SlideShare uma empresa Scribd logo
1 de 46
Baixar para ler offline
Universidade do Estado do Rio de Janeiro
Centro de Tecnologia e Ciências
Faculdade de Engenharia
Programa de Pós-Graduação em Engenharia Eletrônica
Roteamento e alocação de comprimento de onda em
redes WDM segundo algoritmo baseado em regras da
natureza
Mestrando: Eduardo Rodrigues Benayon
Orientador: Prof. José Rodolfo Souza
Mestrado Acadêmico
Área de Concentração: Redes de
Telecomunicações
Linha de pesquisa: Comunicações Ópticas
• Introdução
• Motivação
• Caracterização do problema
• Algoritmo Genético
• AG Proposto para Solução do Problema RWA
• Conclusão
AGENDA
• Introdução
• Motivação
• Caracterização do problema
• Algoritmo Genético
• AG Proposto para Solução do Problema RWA
• Conclusão
AGENDA
INTRODUÇÃO
• Nos últimos anos o tráfego nas redes de telecomunicações
cresceu de forma acentuada devido ao surgimento de novas
tecnologias e serviços: internet banda larga, vídeo HD, vídeo
sob demanda, IPTV, comércio eletrônico, mobilidade, etc.
• O único meio de transmissão capaz de suportar essa
crescente demanda é a FIBRA ÓPTICA.
• A tecnologia que melhor explora a imensa capacidade da fibra
óptica é a WDM (Wavelength Division Multiplexing) que
permite agregar vários sinais em apenas uma fibra óptica.
• Redes ópticas com roteamento por comprimento de onda
(WRON) são arquiteturas de rede capazes de suportar o
crescente volume de tráfego.
INTRODUÇÃO
Tráfego total global em redes móveis, 2007-2012 (Ericsson, 2012)
• Para atender a crescente demanda de tráfego, os sistemas
WDM evoluíram. Os principais avanços foram os seguintes:
 Amplificadores EDFA (Fibra dopada a Érbio) e Raman:
Viabilizou os sistemas longa distância e submarinos.
 Aumento da capacidade dos sistemas WDM pela
diminuição do espaçamento entre canais (DWDM) e
aumento da taxa de transmissão (novos tipos de
modulação).
 Evolução das topologias de rede com roteamento na
camada óptica e otimização dos recursos.
EVOLUÇÃO DAS REDES ÓPTICAS DE TRANSPORTE
EVOLUÇÃO DAS REDES ÓPTICAS DE TRANSPORTE
• Introdução
• Motivação
• Caracterização do problema
• Algoritmo Genético
• AG Proposto para Solução do Problema RWA
• Conclusão
AGENDA
• Redes totalmente ópticas com alta capacidade possuem custo
elevado e exigem maior confiabilidade / disponibilidade e
otimização de recursos.
• O atendimento a uma solicitação de conexão deve ser feita de
forma rápida e precisa visando maximizar o desempenho e
otimizar os recursos da rede.
• O estabelecimento de uma conexão entre dois pontos em uma
rede óptica exige a escolha de uma rota física (conjunto de
segmentos de fibra ópticas) e de uma rota luminosa (conjunto de
comprimentos de onda utilizados ao longo da rota física),
conhecidos na literatura como lightpaths.
• Este processo é conhecido como o problema de roteamento e
alocação de comprimento de onda (RWA – Routing and
Wavelength Assignment).
MOTIVAÇÃO
• Introdução
• Motivação
• Caracterização do problema
• Algoritmo Genético
• AG Proposto para Solução do Problema RWA
• Conclusão
AGENDA
O PROBLEMA RWA
• Regras:
 Um mesmo comprimento de onda não pode ser utilizado no mesmo link.
 O mesmo comprimento de onda deverá ser utilizado em todos os links
de uma rota (rede sem nós com conversão de comprimento de onda).
• Conexões:
1) Nó A => Nó B
B
F
A
C
E
D
OPÇÃO 1
• Regras:
 Um mesmo comprimento de onda não pode ser utilizado no mesmo link.
 O mesmo comprimento de onda deverá ser utilizado em todos os links
de uma rota (rede sem nós com conversão de comprimento de onda).
B
F
A
C
E
D
OPÇÃO 2
• Conexões:
1) Nó A => Nó B
O PROBLEMA RWA
• Regras:
 Um mesmo comprimento de onda não pode ser utilizado no mesmo link.
 O mesmo comprimento de onda deverá ser utilizado em todos os links
de uma rota (rede sem nós com conversão de comprimento de onda).
B
F
A
C
E
D
OPÇÃO 3
• Conexões:
1) Nó A => Nó B
O PROBLEMA RWA
• Regras:
 Um mesmo comprimento de onda não pode ser utilizado no mesmo link.
 O mesmo comprimento de onda deverá ser utilizado em todos os links
de uma rota (rede sem nós com conversão de comprimento de onda).
B
F
A
C
E
D
OPÇÃO 4
• Conexões:
1) Nó A => Nó B
O PROBLEMA RWA
• Regras:
 Um mesmo comprimento de onda não pode ser utilizado no mesmo link.
 O mesmo comprimento de onda deverá ser utilizado em todos os links
de uma rota (rede sem nós com conversão de comprimento de onda).
B
F
A
C
E
D
OPÇÃO 1
• Conexões:
1) Nó A => Nó B
O PROBLEMA RWA
• Regras:
 Um mesmo comprimento de onda não pode ser utilizado no mesmo link.
 O mesmo comprimento de onda deverá ser utilizado em todos os links
de uma rota (rede sem nós com conversão de comprimento de onda).
• Conexões:
1) Nó A => Nó B
2) Nó A => Nó C
B
F
A
C
E
D
ROTA MAIS CURTA
Necessidade de
2 comprimentos
de onda
Atenção: Caso não
tenha comprimento de
onda disponível entre A
e B a conexão 2 será
BLOQUEADA na rota
indicada.
O PROBLEMA RWA
• Regras:
 Um mesmo comprimento de onda não pode ser utilizado no mesmo link.
 O mesmo comprimento de onda deverá ser utilizado em todos os links
de uma rota (rede sem nós com conversão de comprimento de onda).
•Conexões:
1) Nó A => Nó B
2) Nó A => Nó C
B
F
A
C
E
D
2ª ROTA MAIS CURTA
Necessidade de
apenas 1
comprimento
de onda
O PROBLEMA RWA
O PROBLEMA RWA
• NSFNET
• Para reduzir sua complexidade, o problema RWA é,
