MARC

 008260203s2023        us                              c    eng  d
■001000017365930
■00520260209102857
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798291575574
■035    ▼a(MiAaPQ)AAI32272151
■035    ▼a(MiAaPQ)httphdlhandlenet2142121916
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a658
■1001  ▼aSoleymanifar,  Reza.
■24510▼aRCP:  A  Temporal  Clustering  Algorithm  for  Real-Time  Controller  Placement  in  Software-Defined  Networks
■260    ▼a[Sl]▼bUniversity  of  Illinois  at  Urbana-Champaign▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a90  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-03,  Section:  B.
■500    ▼aAdvisor:  Beck,  Carolyn.
■5021  ▼aThesis  (Ph.D.)--University  of  Illinois  at  Urbana-Champaign,  2023.
■520    ▼aIn  this  comprehensive  study  we  introduce  a  family  of  maximum  entropy  based  clustering  algorithms  to  address  the  problem  of  Controller  Placement  (CP)  or  equivalently  Edge  Controller  Placement  (ECP).  The  shared  key  advantage  of  our  algorithms  is  utilizing  a  maximum  entropy  based  framework  that  in  terms  of  performance  translates  to  avoiding  poor  locally  optimum  placements  that  most  competitor  ECP  algorithms  are  susceptible  to.  Controller  placement  is  recognized  as  one  of  the  most  important  problems  and  a  significant  performance  bottleneck  in  Software  Defined  Networks  (SDN)  which  is  a  recent  paradigm  in  telecommunication  networks  that  disentangles  data  and  control  planes  and  brings  flexibility  and  efficiency  to  the  mobile  network.  SDN  networks  lie  at  the  core  of  the  fifth  generation  (5G)  wireless  systems  and  beyond  and  are  increasingly  being  adopted  into  telecommunication  networks  over  the  recent  years.  CP  can  be  simply  stated  as  where  to  place  and  which  network  nodes  to  assign  to  each  individual  controller  such  that  a  desired  utility  or  cost  is  optimized.  The  complexity  of  CP  problem  can  drastically  change  with  mobility  of  SDN  network  nodes  and  due  to  this  observation  we  offer  two  classes  of  algorithms  for  static  and  dynamic  placement  cases.For  static  controller  placement  problem  where  network  nodes  and  controllers  are  assumed  to  be  stationary,  the  algorithms,  referred  to  as  ECP-LL  and  ECP-LB,  address  the  dominant  leader-less  and  leader-based  controller  placement  topologies  and  have  linear  computational  complexity  in  terms  of  network  size.  Each  algorithm  tries  to  place  controllers  close  to  edge  node  clusters  and  not  far  away  from  other  controllers  to  maintain  a  reasonable  balance  between  synchronization  and  delay  costs.  While  the  ECP  problem  can  be  conveniently  expressed  as  a  multi-objective  mixed  integer  non-linear  program  (MINLP),  our  algorithms  outperform  the  state  of  art  MINLP  solver,  BARON  both  in  terms  of  accuracy  and  speed.As  for  the  mobile  networks,  we  propose  real-time  controller  placement  algorithms  RCP,  and  RCP+  to  tackle  the  Dynamic  Controller  Placement  (DCP)  problem.  More  specifically  these  are  temporal  clustering  algorithms  that  provide  real-time  solutions  for  DCP  and  provide  adaptability  to  inherent  variability  in  network  components  (traffic,  locations,  etc.)  and  is  based  on  a  control  theoretic  framework  for  which  we  show  the  solution  converges  to  a  near-optimal  solution.  The  key  contribution  of  these  algorithms  is  the  real-time  aspect  of  placement  of  controllers  which  to  our  best  of  knowledge  was  never  addressed  prior  to  this  study.Our  algorithms  achieve  linear  \uD835\uDCAA(N)  iteration  computational  complexity  with  respect  to  the  number  of  nodes  in  the  network,  N  and  can  update  new  positions  of  network  controller  in  real-time,  and  in  accordance  with  mobility  of  SDN  network  nodes.  This  property  allows  utilization  of  an  aerial  control  plane  using  UAV  swarms.  We  compare  our  work  with  a  frame-by-frame  approach  and  demonstrate  its  superiority,  both  in  terms  of  speed  and  incurred  cost,  via  simulations  using  some  of  the  largest  public  mobility  datasets  with  millions  of  records  gathered  over  the  span  of  months,  containing  GPS  trajectories  of  thousands  of  pedestrians  and  vehicles  in  large  metropolitan  areas  like  San  Francisco,  US  and  Beijing,  China.  Based  on  these  simulations,  RCP  and  RCP+  can  be  up  to  25  times  faster  than  a  conventional  frame-by-frame  method.RCP+  can  be  viewed  as  the  culmination  of  the  contributions  of  this  thesis.  Interestingly  ECP-LL,  and  RCP  can  be  formulated  as  restricted  versions  of  RCP+  algorithm.  RCP+  allows  for  node  prioritization,  sparse  subsampling,  node  trajectory  prediction  using  an  underlying  Recurrent  Neural  Network  (RNN),  computation  parallelization,  and  codebook  expansion,  making  it  a  viable  choice  even  for  large-scale  mobility  networks,  which  we  explore  in  this  thesis.  We  benchmark  RCP+  against  a  number  of  alternatives,  and  show  that  for  real  sized  networks,  it  outperforms  the  comparable  state  of  the  art  methods.
■590    ▼aSchool  code:  0090.
■650  4▼aIndustrial  engineering
■650  4▼aComputer  engineering
■650  4▼aComputer  science
■650  4▼aInformation  technology
■653    ▼aSoftware  Defined  Networks
■653    ▼aTemporal  clusterin
■653    ▼aNeural  networks
■653    ▼aController  Placement
■653    ▼aEdge  Controller  Placement
■690    ▼a0546
■690    ▼a0489
■690    ▼a0984
■690    ▼a0464
■71020▼aUniversity  of  Illinois  at  Urbana-Champaign▼bIndustrial&Enterprise  Sys  Eng.
■7730  ▼tDissertations  Abstracts  International▼g87-03B.
■790    ▼a0090
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17365930▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서