Cambios

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "M Zangiabady, A Garcia\u2010Robledo, JL Gorricho, J 
2
  "author": "M Zangiabady, A Garcia\u2010Robledo, JL Gorricho, J 
            
3
Serrat\u2010Fernandez, ...", 
3
Serrat\u2010Fernandez, ...", 
            
4
  "author_email": null, 
4
  "author_email": null, 
            
5
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
5
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
            
6
  "extras": [
6
  "extras": [
            
7
    {
7
    {
            
8
      "key": "Publicaci\u00f3n", 
8
      "key": "Publicaci\u00f3n", 
            
9
      "value": "Revista"
9
      "value": "Revista"
            
10
    }, 
10
    }, 
            
11
    {
11
    {
            
12
      "key": "Tipo", 
12
      "key": "Tipo", 
            
13
      "value": "Publicaci\u00f3n"
13
      "value": "Publicaci\u00f3n"
            
14
    }
14
    }
            
15
  ], 
15
  ], 
            
16
  "groups": [
16
  "groups": [
            
17
    {
17
    {
            
18
      "description": "Este grupo integra las publicaciones 
18
      "description": "Este grupo integra las publicaciones 
            
19
acad\u00e9micas derivadas de los proyectos de investigaci\u00f3n del 
19
acad\u00e9micas derivadas de los proyectos de investigaci\u00f3n del 
            
20
Observatorio Metropolitano CentroGeo. Incluye art\u00edculos 
20
Observatorio Metropolitano CentroGeo. Incluye art\u00edculos 
            
21
presentados en congresos nacionales e internacionales, manuscritos en 
21
presentados en congresos nacionales e internacionales, manuscritos en 
            
22
formato preprint, cap\u00edtulos de libro y trabajos publicados en 
22
formato preprint, cap\u00edtulos de libro y trabajos publicados en 
            
23
revistas cient\u00edficas especializadas. Estos materiales reflejan la 
23
revistas cient\u00edficas especializadas. Estos materiales reflejan la 
            
24
labor de investigaci\u00f3n, desarrollo metodol\u00f3gico y 
24
labor de investigaci\u00f3n, desarrollo metodol\u00f3gico y 
            
25
an\u00e1lisis territorial del observatorio, contribuyendo al avance 
25
an\u00e1lisis territorial del observatorio, contribuyendo al avance 
            
26
del conocimiento en temas urbanos, metropolitanos y geoespaciales.", 
26
del conocimiento en temas urbanos, metropolitanos y geoespaciales.", 
            
27
      "display_name": "Publicaciones", 
27
      "display_name": "Publicaciones", 
            
28
      "id": "a15a6b77-ddf5-4594-acab-7e772938a5b0", 
28
      "id": "a15a6b77-ddf5-4594-acab-7e772938a5b0", 
            
29
      "image_display_url": "", 
29
      "image_display_url": "", 
            
30
      "name": "publicaciones", 
30
      "name": "publicaciones", 
            
31
      "title": "Publicaciones"
31
      "title": "Publicaciones"
            
32
    }
32
    }
            
33
  ], 
33
  ], 
            
34
  "id": "77ad3523-9233-4ae1-a38f-7da4beeac90f", 
34
  "id": "77ad3523-9233-4ae1-a38f-7da4beeac90f", 
            
35
  "isopen": false, 
35
  "isopen": false, 
            
36
  "license_id": null, 
36
  "license_id": null, 
            
37
  "license_title": null, 
37
  "license_title": null, 
            
38
  "maintainer": null, 
38
  "maintainer": null, 
            
39
  "maintainer_email": null, 
39
  "maintainer_email": null, 
            
40
  "metadata_created": "2025-10-10T07:19:51.739629", 
40
  "metadata_created": "2025-10-10T07:19:51.739629", 
            
n
41
  "metadata_modified": "2025-10-10T07:19:51.739639", 
n
41
  "metadata_modified": "2025-10-10T07:19:52.251944", 
            
42
  "name": 
42
  "name": 
            
43
etwork-migration-in-network-virtualization-environments-b11c5d2da11d", 
43
etwork-migration-in-network-virtualization-environments-b11c5d2da11d", 
            
44
  "notes": "In Network Virtualization Environments, the capability of 
44
  "notes": "In Network Virtualization Environments, the capability of 
            
45
operators to allocate resources in the Substrate Network (SN) to 
45
operators to allocate resources in the Substrate Network (SN) to 
            