usualmente, separado em dois subproblemas: um
subproblema de roteamento e um subproblema de alocação
de comprimento de onda:
• Abordagens para solução do subproblema de
Roteamento: Roteamento fixo, Fixo-Alternativo e
Adaptativo.
• Principais métodos heurísticos propostos na
literatura para alocação de comprimento de onda:
 Alocação aleatória / Primeiro da fila / Menos usado
Mais usado / Produto mínimo / Menor carga
Soma máxima / Perda de capacidade relativa
Reserva de comprimento de onda / Limite de proteção.
O PROBLEMA RWA – TÉCNICAS LITERATURA
O PROBLEMA RWA – ROTEAMENTO
Roteamento Fixo:
• Apenas uma rota fixa definida previamente entre cada par de
nós de origem e destino.
• Implementação simples e baixo cisto computacional.
• Apresenta maior probabilidade de bloqueio.
O PROBLEMA RWA – ROTEAMENTO
Roteamento Fixo-Alternativo:
• Conjunto fixo de rotas definidas previamente para cada par de
nós de origem e destino.
• Necessário que cada nó possua uma tabela com a lista de
possíveis rotas para cada destino ordenadas em função de custo.
• Tolerância a falhas e menor probabilidade de bloqueio que o fixo.
O PROBLEMA RWA – ROTEAMENTO
Roteamento Adaptativo:
• Qualquer uma das possíveis rotas que interligam os nós de
origem e destino pode ser utilizada.
• Rotas são escolhidas dinamicamente em função do estado da
rede. Necessidade de conhecimento da rede.
• Alto custo computacional e menor probabilidade de bloqueio.
O PROBLEMA RWA – ALOCAÇÃO
Comparação das heurísticas em relação a probabilidade de bloqueio.
• Introdução
• Motivação
• Caracterização do problema
• Algoritmo Genético
• AG Proposto para Solução do Problema RWA
• Conclusão
AGENDA
ALGORITMO GENÉTICO
• AG é um algoritmo inspirado nos mecanismos de evolução de
espécies na natureza. Dispensa formulação matemática precisa.
• A técnica fornece um mecanismo de busca adaptativa que se
baseia no princípio darwiniano de reprodução e sobrevivência dos
mais aptos.
• Uma população inicial de indivíduos (soluções), representados
por cromossomas, é criada e evolui por meio de operadores
genéticos, como os de recombinação e mutação, formando uma
nova população, que se espera que seja mais apta que anterior.
• A função de aptitude / aptidão (fitness) é definida com o
objetivo de avaliar a qualidade de uma solução.
• O processo de evolução é repetido por um número pré-definido
de iterações ou até certo critério ser atingido.
ALGORITMO GENÉTICO
Evolução Natural
• Indivíduo
• Cromossomo
• Reprodução Sexual
• Mutação
• População
• Gerações
• Meio Ambiente
Alg. Genéticos
• Solução
• Representação
• Operador Recombinação
• Operador Mutação
• Conjunto de Soluções
• Ciclos
• Problema
• Analogia entre a Evolução Natural e os problemas de
busca
ALGORITMO GENÉTICO
• Fluxograma de funcionamento do algoritmo genético
• Introdução
• Motivação
• Caracterização do problema
• Algoritmo Genético
• AG Proposto para Solução do Problema RWA
• Conclusão
AGENDA
AG PROPOSTO
• O programa foi desenvolvido utilizando a caixa de ferramentas
de algoritmo genético (CF-AG) do Matlab, adaptando algumas
funções às características do problema RWA.
• A CF-AG de Matlab soluciona problemas de otimização com base
em dados do tipo double (real) e sequência binária.
• A solução do problema RWA não pode ser atendida com essa
limitação. Foi necessário adaptar as funções de criação,
recombinação e mutação para representação com números
inteiros e utilizar matriz de células (cell array).
• O desenvolvimento do trabalho baseou-se em 2 topologias de
redes ópticas em malha: Rede simples com 6 nós e NSFNET.
AG PROPOSTO - PARÂMETROS
• Criação das Redes Ópticas: A topologia de uma rede óptica pode
ser considerada como um grafo G (V,E), onde V representa os nós da
rede e E, as conexões físicas entre os nós. É representada por uma
matriz custo ou adjacência.
Rede de 6 nós Matriz Adjacência
PARÂMETROS DO PROBLEMA
• N: Número de nós / W: Número de comprimentos de onda
Nós 1 2 3 4 5 6
1 0 1 1 0 0 0
2 1 0 1 1 0 0
3 1 1 0 0 1 0
4 0 1 0 0 1 1
5 0 0 1 1 0 1
6 0 0 0 1 1 0
• Ocupação da rede: Matriz onde cada elemento representa o
somatório da disponibilidade de cada comprimento de onda em cada
enlace da rede, em um determinado momento.
AG PROPOSTO - PARÂMETROS
Nós 1 2 3 4 5 6 Nós 1 2 3 4 5 6
1 0 0 0 0 0 0 1 0 1 2 0 0 0
Ocupação 2 0 0 0 0 0 0 Ocupação 2 1 0 0 2 0 0
de rede 3 0 0 0 0 0 0 de rede 3 2 0 0 0 3 0
4 0 0 0 0 0 0 4 0 2 0 0 1 1
5 0 0 0 0 0 0 5 0 0 3 1 0 2
6 0 0 0 0 0 0 6 0 0 0 1 2 0
Nós 1 2 3 4 5 6 Nós 1 2 3 4 5 6
1 0 0 0 0 0 0 1 0 1 1 0 0 0
2 0 0 0 0 0 0 2 1 0 0 1 0 0
λ1 = 3 0 0 0 0 0 0 λ1 = 3 1 0 0 0 1 0
4 0 0 0 0 0 0 4 0 1 0 0 1 1
5 0 0 0 0 0 0 5 0 0 1 1 0 1
6 0 0 0 0 0 0 6 0 0 0 1 1 0
Nós 1 2 3 4 5 6 Nós 1 2 3 4 5 6
1 0 0 0 0 0 0 1 0 0 1 0 0 0
2 0 0 0 0 0 0 2 0 0 0 0 0 0
λn = 3 0 0 0 0 0 0 λn = 3 1 0 0 0 1 0
4 0 0 0 0 0 0 4 0 0 0 0 0 0
5 0 0 0 0 0 0 5 0 0 1 0 0 0
6 0 0 0 0 0 0 6 0 0 0 0 0 0
Estado inicial da rede Estado da rede após
6 conexões
= =
...
...
λ1 + ... + λn λ1 + ... + λn
• O AG é executado em cada solicitação de conexão entre dois nós.
• AG trabalha com população de indivíduos e cada um representa
uma possível rota entre dois nós para a conexão solicitada.
• A CF-AG do Matlab trabalha com representação binária e por
