SDN-controlled and Orchestrated OPSquare DCN Enabling Automatic Network Slicing with Differentiated QoS Provisioning
在这项工作中，我们提出和实验评估的自动和灵活的NS配置的光OPSquare DCN控制和编排的扩展SDN控制平面的多租户应用程序与差异化的QoS配置。光流控制（Optical Flow Control，OFC）协议是为了防止交换机端由于数据包竞争而导致的数据包丢失而开发的，基于收集的数据平面的资源拓扑，SDN控制平面可以对光网络切片进行动态配置和自动重配置。同时，实验结果验证了应用流的优先级分配能够为不同切片提供动态的QoS性能，这些切片在丢包率和传输延迟方面具有特定的要求。此外，将数据平面的流量统计信息暴露给SDN控制平面的能力使得能够实现负载均衡算法，从而进一步提高具有高QoS的网络性能。对于负载为0.5的具有最高优先级的切片网络，可以保证没有分组丢失和小于4.8 us的服务器到服务器延迟。
2020-01-10 cs.NI
An Architecture for Provisioning In-Network Computing-Enabled Slices for Holographic Applications in Next-Generation Networks
本文提出一种支持网内计算切片供给的下一代网络架构，用于部署全息应用，并通过概念验证与仿真证明其在带宽、时延和抖动方面优于边缘计算。
2023-07-18 cs.NI
Quality-Aware Personalized AI Service Provisioning in UAV-Assisted 6G Networks
Oulu University（奥卢大学）；ICTFICIAL Oy（ICTFICIAL公司）；Ruhr University Bochum (RUB)（鲁尔大学波鸿分校）
研究无人机辅助6G网络中质量感知的个性化AI服务供应问题，提出HyPE框架，集成移动感知预测、学习增强决策和启发式服务放置与路由，模拟实验显示其在覆盖范围、延迟、服务个性化等方面优于基线，突出预测学习增强供应的前景。
2026-07-08 cs.NI
RMCSA Algorithm for Congestion-Aware and Service Latency Aware Dynamic Service Provisioning in Software-Defined SDM-EONs
针对SDM-EON中链路拥塞导致服务阻塞、现有负载均衡算法需权衡阻塞性能与复杂度的问题，提出拥塞感知RMCSA算法与新型缓存策略，在降低阻塞率、提升频谱效率的同时大幅缩短服务时延。
2024-12-14 cs.NI
Dynamic and Application-Aware Provisioning of Chained Virtual Security Network Functions
网络功能虚拟化的一个有前景的应用领域是网络安全，其中虚拟安全网络功能（VSNF）链，即，可以动态创建和配置防火墙或入侵防御系统等安全特定虚拟功能，以检查、过滤或监控网络流量。然而，VSNF处理的流量可能对特定的网络要求敏感，例如最小带宽或最大端到端延迟。因此，在决定哪些VSNF应适用于特定应用程序、将它们放置在何处以及如何连接它们时，应考虑到这些要求。否则，安全服务可能会影响客户体验的服务质量。在本文中，我们提出了PESS（安全服务的渐进嵌入），这是一种基于单个应用程序和运营商策略的安全要求有效部署虚拟化安全功能链的解决方案，同时优化资源利用率。给出了PESS的数学模型和启发式求解方法。仿真结果表明，与最先进的应用无关的VSNF配置模型相比，PESS在不同的网络场景中减少了高达50%的计算资源利用率。这一结果最终导致更高数量的预配置安全服务，并将应用程序流量的端到端延迟减少多达40%。
2021-03-18 cs.NI
Asynchronous Distributed Protocol for Service Provisioning in the Edge-Cloud Continuum
针对边云一体化中微服务部署匹配难、时间关键型服务需随用户迁移的问题，提出一种分布式异步微服务部署协议，可降低开销、避免单点故障提升稳定性，实现低成本可行部署且带宽占用极低。
2023-04-29 cs.NI
Performance Optimization in RSMA-assisted Uplink xURLLC IIoT Networks with Statistical QoS Provisioning
针对工业5.0关键任务场景，提出RSMA辅助上行xURLLC IIoT网络，利用随机网络演算建立统计QoS保障框架，优化短包大小和发射功率，相比NOMA和OMA获得显著性能提升。
2024-05-26 cs.NI
QoS Provisioning in 60 GHz Communications by Physical and Transport Layer Coordination