46
support Virtual Networks (VNs) in an optimal manner is known as 
46
support Virtual Networks (VNs) in an optimal manner is known as 
            
47
Virtual Network Embedding (VNE). In the same context, online VN 
47
Virtual Network Embedding (VNE). In the same context, online VN 
            
48
migration is the process meant to reallocate components of a VN, or 
48
migration is the process meant to reallocate components of a VN, or 
            
49
even an entire VN among elements of the SN in real time and seamlessly 
49
even an entire VN among elements of the SN in real time and seamlessly 
            
50
to end\u2010users. Online VNE without VN migration may lead to either 
50
to end\u2010users. Online VNE without VN migration may lead to either 
            
51
over\u2010 or under\u2010utilization of the SN resources. However, VN 
51
over\u2010 or under\u2010utilization of the SN resources. However, VN 
            
52
migration is challenging due to its computational cost and the service 
52
migration is challenging due to its computational cost and the service 
            
53
disruption inherent to VN components reallocation. Online VN migration 
53
disruption inherent to VN components reallocation. Online VN migration 
            
54
can reduce migration costs insofar it is triggered proactively, not 
54
can reduce migration costs insofar it is triggered proactively, not 
            
55
reactively, at critical times, avoiding the negative effects of both 
55
reactively, at critical times, avoiding the negative effects of both 
            
56
under\u2010 and over\u2010triggering. This paper presents a novel 
56
under\u2010 and over\u2010triggering. This paper presents a novel 
            
57
online cost\u2010efficient mechanism that self\u2010adaptively learns 
57
online cost\u2010efficient mechanism that self\u2010adaptively learns 
            
58
the exact moments when triggering VN migration is likely to be 
58
the exact moments when triggering VN migration is likely to be 
            
59
profitable in the long term. We propose a novel self\u2010adaptive 
59
profitable in the long term. We propose a novel self\u2010adaptive 
            
60
mechanism based on Reinforcement Learning that determines the right 
60
mechanism based on Reinforcement Learning that determines the right 
            
61
trigger online VN migration times, leading to the minimization of 
61
trigger online VN migration times, leading to the minimization of 
            
62
migration costs while simultaneously considering the online VNE 
62
migration costs while simultaneously considering the online VNE 
            
63
acceptance ratio.", 
63
acceptance ratio.", 
            
n
64
  "num_resources": 0, 
n
64
  "num_resources": 1, 
            
65
  "num_tags": 12, 
65
  "num_tags": 12, 
            
66
  "organization": {
66
  "organization": {
            
67
    "approval_status": "approved", 
67
    "approval_status": "approved", 
            
68
    "created": "2022-05-19T00:10:30.480393", 
68
    "created": "2022-05-19T00:10:30.480393", 
            
69
    "description": "Observatorio Metropolitano CentroGeo", 
69
    "description": "Observatorio Metropolitano CentroGeo", 
            
70
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
70
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
71
    "image_url": 
71
    "image_url": 
            
72
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
72
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
            
73
    "is_organization": true, 
73
    "is_organization": true, 
            
74
    "name": "observatorio-metropolitano-centrogeo", 
74
    "name": "observatorio-metropolitano-centrogeo", 
            
75
    "state": "active", 
75
    "state": "active", 
            
76
    "title": "Observatorio Metropolitano CentroGeo", 
76
    "title": "Observatorio Metropolitano CentroGeo", 
            
77
    "type": "organization"
77
    "type": "organization"
            
78
  }, 
78
  }, 
            
79
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
79
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
80
  "private": false, 
80
  "private": false, 
            