inteiros. A representação por inteiros, onde um cromossomo é
descrito por um vetor de números inteiros, foi adotada por
proporcionar maior simplicidade para o problema RWA.
 População inicial: Formada pelo conjunto de rotas possíveis
entre os nós de origem e destino de uma solicitação de conexão
geradas aleatoriamente.
• Exemplo de codificação de
duas rotas para conexão entre os
nós 0 e 5 (0 1 2 5 ) e (0 2 4 5).
AG PROPOSTO - ETAPAS
 Função de Aptitude:
 Processo de atribuir um valor de aptidão a cada indivíduo.
 A função aptitude proposta leva em consideração dois
fatores importantes: o comprimento da rota e o número de
comprimentos de onda disponíveis (ocupação da rede).
• Função Aptidão do GA para solução do problema RWA.
-fi: A função de aptitude para a rota i entre os nós de origem e destino da conexão.
-lj: Comprimento do j-ésimo enlace (segmento de fibra) que compõe a rota i.
-fwi: Número de comprimentos de onda livres na rota i.
-W: Número total de comprimentos de onda.
-α: Parâmetro de projeto, que varia entre 0 e 1.
( ) wi
i
j
f1
f 1
l W
= α + − α
∑
AG PROPOSTO - ETAPAS
• Exemplo de operação de recombinação.
AG PROPOSTO - ETAPAS
• Operadores Genéticos:
 Operador de Recombinação (Crossover):
 Só pode ser aplicado em pares de rotas que tenham ao
menos um nó em comum.
 Os pais são divididos e troca-se a segunda metade, criando
dois filhos conforme figura a seguir.
 Mutação:
 O nó de uma rota é escolhido aleatoriamente e uma nova
rota aleatória é gerada a partir do nó de mutação até o nó
destino. A rota do nó de origem ao de mutação não sofre
alteração.
 Fornece um comportamento exploratório, no sentido de que
induz o algoritmo evolucionário a amostrar novos pontos do
espaço de busca.
0 1 2 5 0 1 3 5
• Exemplo de operação Mutação.
Indivíduo Novo Indivíduo
Nó de Mutação Nó de Mutação
AG PROPOSTO
 Função de Seleção:
 Determina a probabilidade de os indivíduos serem
selecionados com base nas respectivas notas de aptitude. O
mecanismo da roleta é o mais utilizado. Não foi necessário
adaptar a função de seleção.
 Critério de Parada:
 O critério de parada utilizado no algoritmo genético proposto
é o número de gerações.
 Opções do CF-AG:
 Utilizadas para modificar parâmetros como funções
customizadas, tamanho da população inicial, critério de
parada, etc.
AG PROPOSTO
 Comando do Matlab:
options = gaoptimset(options,'CreationFcn',@create_permutations, ...
'CrossoverFcn',@crossover_permutation, ...
'MutationFcn',@mutate_permutation, ...
'SelectionFcn',@selectionroulette,...
'PlotFcn', my_plot, ...
'Generations',8,'PopulationSize',8)
 Principais Parâmetros:
PopulationType: 'custom‘
PopulationSize: 16
EliteCount: []
CrossoverFraction: []
MutationFcn: []
Generations: 8
TimeLimit: []
StallGenLimit: []
AG PROPOSTO
FitnessLimit: []
InitialPopulation: []
CreationFcn: @create_permutations
SelectionFcn: @selectionroulette
CrossoverFcn: @crossover_permutation
MutationFcn: @mutate_permutation
PlotFcns: [function_handle]
AGENDA
• Introdução
• Motivação
• Caracterização do problema
• Algoritmo Genético
• AG Proposto para Solução do Problema RWA
• Avaliação do Desempenho do AG e Conclusão
AVALIÇÃO DO DESEMPENHO
• Simulações para Avaliação do Funcionamento do Programa.
Parâmetros utilizados:
3 Comprimentos de onda
8 indivíduos
16 Gerações
Conexões:
1-4: λ1; 1-6: λ2; 1-5: λ1; 3-6: ?
Resultado:
rota = 3 5 6
Comprimento de onda ocupado 1
Alocado Comprimento de onda 2
fval = 1,6667
AVALIÇÃO DO DESEMPENHO
• Simulações para Avaliação do Funcionamento do Programa.
Parâmetros utilizados: Rede NSFNET , W = 8, P= 8, G=16, O=1 e D=11
AVALIÇÃO DO DESEMPENHO
• Comparação do desempenho para gerações (G) diferentes.
Parâmetros utilizados: Rede NSFNET , W = 8 e P= 8
AVALIÇÃO DO DESEMPENHO
• Comparação de desempenho do AG proposto com os de outras
heurísticas.
Parâmetros utilizados: Rede 6 nós, W = 16, P= 8 e G=8
AVALIÇÃO DO DESEMPENHO
• Comparação do desempenho do algoritmo proposto com os de
trabalhos que utilizam AG.
Parâmetros utilizados: NSFNET, W = 8, P= 8 e G=8
• A utilização do algoritmo genético para solução do problema
de roteamento e alocação de comprimento de onda tem sido
foco de diversos estudos nos últimos anos.
• A utilização do algoritmo genético proposto se mostrou viável
para solução do problema RWA em redes ópticas de baixa e
alta complexidade.
• O resultado obtido nas simulações mostrou que essa técnica
tem desempenho superior ao de heurísticas tradicionais.
CONCLUSÃO
• Criação de novas Funções de aptitude: Buscar melhor
desempenho na solução do problema RWA. Possibilidade de incluir
outros parâmetros, como restrições físicas da rede e do meio
(OSNR, PMD, etc.), e comparar com outros trabalhos.
• Implementação do algoritmo em uma rede real: Realizar o
estudo aprofundado nas tecnologias utilizadas para troca de
informações entre os nós da rede de uma rede óptica e plano de
controle.
• Comparação ou implementação com outros algoritmos
inspirados em regras da natureza: Realizar estudo de outros
algoritmos utilizados na solução do problema RWA, como
otimização por colônia de formigas (ACO - Ant Colony
Optimization) e otimização por colônia de abelhas artificiais (ABC
- Artificial Bee Colony) e avaliar resultados alcançados.
TRBALHOS FUTUROS
GRATO!
Eduardo Benayon
eduardo.benayon@gmail.com