在过去的几十年中，无线通信的技术发展已经与移动服务的日益增长的需求相结合。从专注于娱乐的实时应用（例如，高质量视频流、虚拟和增强现实），到工业自动化和安全场景（例如，视频监视），这些要求不断地推动通信硬件和软件的极限。毫米波频率下的通信可以提供非常高的吞吐量和低延迟，这要归功于大量的可用带宽，但在如此高的频率下运行会在信道可靠性方面带来新的挑战，最终影响整体端到端性能。在本文中，我们引入了一个代理，它协调物理层和传输层，以无缝地适应可变的信道条件并避免性能下降（即，延迟尖峰或低吞吐量）。我们使用模拟IEEE 802. 11ad兼容的网络研究了所提出的解决方案的性能，并集成了从实际设备的测量生成的输入轨迹，并表明所提出的基于代理的机制相对于60 GHz链路上的TCP CUBIC减少了高达50%的延迟。
2019-10-09 cs.NI
Edge Federation: Towards an Integrated Service Provisioning Model
边缘计算是将云服务推向网络边缘的一种有前途的计算范例。为此，边缘基础设施提供商（EIP）需要将计算和存储资源带到网络边缘，并允许边缘服务提供商（ESP）为用户提供延迟关键型服务。目前，EIP更倾向于建立一系列私有边缘计算环境来满足用户的特定需求。这种资源配置机制严重限制了边缘计算的发展和传播，以满足不同的用户需求。为此，我们提出了一个集成的资源供应模型，命名为边缘联邦，无缝地实现跨独立的边缘计算提供商和云的资源合作和服务提供。为了有效地调度和利用跨多个EIP的资源，我们系统地将供应过程描述为一个大规模线性规划（LP）问题，并将其转化为一个容易解决的形式。因此，我们设计了一个动态的算法来处理不同的服务需求的用户。我们在多伦多市的基站网络进行了广泛的实验。与现有的固定契约模型和多宿主模型相比，边缘联盟可以分别降低EIP的总体成本23.3%至24.5%和15.5%至16.3%。
2020-03-27 cs.NI
Beyond Dedicated-Active: A General Reliability Provisioning Framework for SFC Placement in Fog Computing
Isfahan University of Technology（伊斯法罕理工大学）
本文提出了一种通用框架，用于在雾计算中实现可靠性意识的SFC部署，通过四种冗余策略优化延迟和成本，仿真结果显示共享-备用冗余性能提升达84%。
2025-12-30 cs.NI
Intelligent Edge Resource Provisioning for Scalable Digital Twins of Autonomous Vehicles
针对自动驾驶车辆数字孪生（DTs）运行中计算资源管理的挑战，提出集成DTs与移动边缘计算（MEC）的分布式架构及网络感知任务配置算法，通过仿真验证将同步误差降至5%以下、资源利用率达99.5%，提升DT鲁棒性与可扩展性。
2025-08-15 cs.NI
Latency-aware and Survivable Mapping of VNFs in 5G Network Edge Cloud
网络功能虚拟化（NFV）和多接入边缘计算（MEC）在5G网络中发挥着至关重要的作用，用于动态提供具有异构服务需求的各种通信服务。特别是，虽然NFV通过将物理网络功能软件化为虚拟网络功能（VNF）来提高灵活性和可扩展性，但MEC通过将计算设施移动到网络边缘来提供延迟敏感/时间关键型服务。然而，这些新的范例在延迟、可用性和资源分配方面引入了挑战。在本文中，我们首先探索MEC云设施位置选择，然后在启用NFV的MEC云设施的不同选定位置中的VNF的延迟感知放置，以便满足不同应用的超低延迟要求（例如，触觉互联网、虚拟现实和关键任务应用程序）。此外，我们还旨在保证VNF和边缘服务器的生存能力，防止由于软件错误，配置故障等原因导致的资源有限的MEC云设施中的故障。为此，我们将延迟感知和VNF在不同MEC云设施中的生存映射问题制定为一个线性规划（ILP），以最大限度地减少整体服务配置成本，并表明该问题是NP-难的。针对ILP问题的高计算复杂性，提出了一种基于模拟退火的启发式算法，在多项式时间内获得近似最优解。通过大量的模拟，我们展示了我们提出的解决方案在现实世界的网络拓扑结构中的有效性，其性能接近最优解决方案。
2021-06-17 cs.NI
APMEC: An Automated Provisioning Framework for Multi-access Edge Computing
新的用例和垂直领域，如5G和触觉互联网领域的联网汽车和人机协作，可以从网络功能虚拟化（NFV）和多访问边缘计算（MEC）提供的灵活性和减少的延迟中受益匪浅。管理和编排MEC和NFV的现有框架要么紧密耦合，要么完全分离。前一种设计是不灵活的，并且增加了一个框架的复杂性。然而，后者导致计算资源的低效使用，因为信息不共享。我们引入了APMEC，这是一个专用于MEC的框架，同时支持与NFV的管理和编排（MANO）框架的协作。新设计允许重用已分配的网络服务，从而最大限度地提高资源利用率。测量结果表明，APMEC可以分配高达60%以上的网络服务数量。APMEC是在OpenStack之上开发的开源项目，可用于协作并促进进一步的研究活动。
