We integrate machine-learning-based QoT estimation in reach constraints of an integer linear program (ILP) for routing and spectrum assignment (RSA), and develop an iterative solution for QoT-aware RSA. Results show above 30% spectrum savings compared to solving RSA with ILP using traditional margined reach computation.

How to Integrate Machine-Learning Probabilistic Output in Integer Linear Programming: a case for RSA / Salani, M.; Rottondi, C.; Tornatore, M.. - ELETTRONICO. - (2019), pp. 249-252. ((Intervento presentato al convegno 45th European Conference on Optical Communication (ECOC 2019) tenutosi a Dublin, Ireland nel 22-26 Sept. 2019 [10.1049/cp.2019.0983].

How to Integrate Machine-Learning Probabilistic Output in Integer Linear Programming: a case for RSA

Rottondi, C.;
2019

Abstract

We integrate machine-learning-based QoT estimation in reach constraints of an integer linear program (ILP) for routing and spectrum assignment (RSA), and develop an iterative solution for QoT-aware RSA. Results show above 30% spectrum savings compared to solving RSA with ILP using traditional margined reach computation.
978-1-83953-185-9
File in questo prodotto:
File Dimensione Formato  
ECOC full paper template_v3.pdf

accesso aperto

Descrizione: articolo principale
Tipologia: 2. Post-print / Author's Accepted Manuscript
Licenza: PUBBLICO - Tutti i diritti riservati
Dimensione 493.97 kB
Formato Adobe PDF
493.97 kB Adobe PDF Visualizza/Apri
Rottondi-How.pdf

non disponibili

Tipologia: 2a Post-print versione editoriale / Version of Record
Licenza: Non Pubblico - Accesso privato/ristretto
Dimensione 383.3 kB
Formato Adobe PDF
383.3 kB Adobe PDF   Visualizza/Apri   Richiedi una copia
Pubblicazioni consigliate

Caricamento pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11583/2855055