Mais conteúdo relacionado

Semelhante a Apresentação_Eduardo Benayon rev4

Aula 05 meios de comunicação de dados
Aula 05 meios de comunicação de dadosAula 05 meios de comunicação de dados
Aula 05 meios de comunicação de dadosJorge Ávila Miranda
 
Unidade2 projeto lógico da rede
Unidade2   projeto lógico da redeUnidade2   projeto lógico da rede
Unidade2 projeto lógico da redeLeandro Almeida
 
Aula_01.pdf
Aula_01.pdfAula_01.pdf
Aula_01.pdfsmftec
 
Modelo OSI - Camada Física
Modelo OSI - Camada FísicaModelo OSI - Camada Física
Modelo OSI - Camada FísicaRicardo Montania
 
Projetos Estruturados de Redes - Parte 5
Projetos Estruturados de Redes - Parte 5Projetos Estruturados de Redes - Parte 5
Projetos Estruturados de Redes - Parte 5José Wagner Bungart
 
Redes de Sensores e Robôs: Um novo paradigma de Monitoramento e Atuação
Redes de Sensores e Robôs: Um novo paradigma de Monitoramento e AtuaçãoRedes de Sensores e Robôs: Um novo paradigma de Monitoramento e Atuação
Redes de Sensores e Robôs: Um novo paradigma de Monitoramento e AtuaçãoPET Computação
 
Análise do Gerador Comb Óptico para transmissão de altas taxas em Redes Óptic...
Análise do Gerador Comb Óptico para transmissão de altas taxas em Redes Óptic...Análise do Gerador Comb Óptico para transmissão de altas taxas em Redes Óptic...
Análise do Gerador Comb Óptico para transmissão de altas taxas em Redes Óptic...Heitor Galvão
 
2-Classificação e Topologia.ppt
2-Classificação e Topologia.ppt2-Classificação e Topologia.ppt
2-Classificação e Topologia.pptJoberthSilva
 
Fundamentos de redes de computadores
Fundamentos de redes de computadoresFundamentos de redes de computadores
Fundamentos de redes de computadoresbolinhas69
 
Aprendizado de Máquina Supervisionado na Predição de Links em Redes Complexas...
Aprendizado de Máquina Supervisionado na Predição de Links em Redes Complexas...Aprendizado de Máquina Supervisionado na Predição de Links em Redes Complexas...
Aprendizado de Máquina Supervisionado na Predição de Links em Redes Complexas...Orlando Junior
 

Semelhante a Apresentação_Eduardo Benayon rev4 (20)