2022-05-09 cs.NI
Split-Aware Function Placement with Availability Guarantees and Optical Provisioning in vRANs
Indian Institute of Technology Indore（印度印度理工学院印多尔分校）；Indian Institute of Technology Jodhpur（印度印度理工学院焦特普尔分校）
针对 5G 后及 6G 网络对 vRAN 架构的需求，提出集成框架，通过联合优化功能放置与光资源分配来最大化运营商利润，将问题建模为 ILP 模型，开发算法求解，实验表明共享备份变体有利润和 CPU 使用率优势。
2026-07-20 cs.NI
Digital Tides: A Fluid-Dynamic Framework for Flux-Aware Infrastructure Provisioning in UAV Logistics Networks
Future Technology Research Center, China Telecom Research Institute（中国电信研究院未来技术研究中心）；Cloud Network Operating System R&D Center, China Telecom（中国电信云网操作系统研发中心）；School of Electronics and Computer Science, University of Southampton（南安普顿大学电子与计算机科学学院）
针对无人机物流网络中传统资源配置策略的滞后问题，提出流体动力学框架及流量感知非对称激活策略，实现服务可靠性与能耗的帕累托最优权衡。
2026-08-21 cs.NI
GenAI Assistance for Deep Reinforcement Learning-based VNF Placement and SFC Provisioning in 5G Cores
针对5G核心网动态环境下的VNF放置与SFC供给问题，提出生成式VAE辅助的先进DRL混合方法，在接受率、E2E时延和吞吐量上优于现有DRL。
2024-11-19 cs.NI
Distributionally Robust Optimization for Digital Twin Service Provisioning over Edge Computing
针对边缘计算中数字孪生服务提供，提出基于Wasserstein距离的分布鲁棒优化方法，联合优化模型部署与选择，以最大化服务质量，应对交互不确定性。
2025-05-15 cs.NI
Multi-Objective Provisioning of Network Slices using Deep Reinforcement Learning
King’s College London（伦敦国王学院）；Aalborg University（奥尔堡大学）
网络切片（NS）是下一代网络中有效实现多样化网络应用的关键。然而，复杂的服务质量（QoS）要求和网络服务中的多样异构性使得网络切片供应（NSP）优化需要大量计算时间。传统的优化方法难以满足网络应用的低延迟和高可靠性要求。为此，我们将实时NSP建模为在线网络切片配置（ONSP）问题。具体来说，我们制定的ONSP问题作为一个在线多目标规划优化（MOIPO）问题。然后，我们近似的MOIPO问题的解决方案，通过应用近端策略优化（PPO）方法的交通需求预测。我们的仿真结果表明，所提出的方法相比，国家的最先进的MOIPO解决方案具有较低的SLA违规率和网络运营成本的有效性。
2022-08-14 cs.LG cs.NI
Hierarchical Capacity Provisioning for Fog Computing
雾计算的概念是在网络边缘提供计算资源，从而减少延迟，提高服务质量。然而，仍然期望研究在网络的边缘处应该如何以及在何处提供计算能力。为此，我们提出了一个分层的能力供应计划。特别是，我们认为一个两层的网络架构组成的浅和深的云，并探讨分层容量的好处的基础上，嵌入式分析。此外，我们探讨了两种不同的网络场景，其中两层之间的网络延迟可以忽略不计，以及深云位于网络中更深处的情况，因此延迟很大。更重要的是，我们建模的第一个网络延迟的情况下，无缓冲区的浅云，以及第二种情况下，有限大小的缓冲区的浅云，并制定每个模型的优化问题。我们还使用随机排序来解决第一个模型的优化问题，并提出了一个上限为基础的技术，第二个模型。该方案的性能进行评估，通过模拟中，我们显示的准确性，建议的上限技术，以及随机生成的输入和真实的跟踪数据的队列长度估计方法。
2018-07-03 cs.NI
Heterogeneous Services Provisioning in Small Cell Networks with Cache and Mobile Edge Computing