81
  "relationships_as_object": [], 
81
  "relationships_as_object": [], 
            
82
  "relationships_as_subject": [], 
82
  "relationships_as_subject": [], 
            
t
83
  "resources": [], 
t
83
  "resources": [
            
84
    {
            
85
      "cache_last_updated": null, 
            
86
      "cache_url": null, 
            
87
      "created": "2025-10-10T07:19:52.291575", 
            
88
      "datastore_active": false, 
            
89
      "description": "In Network Virtualization Environments, the 
            
90
capability of operators to allocate resources in the Substrate Network 
            
91
(SN) to support Virtual Networks (VNs) in an optimal manner is known 
            
92
as Virtual Network Embedding (VNE). In the same context, online VN 
            
93
migration is the process meant to reallocate components of a VN, or 
            
94
even an entire VN among elements of the SN in real time and seamlessly 
            
95
to end\u2010users. Online VNE without VN migration may lead to either 
            
96
over\u2010 or under\u2010utilization of the SN resources. However, VN 
            
97
migration is challenging due to its computational cost and the service 
            
98
disruption inherent to VN components reallocation. Online VN migration 
            
99
can reduce migration costs insofar it is triggered proactively, not 
            
100
reactively, at critical times, avoiding the negative effects of both 
            
101
under\u2010 and over\u2010triggering. This paper presents a novel 
            
102
online cost\u2010efficient mechanism that self\u2010adaptively learns 
            
103
the exact moments when triggering VN migration is likely to be 
            
104
profitable in the long term. We propose a novel self\u2010adaptive 
            
105
mechanism based on Reinforcement Learning that determines the right 
            
106
trigger online VN migration times, leading to the minimization of 
            
107
migration costs while simultaneously considering the online VNE 
            
108
acceptance ratio.", 
            
109
      "format": "HTML", 
            
110
      "hash": "", 
            
111
      "id": "f39c79c8-86e6-42dc-84c2-c0bbb52bea98", 
            
112
      "last_modified": null, 
            
113
      "metadata_modified": "2025-10-10T07:19:52.257863", 
            
114
      "mimetype": null, 
            
115
      "mimetype_inner": null, 
            
116
      "name": "Self\u2010adaptive online virtual network migration in 
            
117
network virtualization environments", 
            
118
      "package_id": "77ad3523-9233-4ae1-a38f-7da4beeac90f", 
            
119
      "position": 0, 
            
120
      "resource_type": null, 
            
121
      "size": null, 
            
122
      "state": "active", 
            
123
      "url": "https://doi.org/10.1002/ett.3692", 
            
124
      "url_type": null
            
125
    }
            
126
  ], 
            
84
  "state": "active", 
127
  "state": "active", 
            
85
  "tags": [
128
  "tags": [
            
86
    {
129
    {
            
87
      "display_name": "computer-network", 
130
      "display_name": "computer-network", 
            
88
      "id": "7c9c7ce1-6a1a-47b9-8592-c2b8bf70a1f9", 
131
      "id": "7c9c7ce1-6a1a-47b9-8592-c2b8bf70a1f9", 
            
89
      "name": "computer-network", 
132
      "name": "computer-network", 
            
90
      "state": "active", 
133
      "state": "active", 
            
91
      "vocabulary_id": null
134
      "vocabulary_id": null
            
92
    }, 
135
    }, 
            
93
    {
136
    {
            
94
      "display_name": "computer-science", 
137
      "display_name": "computer-science", 
            
95
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
138
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
            
96
      "name": "computer-science", 
139
      "name": "computer-science", 
            
97
      "state": "active", 
140
      "state": "active", 
            
98
      "vocabulary_id": null
141
      "vocabulary_id": null
            
99
    }, 
142
    }, 
            
100
    {
143
    {
            
101
      "display_name": "context-archaeology", 
144
      "display_name": "context-archaeology", 
            
102
      "id": "a031c0ee-d17a-4f2b-a798-26d36b194438", 
145
      "id": "a031c0ee-d17a-4f2b-a798-26d36b194438", 
            
103
      "name": "context-archaeology", 
146
      "name": "context-archaeology", 
            
104
      "state": "active", 
147
      "state": "active", 
            
105
      "vocabulary_id": null
148
      "vocabulary_id": null
            
106
    }, 
149
    }, 
            
107
    {
150
    {
            
108
      "display_name": "distributed-computing", 
151
      "display_name": "distributed-computing", 
            
109
      "id": "e4749285-53bd-48e3-8b01-3ebb7b19d0ea", 
152
      "id": "e4749285-53bd-48e3-8b01-3ebb7b19d0ea", 
            
110
      "name": "distributed-computing", 
153
      "name": "distributed-computing", 
            
111
      "state": "active", 
154
      "state": "active", 
            
112
      "vocabulary_id": null
155
      "vocabulary_id": null
            
113
    }, 
156
    }, 
            
114
    {
157
    {
            
115
      "display_name": "embedding", 
158
      "display_name": "embedding", 
            
116
      "id": "a4c56644-74e3-4200-9da6-65a5828d0c1f", 
159
      "id": "a4c56644-74e3-4200-9da6-65a5828d0c1f", 
            
117
      "name": "embedding", 
160
      "name": "embedding", 
            
118
      "state": "active", 
161
      "state": "active", 
            
119
      "vocabulary_id": null
162
      "vocabulary_id": null
            
120
    }, 
163
    }, 
            
121
    {
164
    {
            
122
      "display_name": "live-migration", 
165
      "display_name": "live-migration", 
            