Aula 05 meios de comunicação de dados
Aula 05 meios de comunicação de dadosAula 05 meios de comunicação de dados
Aula 05 meios de comunicação de dados
 
Unidade2 projeto lógico da rede
Unidade2   projeto lógico da redeUnidade2   projeto lógico da rede
Unidade2 projeto lógico da rede
 
Redes
RedesRedes
Redes
 
Aula_01.pdf
Aula_01.pdfAula_01.pdf
Aula_01.pdf
 
Aula 6 a camada de rede
Aula 6   a camada de redeAula 6   a camada de rede
Aula 6 a camada de rede
 
Rct 16 - camada de rede
Rct   16 - camada de redeRct   16 - camada de rede
Rct 16 - camada de rede
 
Modelo OSI - Camada Física
Modelo OSI - Camada FísicaModelo OSI - Camada Física
Modelo OSI - Camada Física
 
Projetos Estruturados de Redes - Parte 5
Projetos Estruturados de Redes - Parte 5Projetos Estruturados de Redes - Parte 5
Projetos Estruturados de Redes - Parte 5
 
Tbr de redes
Tbr de redesTbr de redes
Tbr de redes
 
Ccna cap03 mod01
Ccna cap03 mod01Ccna cap03 mod01
Ccna cap03 mod01
 
P910Aula06
P910Aula06P910Aula06
P910Aula06
 
Camada rede
Camada redeCamada rede
Camada rede
 
Redes de Sensores e Robôs: Um novo paradigma de Monitoramento e Atuação
Redes de Sensores e Robôs: Um novo paradigma de Monitoramento e AtuaçãoRedes de Sensores e Robôs: Um novo paradigma de Monitoramento e Atuação
Redes de Sensores e Robôs: Um novo paradigma de Monitoramento e Atuação
 
Rc02-intro-info.pdf
Rc02-intro-info.pdfRc02-intro-info.pdf
Rc02-intro-info.pdf
 
Análise do Gerador Comb Óptico para transmissão de altas taxas em Redes Óptic...
Análise do Gerador Comb Óptico para transmissão de altas taxas em Redes Óptic...Análise do Gerador Comb Óptico para transmissão de altas taxas em Redes Óptic...
Análise do Gerador Comb Óptico para transmissão de altas taxas em Redes Óptic...
 
2-Classificação e Topologia.ppt
2-Classificação e Topologia.ppt2-Classificação e Topologia.ppt
2-Classificação e Topologia.ppt
 
Ccna cap02 mod01
Ccna cap02 mod01Ccna cap02 mod01
Ccna cap02 mod01
 
Fundamentos de redes de computadores
Fundamentos de redes de computadoresFundamentos de redes de computadores
Fundamentos de redes de computadores
 
Comdad 5
Comdad 5Comdad 5
Comdad 5
 
Aprendizado de Máquina Supervisionado na Predição de Links em Redes Complexas...
Aprendizado de Máquina Supervisionado na Predição de Links em Redes Complexas...Aprendizado de Máquina Supervisionado na Predição de Links em Redes Complexas...
Aprendizado de Máquina Supervisionado na Predição de Links em Redes Complexas...
 