在支持全双工（FD）的小型小区网络的领域中，在考虑高速缓存和移动边缘通信（MEC）方面已经进行了有限的工作。在本文中，一个虚拟的FD使能的小小区网络与缓存和MEC的两个异构服务，高数据速率服务和计算敏感的服务。在我们提出的方案中，内容缓存和FD通信紧密结合，提供高数据速率的服务，而无需回程资源的成本。通过计算卸载来保证用户的时延需求。然后，我们制定了一个虚拟的资源分配问题，其中用户关联，功率控制，缓存和计算卸载策略和资源分配共同考虑。由于原问题是一个混合的组合问题，必要的变量松弛和重新制定进行原问题转化为一个凸问题。采用交替方向乘子法（ADMM）算法求解最优解。最后，在不同的系统配置下进行了大量的仿真，以验证所提出的方案的有效性。
2017-06-29 cs.NI
CASPER: Carbon-Aware Scheduling and Provisioning for Distributed Web Services
本文提出碳感知调度与供给系统CASPER，通过构建多目标优化问题，在兼顾网络延迟约束与服务等级目标的前提下，利用分布式负载均衡跨区域迁移负载以利用低碳能源，使分布式Web服务碳排放减少高达70%且无延迟下降。
2024-03-21 cs.DC cs.NI cs.PF
Statistical Characterization of Closed-Loop Latency at the Mobile Edge
任务关键型应用程序中严格的时序和可靠性要求需要对延迟进行详细的统计表征。遥操作是一种典型的使用案例，其中人类操作员（HO）通过交换命令和反馈信号来远程控制机器人。我们提出了一个框架来分析由三个实体组成的闭环遥操作系统的延迟：HO，位于远程环境中的机器人和具有移动边缘计算（MEC）功能的基站（BS）。系统的每个组件的模型用于分析闭环延迟并决定最佳压缩策略。闭环延迟的分布的封闭形式的表达式是难以估计的，使得获得合适的上限和下限。我们制定了一个非凸优化问题，以最大限度地减少闭环延迟。利用得到的闭环延迟的上限和下限，提出了一种计算效率高的优化闭环延迟的方法。仿真结果表明，传感数据的压缩并不总是有益的，而系统设计的基础上，平均性能导致供应不足，并可能导致性能下降。所提出的分析的适用性比遥操作，系统的延迟预算由许多组件。
2022-05-11 cs.NI
Mez: A Messaging System for Latency-Sensitive Multi-Camera Machine Vision at the IoT Edge
Mez是一个用于IoT Edge中延迟敏感的多相机机器视觉的订阅消息传递系统。与现有的消息传递系统不同，Mez允许应用程序指定延迟和应用程序准确性界限。Mez实现了一个网络延迟控制器，可以动态调整视频帧质量，以满足延迟和应用准确性要求。此外，Mez的设计利用应用程序域特定的功能来提供低延迟操作。在物联网边缘测试平台上对行人检测机器视觉应用程序进行的实验评估表明，Mez能够容忍高达10倍的延迟变化，在最坏情况下，应用程序准确性F1得分指标降低4.2%。
2020-09-28 cs.NI
Evolving Optical Networks for Latency-Sensitive Smart-Grid Communications via Optical Time Slice Switching (OTSS) Technologies
在本文中，我们提出了一种新的OTSS辅助光网络架构的智能电网通信网络，它具有独特的要求，低延迟连接。实验结果表明，OTSS在延迟和阻塞概率方面比传统的灵活网格光网络有更好的性能。
2017-09-05 cs.NI
Look One Step Ahead: Forward-Looking Incentive Design with Strategic Privacy for Proactive Service Provisioning over Air-Ground Integrated Edge Networks
Lanzhou University（兰州大学）；Tongji University（同济大学）；Xiamen University（厦门大学）；Edith Cowan University（伊迪丝科文大学）；University of New South Wales（新南威尔士大学）；University at Buffalo-SUNY（纽约州立大学布法罗分校）
本文提出LOSA框架，通过前瞻性隐私保护和轻量级实时执行阶段，实现高效且隐私保护的服务 provisioning，降低交易延迟并提升鲁棒性。
2026-04-15 cs.CR cs.GT cs.NI
Discrete-Time Analysis of Wireless Blockchain Networks
区块链（BC）技术可以通过提供一种分布式、安全且不可更改的方式来促进运营商、用户和其他利益相关者之间的协作，从而彻底改变未来的网络。其实现传统上由有线通信支持，BC引入的高延迟等性能指标是关键技术缺陷之一。然而，当应用于无线通信时，BC的性能仍然未知，特别是如果运行在基于竞争的网络上。在本文中，我们评估BC技术的延迟性能时，支持的通信平台是无线的，特别是我们专注于IEEE 802.11ax，用户的无线资源配置的用例。为此，我们提出了一个离散时间马尔可夫模型来捕获由BC引起的预期延迟。与文献中的其他模型不同，我们考虑了定时器和分叉对端到端延迟的影响。
