实现的频谱效率在接入信道（回程中断约束下）。我们的研究结果表明，即使是噪声限制的回程链路，大的带宽必须分配给回程，以允许自由分布的RRH在网络中。此外，我们的研究结果表明，分布在更多的RRH上的可用天线是有利的，相比，一个更共处一地的天线系统。这促使进一步的工作来研究无线回程方案的效率和它们对具有联合传输的协调分布式网络的性能的影响。
2021-02-12 cs.IT cs.NI math.IT
A Lightweight Distributed Solution to Content Replication in Mobile Networks
移动网络中内容访问的性能和可靠性取决于部署在网络节点处的内容副本的数量和位置。设施定位理论一直是传统的，集中的方法来研究内容复制：计算网络中的副本的数量和位置可以被视为一个无容量限制的设施定位问题。这项工作的努力是设计一个分布式的，轻量级的解决方案，上述联合优化问题，同时考虑到网络动态。特别是，我们设计了一种机制，让节点分担存储和提供内容的负担，从而实现负载均衡，并决定是否复制或丢弃的信息，以适应动态的内容需求和时变的拓扑结构。我们评估我们的机制，通过模拟，通过探索广泛的设置和研究现实的内容访问机制，超越了传统的proptionmatching需求点，他们最接近的内容副本。结果表明，我们的机制，它只使用本地测量，是：（i）非常精确的近似的最佳解决方案的内容放置和复制;（ii）对网络移动性的鲁棒性;（iii）灵活地适应各种内容访问模式，包括变化的时间和空间的内容需求。
2009-09-10 cs.NI cs.PF
Weighted Centroid Algorithm for Estimating Primary User Location: Theoretical Analysis and Distributed Implementation
关于主发射机位置的信息对于实现认知无线电网络中的几个关键功能至关重要，包括改进的时空感知、智能位置感知路由以及辅助频谱策略执行。与其他非交互式定位算法相比，加权质心定位（WCL）算法仅利用接收信号强度信息，易于实现，对传播环境的变化具有鲁棒性。在本文中，我们提出了第一个理论框架WCL性能分析的节点密度，节点位置，阴影方差，相关距离和传感器节点定位的不准确性参数化的定位误差分布。使用这种分析，我们量化的鲁棒性的WCL各种物理条件，并提供设计指导方针，如节点的位置和间距，WCL的实际部署。我们还提出了一种高能效的方法，通过分布式基于集群的算法实现WCL，实现了与集中式对应的准确性。
2011-05-09 cs.IT cs.NI cs.PF
Optimal Content Placement for Peer-to-Peer Video-on-Demand Systems
在本文中，我们解决的问题，内容放置在对等系统中，以最大限度地利用对等点的上行链路带宽资源的目标。我们考虑系统性能下的多用户渐近。我们区分两种情况下，即“分布式服务器网络”（DSN）的请求是外源的系统，和“纯P2P网络”（PP2PN）的请求来自同行本身。对于这两种情况下，我们认为损失网络模型的性能，并确定渐近最优的内容放置策略的情况下，有限的内容目录。然后，我们转向另一种“大目录”的规模与同行人口的目录大小的规模。根据这种扩展，我们建立了每个对等体的存储空间必须无限增长，如果带宽利用率是最大化的。一个特定的随机图模型的属性有关的系统性能，然后，我们确定了一个内容放置策略和请求接受的政策，共同最大限度地提高带宽利用率，每个对等存储空间无限增长，虽然任意缓慢，与系统的大小。
2011-08-17 cs.DC cs.NI cs.PF
Optimizing Resource Allocation for Geographically-Distributed Inference by Large Language Models
Department of Computer Science and Engineering, Pennsylvania State University, University Park, PA, USA（计算机科学与工程系，宾夕法尼亚州立大学，大学公园，PA，USA）；Department of Computer Science, Virginia Tech, Blacksburg, VA, USA（计算机科学系，弗吉尼亚理工大学，布莱克堡，VA，USA）；Department of Electrical Communication Engineering, Indian Institute of Science, Bangalore, India（电子通信工程系，印度科学研究院，班加罗尔，印度）
本文提出了一种系统研究分布式LLM推断中的资源分配问题，通过块放置和请求路由的优化，显著减少推断时间并开发了轻量级CPU模拟器。
2025-12-26 cs.AI cs.DC cs.NI