Apresentação_Eduardo Benayon rev4

  • 1. Universidade do Estado do Rio de Janeiro Centro de Tecnologia e Ciências Faculdade de Engenharia Programa de Pós-Graduação em Engenharia Eletrônica Roteamento e alocação de comprimento de onda em redes WDM segundo algoritmo baseado em regras da natureza Mestrando: Eduardo Rodrigues Benayon Orientador: Prof. José Rodolfo Souza Mestrado Acadêmico Área de Concentração: Redes de Telecomunicações Linha de pesquisa: Comunicações Ópticas
  • 2. • Introdução • Motivação • Caracterização do problema • Algoritmo Genético • AG Proposto para Solução do Problema RWA • Conclusão AGENDA
  • 3. • Introdução • Motivação • Caracterização do problema • Algoritmo Genético • AG Proposto para Solução do Problema RWA • Conclusão AGENDA
  • 4. INTRODUÇÃO • Nos últimos anos o tráfego nas redes de telecomunicações cresceu de forma acentuada devido ao surgimento de novas tecnologias e serviços: internet banda larga, vídeo HD, vídeo sob demanda, IPTV, comércio eletrônico, mobilidade, etc. • O único meio de transmissão capaz de suportar essa crescente demanda é a FIBRA ÓPTICA. • A tecnologia que melhor explora a imensa capacidade da fibra óptica é a WDM (Wavelength Division Multiplexing) que permite agregar vários sinais em apenas uma fibra óptica. • Redes ópticas com roteamento por comprimento de onda (WRON) são arquiteturas de rede capazes de suportar o crescente volume de tráfego.
  • 5. INTRODUÇÃO Tráfego total global em redes móveis, 2007-2012 (Ericsson, 2012)
  • 6. • Para atender a crescente demanda de tráfego, os sistemas WDM evoluíram. Os principais avanços foram os seguintes:  Amplificadores EDFA (Fibra dopada a Érbio) e Raman: Viabilizou os sistemas longa distância e submarinos.  Aumento da capacidade dos sistemas WDM pela diminuição do espaçamento entre canais (DWDM) e aumento da taxa de transmissão (novos tipos de modulação).  Evolução das topologias de rede com roteamento na camada óptica e otimização dos recursos. EVOLUÇÃO DAS REDES ÓPTICAS DE TRANSPORTE
  • 7. EVOLUÇÃO DAS REDES ÓPTICAS DE TRANSPORTE
  • 8. • Introdução • Motivação • Caracterização do problema • Algoritmo Genético • AG Proposto para Solução do Problema RWA • Conclusão AGENDA
  • 9. • Redes totalmente ópticas com alta capacidade possuem custo elevado e exigem maior confiabilidade / disponibilidade e otimização de recursos. • O atendimento a uma solicitação de conexão deve ser feita de forma rápida e precisa visando maximizar o desempenho e otimizar os recursos da rede. • O estabelecimento de uma conexão entre dois pontos em uma rede óptica exige a escolha de uma rota física (conjunto de segmentos de fibra ópticas) e de uma rota luminosa (conjunto de comprimentos de onda utilizados ao longo da rota física), conhecidos na literatura como lightpaths. • Este processo é conhecido como o problema de roteamento e alocação de comprimento de onda (RWA – Routing and Wavelength Assignment). MOTIVAÇÃO
  • 10. • Introdução • Motivação • Caracterização do problema • Algoritmo Genético • AG Proposto para Solução do Problema RWA • Conclusão AGENDA
  • 11. O PROBLEMA RWA • Regras:  Um mesmo comprimento de onda não pode ser utilizado no mesmo link.  O mesmo comprimento de onda deverá ser utilizado em todos os links de uma rota (rede sem nós com conversão de comprimento de onda). • Conexões: 1) Nó A => Nó B B F A C E D OPÇÃO 1
  • 12. • Regras:  Um mesmo comprimento de onda não pode ser utilizado no mesmo link.  O mesmo comprimento de onda deverá ser utilizado em todos os links de uma rota (rede sem nós com conversão de comprimento de onda). B F A C E D OPÇÃO 2 • Conexões: 1) Nó A => Nó B O PROBLEMA RWA
  • 13. • Regras:  Um mesmo comprimento de onda não pode ser utilizado no mesmo link.  O mesmo comprimento de onda deverá ser utilizado em todos os links de uma rota (rede sem nós com conversão de comprimento de onda). B F A C E D OPÇÃO 3 • Conexões: 1) Nó A => Nó B O PROBLEMA RWA
  • 14. • Regras:  Um mesmo comprimento de onda não pode ser utilizado no mesmo link.  O mesmo comprimento de onda deverá ser utilizado em todos os links de uma rota (rede sem nós com conversão de comprimento de onda). B F A C E D OPÇÃO 4 • Conexões: 1) Nó A => Nó B O PROBLEMA RWA
  • 15. • Regras:  Um mesmo comprimento de onda não pode ser utilizado no mesmo link.  O mesmo comprimento de onda deverá ser utilizado em todos os links de uma rota (rede sem nós com conversão de comprimento de onda). B F A C E D OPÇÃO 1 • Conexões: 1) Nó A => Nó B O PROBLEMA RWA
  • 16. • Regras:  Um mesmo comprimento de onda não pode ser utilizado no mesmo link.  O mesmo comprimento de onda deverá ser utilizado em todos os links de uma rota (rede sem nós com conversão de comprimento de onda). • Conexões: 1) Nó A => Nó B 2) Nó A => Nó C B F A C E D ROTA MAIS CURTA Necessidade de 2 comprimentos de onda Atenção: Caso não tenha comprimento de onda disponível entre A e B a conexão 2 será BLOQUEADA na rota indicada. O PROBLEMA RWA
  • 17. • Regras:  Um mesmo comprimento de onda não pode ser utilizado no mesmo link.  O mesmo comprimento de onda deverá ser utilizado em todos os links de uma rota (rede sem nós com conversão de comprimento de onda). •Conexões: 1) Nó A => Nó B 2) Nó A => Nó C B F A C E D 2ª ROTA MAIS CURTA Necessidade de apenas 1 comprimento de onda O PROBLEMA RWA