2021-04-12 cs.NI
Latency-Sensitive 5G RAN Slicing for Industry 4.0
UWICORE Laboratory, Universidad Miguel Hernández de Elche (UMH)（埃尔切米格尔·埃尔南德斯大学）
提出一种延迟敏感的5G RAN切片方案，通过设计切片和分配无线资源来满足不同应用的速率和延迟需求，并在工业4.0场景中评估。
2026-07-02 cs.NI
Time-Sensitive Networking in IEEE 802.11be: On the Way to Low-latency WiFi 7
在WiFi 6正式推出后不久，IEEE 802.11工作组就已经在设计其在无线局域网（WLAN）生态系统中的继任者：WiFi 7。随着IEEE 802.11be修正案作为其主要组成部分之一，未来的WiFi 7旨在包括时间敏感网络（TSN）功能，以支持免许可频谱频段的低延迟和超可靠性。本文首先介绍IEEE 802.11be的主要特性，然后以此为基础讨论如何在WiFi 7中实现TSN功能。最后，回顾了WiFi 7最具代表性的低延迟用例的优势和要求。
2020-11-26 cs.NI
A Modular DTaaS Architecture for Predictive Slice Management in 6G Systems
Istanbul Technical University（伊斯坦布尔理工大学）；Turk Telekom（土耳其电信）
本文提出了一种模块化DTaaS框架，通过数字孪生实现6G系统中预测切片管理的高效编排与SLA保障。
2026-01-26 cs.NI
On the Low-latency Region of Best-effort Links for Delay-Sensitive Streaming Traffic
这封信分析了尽力而为链路的低延迟区域（LLR）（即，无业务区分，以及先来先服务调度），其承载延迟敏感（DS）流传输和非延迟敏感（NDS）背景业务。此外，在LLR内，我们发现它存在一个成比例的公平到达率分配DS和NDS的流量流。这个最佳的操作点的结果从最大化一个简单的吞吐量延迟权衡，考虑NDS流量负载，和DS数据包的平均延迟。为了展示如何在现实场景中使用所提出的权衡来分配NDS流量，我们使用Google Stadia流量跟踪来生成DS流。此用例的结果证实，无论数据包到达和数据包服务时间的分布如何，吞吐量-延迟权衡也有效。
2020-11-28 cs.NI
MPTCP meets FEC: Supporting Latency-Sensitive Applications over Heterogeneous Networks
在过去的几年中，TCP经历了许多更新，以在各种网络条件下提供性能增强。然而，对于丢失，传统TCP检测和恢复机制几乎无法实现。快速重传和重传超时都需要至少一个额外的往返时间来执行，这可能会严重影响延迟敏感型应用程序的性能，特别是在有损或高延迟网络中。虽然前向纠错（FEC）不是这个方向的新举措，但大多数方法都在应用程序内部考虑FEC。在本文中，我们设计并实现了一个框架，FEC是集成在TCP。我们选择这种设计的主要目标是在高延迟和有损网络中通过TCP启用延迟敏感的应用程序，但保持应用程序不可知。我们进一步将这种设计纳入多路径TCP（MPTCP），在那里我们特别关注异构设置，考虑到TCP恢复机制进一步升级多路径中的线头阻塞的事实。我们评估所提出的框架的性能，并表明，这样的框架可以带来显着的好处相比，传统的TCP和MPTCP的延迟敏感的实际应用程序的流量，如视频流和Web服务。
2018-07-29 cs.NI
Adaptive Address Family Selection for Latency-Sensitive Applications on Dual-stack Hosts
针对双栈主机地址族选择影响应用延迟的问题，提出一种平衡探索与利用的在线学习式自适应选择方案，经仿真与真实网络验证可收敛至最低延迟地址族，提升传输连接延迟性能。
2024-12-12 cs.NI
Improved Credit Bounds for the Credit-Based Shaper in Time-Sensitive Networking
在时间敏感网络（TSN）中，正式证明每个流的延迟和积压界限是很重要的。为此，最近的作品应用网络演算，并获得延迟界限的服务曲线。这种服务曲线的延迟分量直接从基于信用的整形器（CBS）所使用的信用计数器的值的上限导出，CBS是TSN的基本构建块。在本文中，我们推导并正式证明了CBS的信用上界，改进现有的界限。
2019-01-21 cs.NI
Cached Model-as-a-Resource: Provisioning Large Language Model Agents for Edge Intelligence in Space-air-ground Integrated Networks