123
      "id": "ce7e689c-78bb-45dd-851c-d4aba6f8fd22", 
166
      "id": "ce7e689c-78bb-45dd-851c-d4aba6f8fd22", 
            
124
      "name": "live-migration", 
167
      "name": "live-migration", 
            
125
      "state": "active", 
168
      "state": "active", 
            
126
      "vocabulary_id": null
169
      "vocabulary_id": null
            
127
    }, 
170
    }, 
            
128
    {
171
    {
            
129
      "display_name": "mechanism-biology", 
172
      "display_name": "mechanism-biology", 
            
130
      "id": "e71dd8a0-988f-412a-97f7-18e472ef797f", 
173
      "id": "e71dd8a0-988f-412a-97f7-18e472ef797f", 
            
131
      "name": "mechanism-biology", 
174
      "name": "mechanism-biology", 
            
132
      "state": "active", 
175
      "state": "active", 
            
133
      "vocabulary_id": null
176
      "vocabulary_id": null
            
134
    }, 
177
    }, 
            
135
    {
178
    {
            
136
      "display_name": "minification", 
179
      "display_name": "minification", 
            
137
      "id": "01b18996-afe4-4106-9b08-49e1d7beb3e4", 
180
      "id": "01b18996-afe4-4106-9b08-49e1d7beb3e4", 
            
138
      "name": "minification", 
181
      "name": "minification", 
            
139
      "state": "active", 
182
      "state": "active", 
            
140
      "vocabulary_id": null
183
      "vocabulary_id": null
            
141
    }, 
184
    }, 
            
142
    {
185
    {
            
143
      "display_name": "network-virtualization", 
186
      "display_name": "network-virtualization", 
            
144
      "id": "aeeed504-93ee-44ec-bb5f-0cd4d7abecf4", 
187
      "id": "aeeed504-93ee-44ec-bb5f-0cd4d7abecf4", 
            
145
      "name": "network-virtualization", 
188
      "name": "network-virtualization", 
            
146
      "state": "active", 
189
      "state": "active", 
            
147
      "vocabulary_id": null
190
      "vocabulary_id": null
            
148
    }, 
191
    }, 
            
149
    {
192
    {
            
150
      "display_name": "process-computing", 
193
      "display_name": "process-computing", 
            
151
      "id": "d07d93c6-53f7-48a4-bded-e205ec0bc2c2", 
194
      "id": "d07d93c6-53f7-48a4-bded-e205ec0bc2c2", 
            
152
      "name": "process-computing", 
195
      "name": "process-computing", 
            
153
      "state": "active", 
196
      "state": "active", 
            
154
      "vocabulary_id": null
197
      "vocabulary_id": null
            
155
    }, 
198
    }, 
            
156
    {
199
    {
            
157
      "display_name": "virtual-network", 
200
      "display_name": "virtual-network", 
            
158
      "id": "073df14b-88f0-4042-94ef-52d4c218aad6", 
201
      "id": "073df14b-88f0-4042-94ef-52d4c218aad6", 
            
159
      "name": "virtual-network", 
202
      "name": "virtual-network", 
            
160
      "state": "active", 
203
      "state": "active", 
            
161
      "vocabulary_id": null
204
      "vocabulary_id": null
            
162
    }, 
205
    }, 
            
163
    {
206
    {
            
164
      "display_name": "virtualization", 
207
      "display_name": "virtualization", 
            
165
      "id": "defd0f3d-1f4b-416d-8341-5aa101e6e102", 
208
      "id": "defd0f3d-1f4b-416d-8341-5aa101e6e102", 
            
166
      "name": "virtualization", 
209
      "name": "virtualization", 
            
167
      "state": "active", 
210
      "state": "active", 
            
168
      "vocabulary_id": null
211
      "vocabulary_id": null
            
169
    }
212
    }
            
170
  ], 
213
  ], 
            
171
  "title": "Self\u2010adaptive online virtual network migration in 
214
  "title": "Self\u2010adaptive online virtual network migration in 
            
172
network virtualization environments", 
215
network virtualization environments", 
            
173
  "type": "dataset", 
216
  "type": "dataset", 
            
174
  "url": "https://doi.org/10.1002/ett.3692", 
217
  "url": "https://doi.org/10.1002/ett.3692", 
            
175
  "version": null
218
  "version": null
            
176
}
219
}