  • 19. • Para reduzir sua complexidade, o problema RWA é, usualmente, separado em dois subproblemas: um subproblema de roteamento e um subproblema de alocação de comprimento de onda: • Abordagens para solução do subproblema de Roteamento: Roteamento fixo, Fixo-Alternativo e Adaptativo. • Principais métodos heurísticos propostos na literatura para alocação de comprimento de onda:  Alocação aleatória / Primeiro da fila / Menos usado Mais usado / Produto mínimo / Menor carga Soma máxima / Perda de capacidade relativa Reserva de comprimento de onda / Limite de proteção. O PROBLEMA RWA – TÉCNICAS LITERATURA
  • 20. O PROBLEMA RWA – ROTEAMENTO Roteamento Fixo: • Apenas uma rota fixa definida previamente entre cada par de nós de origem e destino. • Implementação simples e baixo cisto computacional. • Apresenta maior probabilidade de bloqueio.
  • 21. O PROBLEMA RWA – ROTEAMENTO Roteamento Fixo-Alternativo: • Conjunto fixo de rotas definidas previamente para cada par de nós de origem e destino. • Necessário que cada nó possua uma tabela com a lista de possíveis rotas para cada destino ordenadas em função de custo. • Tolerância a falhas e menor probabilidade de bloqueio que o fixo.
  • 22. O PROBLEMA RWA – ROTEAMENTO Roteamento Adaptativo: • Qualquer uma das possíveis rotas que interligam os nós de origem e destino pode ser utilizada. • Rotas são escolhidas dinamicamente em função do estado da rede. Necessidade de conhecimento da rede. • Alto custo computacional e menor probabilidade de bloqueio.
  • 23. O PROBLEMA RWA – ALOCAÇÃO Comparação das heurísticas em relação a probabilidade de bloqueio.
  • 24. • Introdução • Motivação • Caracterização do problema • Algoritmo Genético • AG Proposto para Solução do Problema RWA • Conclusão AGENDA
  • 25. ALGORITMO GENÉTICO • AG é um algoritmo inspirado nos mecanismos de evolução de espécies na natureza. Dispensa formulação matemática precisa. • A técnica fornece um mecanismo de busca adaptativa que se baseia no princípio darwiniano de reprodução e sobrevivência dos mais aptos. • Uma população inicial de indivíduos (soluções), representados por cromossomas, é criada e evolui por meio de operadores genéticos, como os de recombinação e mutação, formando uma nova população, que se espera que seja mais apta que anterior. • A função de aptitude / aptidão (fitness) é definida com o objetivo de avaliar a qualidade de uma solução. • O processo de evolução é repetido por um número pré-definido de iterações ou até certo critério ser atingido.
  • 26. ALGORITMO GENÉTICO Evolução Natural • Indivíduo • Cromossomo • Reprodução Sexual • Mutação • População • Gerações • Meio Ambiente Alg. Genéticos • Solução • Representação • Operador Recombinação • Operador Mutação • Conjunto de Soluções • Ciclos • Problema • Analogia entre a Evolução Natural e os problemas de busca
  • 27. ALGORITMO GENÉTICO • Fluxograma de funcionamento do algoritmo genético
  • 28. • Introdução • Motivação • Caracterização do problema • Algoritmo Genético • AG Proposto para Solução do Problema RWA • Conclusão AGENDA
  • 29. AG PROPOSTO • O programa foi desenvolvido utilizando a caixa de ferramentas de algoritmo genético (CF-AG) do Matlab, adaptando algumas funções às características do problema RWA. • A CF-AG de Matlab soluciona problemas de otimização com base em dados do tipo double (real) e sequência binária. • A solução do problema RWA não pode ser atendida com essa limitação. Foi necessário adaptar as funções de criação, recombinação e mutação para representação com números inteiros e utilizar matriz de células (cell array). • O desenvolvimento do trabalho baseou-se em 2 topologias de redes ópticas em malha: Rede simples com 6 nós e NSFNET.
  • 30. AG PROPOSTO - PARÂMETROS • Criação das Redes Ópticas: A topologia de uma rede óptica pode ser considerada como um grafo G (V,E), onde V representa os nós da rede e E, as conexões físicas entre os nós. É representada por uma matriz custo ou adjacência. Rede de 6 nós Matriz Adjacência PARÂMETROS DO PROBLEMA • N: Número de nós / W: Número de comprimentos de onda Nós 1 2 3 4 5 6 1 0 1 1 0 0 0 2 1 0 1 1 0 0 3 1 1 0 0 1 0 4 0 1 0 0 1 1 5 0 0 1 1 0 1 6 0 0 0 1 1 0
  • 31. • Ocupação da rede: Matriz onde cada elemento representa o somatório da disponibilidade de cada comprimento de onda em cada enlace da rede, em um determinado momento. AG PROPOSTO - PARÂMETROS Nós 1 2 3 4 5 6 Nós 1 2 3 4 5 6 1 0 0 0 0 0 0 1 0 1 2 0 0 0 Ocupação 2 0 0 0 0 0 0 Ocupação 2 1 0 0 2 0 0 de rede 3 0 0 0 0 0 0 de rede 3 2 0 0 0 3 0 4 0 0 0 0 0 0 4 0 2 0 0 1 1 5 0 0 0 0 0 0 5 0 0 3 1 0 2 6 0 0 0 0 0 0 6 0 0 0 1 2 0 Nós 1 2 3 4 5 6 Nós 1 2 3 4 5 6 1 0 0 0 0 0 0 1 0 1 1 0 0 0 2 0 0 0 0 0 0 2 1 0 0 1 0 0 λ1 = 3 0 0 0 0 0 0 λ1 = 3 1 0 0 0 1 0 4 0 0 0 0 0 0 4 0 1 0 0 1 1 5 0 0 0 0 0 0 5 0 0 1 1 0 1 6 0 0 0 0 0 0 6 0 0 0 1 1 0 Nós 1 2 3 4 5 6 Nós 1 2 3 4 5 6 1 0 0 0 0 0 0 1 0 0 1 0 0 0 2 0 0 0 0 0 0 2 0 0 0 0 0 0 λn = 3 0 0 0 0 0 0 λn = 3 1 0 0 0 1 0 4 0 0 0 0 0 0 4 0 0 0 0 0 0 5 0 0 0 0 0 0 5 0 0 1 0 0 0 6 0 0 0 0 0 0 6 0 0 0 0 0 0 Estado inicial da rede Estado da rede após 6 conexões = = ... ... λ1 + ... + λn λ1 + ... + λn