本文提出一种空天地一体化网络中联合模型缓存与推理的边缘智能框架，引入“缓存模型即资源”概念与“思维年龄”指标，设计了最小AoT替换算法和DQMSB拍卖机制，在优化配置成本的同时将分配效率提升23%。
2024-05-31 cs.NI eess.SP
Latency and Backlog Bounds in Time-Sensitive Networking with Credit Based Shapers and Asynchronous Traffic Shaping
我们计算边界上的端到端的最坏情况下的延迟和节点积压的大小为每类确定性网络，实现基于信用的整形器（CBS）和异步流量整形（ATS），提出了时间敏感网络（TSN）标准化组。ATS是交织调节器的一种实现，它在允许流量进入CBS缓冲区之前对网络中的流量进行整形，从而避免突发级联。由于交错调节器，流量在每个交换机处被整形，这允许计算显式延迟和积压边界。此外，我们得到了一个新的，紧的每流的响应时间的CBS，当输入调节，这是小于现有的网络演算界。我们还计算每流的交织调节器的响应时间上的界限。基于上述结果，我们计算了每个类的积压量的界限。然后，我们使用新计算的延迟界限以及最近的结果交织监管机构从文献中推导出严格的端到端的延迟界限，并表明这些都小于每开关延迟界限的总和。
2020-09-30 cs.NI
Catalyzing Cloud-Fog Interoperation in 5G Wireless Networks: An SDN Approach
云数据中心的存储和计算堆栈预计将在未来容纳大部分互联网流量。然而，随着移动设备数量的显著增加，大量数据无线进出云端对带宽造成了很大的压力，同时引起了不可预测的延迟。雾计算提倡将云扩展到网络边缘，保证了低延迟和位置感知的服务提供。在这篇文章中，我们认为雾计算是一个理想的补充，而不是云计算的替代品，我们提出了一个软件定义网络（SDN）启用框架的云雾互操作，旨在提高体验质量和优化网络资源的使用。最后通过两个案例说明了该框架的可行性和优越性。最后，提出了进一步研究的问题。
2016-12-15 cs.NI
A Wireless AI-Generated Content (AIGC) Provisioning Framework Empowered by Semantic Communication
University of Glasgow（格拉斯哥大学）；Nanyang Technological University（南洋理工大学）；Clemson University（克莱姆森大学）
针对无线网络中AIGC服务面临的信道不稳、带宽有限和计算资源不均问题，提出基于语义通信的SemAIGC框架，集成扩散模型与ROOT方案，实现高效生成与传输，仿真验证其在延迟和内容质量上的优势。
2024-11-08 cs.AI cs.LG cs.NI
Impact of Distributed Rate Limiting on Load Distribution in a Latency-sensitive Messaging Service
尽管云具有灵活性和无缝自动扩展的承诺，但其满足服务水平目标（SLO）的能力通常需要某种形式的资源使用控制。这个看似传统的问题在云环境中带来了新的挑战，特别是涉及负载分配决策（在可用云资源中分配工作负载以优化性能）和速率限制（限制单个工作负载以防止全局过度承诺）的微妙而重要的权衡。本文通过物联网（IoT）应用程序驱动的实时消息传递系统的设计和实现来研究这种权衡，并展示了一种能够实现有效折衷的解决方案。该文件的贡献是在这两个阐述了这种权衡的来源，并在演示一个可能的解决方案。
2021-01-14 cs.NI
Joint Network Function Placement and Routing Optimization in Dynamic Software-defined Satellite-Terrestrial Integrated Networks
本文针对动态软件定义星地一体化网络中的服务提供问题，提出联合VNF放置与路由优化方法，设计BDBC和TEDG算法，在降低时延和提升服务完成数方面显著优于基准方案。
2023-10-21 cs.NI eess.SP
Negotiating strict latency limits for dynamic real-time services in vehicular time-sensitive networks
本文提出一种QoS协商方案，通过与TSN网络控制器交互，确保动态部署实时服务时的延迟限制，验证了唯一有效的预留方案。
2025-12-01 cs.NI
Resilient and Reliable Cloud Network Control for Mission-Critical Latency-Sensitive Service Chains
本文提出了一种多商品容错可靠云网络控制算法，用于在正常条件下保证服务可靠性并在网络故障时确保容错性。
2025-11-26 cs.NI
Latency-sensitive Service Delivery with UAV-Assisted 5G Networks
