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

18. O PROBLEMA RWA
• NSFNET

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

46. GRATO!
Eduardo Benayon
eduardo.benayon@gmail.com