  • 32. • O AG é executado em cada solicitação de conexão entre dois nós. • AG trabalha com população de indivíduos e cada um representa uma possível rota entre dois nós para a conexão solicitada. • A CF-AG do Matlab trabalha com representação binária e por inteiros. A representação por inteiros, onde um cromossomo é descrito por um vetor de números inteiros, foi adotada por proporcionar maior simplicidade para o problema RWA.  População inicial: Formada pelo conjunto de rotas possíveis entre os nós de origem e destino de uma solicitação de conexão geradas aleatoriamente. • Exemplo de codificação de duas rotas para conexão entre os nós 0 e 5 (0 1 2 5 ) e (0 2 4 5). AG PROPOSTO - ETAPAS
  • 33.  Função de Aptitude:  Processo de atribuir um valor de aptidão a cada indivíduo.  A função aptitude proposta leva em consideração dois fatores importantes: o comprimento da rota e o número de comprimentos de onda disponíveis (ocupação da rede). • Função Aptidão do GA para solução do problema RWA. -fi: A função de aptitude para a rota i entre os nós de origem e destino da conexão. -lj: Comprimento do j-ésimo enlace (segmento de fibra) que compõe a rota i. -fwi: Número de comprimentos de onda livres na rota i. -W: Número total de comprimentos de onda. -α: Parâmetro de projeto, que varia entre 0 e 1. ( ) wi i j f1 f 1 l W = α + − α ∑ AG PROPOSTO - ETAPAS
  • 34. • Exemplo de operação de recombinação. AG PROPOSTO - ETAPAS • Operadores Genéticos:  Operador de Recombinação (Crossover):  Só pode ser aplicado em pares de rotas que tenham ao menos um nó em comum.  Os pais são divididos e troca-se a segunda metade, criando dois filhos conforme figura a seguir.
  • 35.  Mutação:  O nó de uma rota é escolhido aleatoriamente e uma nova rota aleatória é gerada a partir do nó de mutação até o nó destino. A rota do nó de origem ao de mutação não sofre alteração.  Fornece um comportamento exploratório, no sentido de que induz o algoritmo evolucionário a amostrar novos pontos do espaço de busca. 0 1 2 5 0 1 3 5 • Exemplo de operação Mutação. Indivíduo Novo Indivíduo Nó de Mutação Nó de Mutação AG PROPOSTO
  • 36.  Função de Seleção:  Determina a probabilidade de os indivíduos serem selecionados com base nas respectivas notas de aptitude. O mecanismo da roleta é o mais utilizado. Não foi necessário adaptar a função de seleção.  Critério de Parada:  O critério de parada utilizado no algoritmo genético proposto é o número de gerações.  Opções do CF-AG:  Utilizadas para modificar parâmetros como funções customizadas, tamanho da população inicial, critério de parada, etc. AG PROPOSTO
  • 37.  Comando do Matlab: options = gaoptimset(options,'CreationFcn',@create_permutations, ... 'CrossoverFcn',@crossover_permutation, ... 'MutationFcn',@mutate_permutation, ... 'SelectionFcn',@selectionroulette,... 'PlotFcn', my_plot, ... 'Generations',8,'PopulationSize',8)  Principais Parâmetros: PopulationType: 'custom‘ PopulationSize: 16 EliteCount: [] CrossoverFraction: [] MutationFcn: [] Generations: 8 TimeLimit: [] StallGenLimit: [] AG PROPOSTO FitnessLimit: [] InitialPopulation: [] CreationFcn: @create_permutations SelectionFcn: @selectionroulette CrossoverFcn: @crossover_permutation MutationFcn: @mutate_permutation PlotFcns: [function_handle]
  • 38. AGENDA • Introdução • Motivação • Caracterização do problema • Algoritmo Genético • AG Proposto para Solução do Problema RWA • Avaliação do Desempenho do AG e Conclusão
  • 39. AVALIÇÃO DO DESEMPENHO • Simulações para Avaliação do Funcionamento do Programa. Parâmetros utilizados: 3 Comprimentos de onda 8 indivíduos 16 Gerações Conexões: 1-4: λ1; 1-6: λ2; 1-5: λ1; 3-6: ? Resultado: rota = 3 5 6 Comprimento de onda ocupado 1 Alocado Comprimento de onda 2 fval = 1,6667
  • 40. AVALIÇÃO DO DESEMPENHO • Simulações para Avaliação do Funcionamento do Programa. Parâmetros utilizados: Rede NSFNET , W = 8, P= 8, G=16, O=1 e D=11
  • 41. AVALIÇÃO DO DESEMPENHO • Comparação do desempenho para gerações (G) diferentes. Parâmetros utilizados: Rede NSFNET , W = 8 e P= 8
  • 42. AVALIÇÃO DO DESEMPENHO • Comparação de desempenho do AG proposto com os de outras heurísticas. Parâmetros utilizados: Rede 6 nós, W = 16, P= 8 e G=8
  • 43. AVALIÇÃO DO DESEMPENHO • Comparação do desempenho do algoritmo proposto com os de trabalhos que utilizam AG. Parâmetros utilizados: NSFNET, W = 8, P= 8 e G=8
  • 44. • A utilização do algoritmo genético para solução do problema de roteamento e alocação de comprimento de onda tem sido foco de diversos estudos nos últimos anos. • A utilização do algoritmo genético proposto se mostrou viável para solução do problema RWA em redes ópticas de baixa e alta complexidade. • O resultado obtido nas simulações mostrou que essa técnica tem desempenho superior ao de heurísticas tradicionais. CONCLUSÃO
  • 45. • Criação de novas Funções de aptitude: Buscar melhor desempenho na solução do problema RWA. Possibilidade de incluir outros parâmetros, como restrições físicas da rede e do meio (OSNR, PMD, etc.), e comparar com outros trabalhos. • Implementação do algoritmo em uma rede real: Realizar o estudo aprofundado nas tecnologias utilizadas para troca de informações entre os nós da rede de uma rede óptica e plano de controle. • Comparação ou implementação com outros algoritmos inspirados em regras da natureza: Realizar estudo de outros algoritmos utilizados na solução do problema RWA, como otimização por colônia de formigas (ACO - Ant Colony Optimization) e otimização por colônia de abelhas artificiais (ABC - Artificial Bee Colony) e avaliar resultados alcançados. TRBALHOS FUTUROS