在这封信中，开发了一种新的框架，以提供在覆盖范围外部署无人机（UAV）的关键分散URLLC服务。为此，资源优化问题，即，针对无人机辅助5G网络，研究了在满足URLLC要求的前提下，联合最大化平均和速率和最小化无人机发射功率的资源块和功率分配以及无人机优化部署策略。针对突发URLLC流量问题，提出了一种基于高斯过程回归（GPR）的URLLC流量在线预测模型，该模型能够得到最优URLLC调度和发射功率策略。制定的问题被揭示为一个混合整数非线性规划（MINLP），这是解决以下介绍的连续最小化算法。最后，仿真结果表明我们提出的解决方案的有效性。
2021-04-12 cs.NI
A Just-In-Time Networking Framework for Minimizing Request-Response Latency of Wireless Time-Sensitive Applications
本文提出了一种网络模式，称为即时（JIT）通信，以支持客户端服务器应用程序的严格的请求-响应延迟的要求。感兴趣的不仅仅是网络的往返延迟，还有应用程序经历的实际请求-响应延迟。JIT框架包含两个显著的特征。在客户端，通信层将在网络即将出现传输机会时从客户端“拉取”请求。这确保请求包含尽可能新鲜的信息（例如，刚好在传输机会之前获得的传感器读数）。在服务器侧，网络确认服务器在接收并处理请求以生成响应（例如，要发送到客户端的控制命令）将恰好在此时具有传输机会。我们实现了JIT系统，包括协议栈，在时分多址（TDMA）网络上实现的系统级芯片（SoC）平台。我们证明了一个TDMA网络的功率为2的时隙，每个时隙是最佳的实现服务器端的JIT功能。我们的实验结果验证了JIT网络可以产生显着较低的请求-响应延迟比没有JIT支持的网络可以。
2022-09-26 cs.NI
Evaluating UORA-Based Polling Mechanism for Latency-Sensitive Uplink Traffic in Wi-Fi Networks
针对Wi-Fi网络上行轮询效率随设备密度下降的问题，研究基于UORA的轮询机制，通过ns-3仿真验证其在密集异构及稀疏零散流量场景下的时延与可扩展性优势。
2025-10-06 cs.NI
Latency-Sensitive 5G RAN Slicing for Deterministic Aperiodic Traffic in Smart Manufacturing
Universidad Miguel Hernández de Elche (UMH)（埃尔切米格尔·埃尔南德斯大学）；Universidad Rey Juan Carlos (URJC)（雷伊胡安卡洛斯大学）
针对现有RAN切片仅考虑传输速率而无法保证确定性非周期流量的延迟需求，提出同时考虑速率和延迟需求的切片设计方法，实验证明该方法能支持关键工业应用。
2026-07-01 cs.NI
Statistical QoS Provisioning Architecture for 6G Satellite-Terrestrial Integrated Networks
本文针对6G星地一体化网络中mURLLC服务的严格QoS需求，在有限块长机制下提出统计QoS保障方案，构建融合AoI、时延和可靠性的新型统计QoS度量，并通过仿真验证其有效性。
2024-06-07 cs.NI cs.SY eess.SY
Multi-Plane HyperX: A Low-Latency and Cost-Effective Network for Large-Scale AI and HPC Systems
College of Computer Science and Technology, National University of Defense Technology（计算机科学与技术学院，国防科技大学）
本文提出多平面HyperX网络，通过多端口和多NIC实现多个网络平面，相比Fat-Tree、Dragonfly等拓扑，具有更小的网络直径和更高的成本效益。
2026-04-26 cs.LG cs.NI
Proactive SFC Provisioning with Forecast-Driven DRL in Data Centers
School of Electrical Engineering and Computer Science, University of Ottawa（电气与计算机科学学院，渥太华大学）；Ciena（Ciena公司）
本文提出基于预测驱动深度强化学习的SFC资源配置方法，通过集成多种深度学习模型提升资源分配效率与服务质量。
2026-01-28 cs.LG cs.NI
Designing an Efficient Delay Sensitive Routing Metric for IEEE 802.16 Mesh Networks
服务质量供应是IEEE 802.16网状网络的主要设计目标之一。为了提供诸如语音、视频等延迟敏感服务的质量递送，在本文中，我们提出了一个路由度量延迟敏感的服务在IEEE 802.16网状网络。本文根据网络中各节点的负载和等待时间指数，设计了一种新的跨层路由度量，即ESD。该度量标准考虑了路由路径的端到端延迟和网络拥塞情况，从而找到最佳路径。我们提出了一种有效的分布式方案来计算ESD，并使用基于ESD的源路由机制来路由数据包。仿真结果表明，我们的度量实现减少延迟相比，在IEEE 802.16网格，需要跳数找到路径的标准方案。
2013-07-15 cs.NI
SLIDE: Simultaneous Model Downloading and Inference at the Wireless Network Edge
The University of Hong Kong（香港大学）；Tsinghua University（清华大学）
本文提出SLIDE框架，通过同时下载和推断模型层，优化多用户下行系统的任务吞吐量，降低端到端延迟。
2026-04-20 cs.NI
Topic Allocation Method on Edge Servers for Latency-sensitive Notification Service
实时通知对于社会服务和智能交通系统（ITS）的重要性日益增加。作为发布/订阅系统的一个高级版本，已提出了在边缘服务器上对发布消息进行假脱机和处理以实现数据驱动的智能通知的预处理-处理-订阅系统。在本文中，我们提出了一个系统，允许在多个边缘服务器上管理一个主题，以便在发布者附近处理消息，即使发布者分布在广阔的区域。在地理上分布的服务器上复制消息可以立即通知相邻的订阅者。但是，重复的消息假脱机可能会导致资源耗尽。我们准备了一个正式的模型，我们的搜索过程订阅系统和制定的主题分配为边缘服务器的资源约束下的优化问题。由于优化问题是NP难的，我们提出了利用本地性和客户端之间观察到的pub/sub关系来有效地使用边缘服务器资源的算法。我们的性能评估表明，我们的方法减少了延迟交付通知和有效性的战略利用客户端之间的关系。
2021-03-19 cs.NI
A Review of Resource Management in Fog Computing: Machine Learning Perspective
雾计算是一种很有前途的技术，可以在用户附近处理用户请求，以减少延迟敏感请求的响应时间。尽管雾计算具有诸多优点，但其资源的异构性、局限性以及动态性和不可预测性等特性极大地降低了其效率。因此，预测雾的动态行为并相应地管理资源至关重要。在这项工作中，我们提供了一个审查的机器学习为基础的预测资源管理方法在雾环境。资源管理分为六个子领域：资源供应、应用程序放置、调度、资源分配、任务卸载和负载均衡。回顾资源管理方法进行了分析的基础上的客观指标，工具，数据集，并利用技术。
2022-09-07 cs.NI
Resilient and Latency-aware Orchestration of Network Slices Using Multi-connectivity in MEC-enabled 5G Networks
网络切片（NS）和多址边缘计算（MEC）是在5G及更高网络中发挥关键作用的新范式。NS允许网络运营商（NO）将可用的网络资源划分为多个逻辑NS，用于提供针对特定服务/业务需求定制的专用虚拟网络。MEC使网络运营商能够提供多样化的超低延迟服务，通过将计算设施移动到网络边缘来支持不同行业垂直的需求。NS可以通过在MEC云服务器之上实例化一组虚拟网络功能（VNF）来构建，以用于供应各种延迟敏感的通信服务（例如，自动驾驶和增强现实）。然而，VNF、MEC云服务器和通信链路由于软件错误、错误配置、过载、硬件故障、网络攻击、停电和自然/人为灾难而遭受故障。关键网络组件的故障会突然中断服务，并导致用户不满，这可能导致运营商的收入损失。在本文中，我们提出了一种基于5G网络中多连接的新方法来解决这个问题，我们提出的方法可以抵御i）VNF故障，ii）MEC内本地服务器故障，iii）通信链路故障，iv）区域级整个MEC云设施故障。为此，我们制定的问题作为一个二进制整数规划（BIP）模型，以最佳地部署NS以最小的成本，并证明它是NP-难的。为了克服时间复杂度性，我们提出了一个有效的遗传算法启发式获得近似最优解的多项式时间。通过大量的模拟，我们表明，我们提出的方法不仅减少了资源浪费，但也提高了吞吐量，同时提供高弹性的故障。
2021-07-01 cs.NI
eMBB-URLLC Resource Slicing: A Risk-Sensitive Approach
超可靠低延迟通信（URLLC）是一种5G新无线电（NR）应用，需要严格的可靠性和延迟。URLLC业务通常被调度在正在进行的增强型移动宽带（eMBB）传输之上（即，穿孔当前的eMBB传输），并且由于其硬延迟要求而不能排队。在这封信中，我们提出了一个基于风险敏感的公式来分配资源给传入的URLLC流量，同时最大限度地减少eMBB传输的风险（即，保护具有低数据率的eMBB用户）并确保URLLC可靠性。具体而言，引入条件风险价值（CVaR）作为eMBB传输的风险度量。此外，URLLC的可靠性约束制定为一个机会约束和放松基于马尔可夫不等式。我们将公式化的问题分解成两个子问题，以便将其转化为凸形式，然后交替求解，直到收敛。仿真结果表明，该方法在满足eMBB和URLLC可靠性的同时，有效地为URLLC业务分配了资源.
2019-02-05 cs.NI
