4.2 Proposta de uma Nova Metodologia para Análise de Redes Ópticas
4.2.4 Considerações Finais sobre Estimativa de PB Usando RNA
Diversos métodos para estimativa de probabilidade de bloqueio de redes ópticas já foram propostos na literatura. Contudo, a escolha por um método de estimativa em particular deve levar em consideração o compromisso entre precisão da estimativa (erro de estimativa) e custo computacional associado (tempo gasto no processo de estimação).
Esta Tese propõe o uso de RNA para estimar PB de redes ópticas. Os resultados de- monstram que a abordagem proposta oferece um bom compromisso em termos de precisão e custo computacional quando comparado com abordagens disponíveis na literatura. A nova abordagem oferece um tempo de execução até 72 vezes menor quando comparado com abor- dagens baseadas em simulação de rede. Os erros de estimativa obtidos pela nova abordagem possuem a mesma ordem de grandeza dos erros associados com simulações de rede com grande número de chamadas (MSE u 10−4). Dependendo do número de chamadas usadas nas simu- lações, a precisão da RNA pode ser considerada ligeiramente inferior ou ligeiramente superior à precisão fornecida pelas simulações. A principal motivação para o desenvolvimento de uma nova abordagem para estimativa de PB foi o uso do novo método em processos iterativos de planejamento de redes, nos quais são necessárias milhares de estimativas de desempenho de
redes. O método de estimativa proposto neste capítulo será usado no Capítulo 5 como parte integrante do processo de planejamento de redes ópticas.
Um primeiro estudo sobre a viabilidade de usar RNA para estimativa de PB de redes foi apresentado em 2013, no International Microwave and Optoelectronics Conference, e um artigo foi publicado nos anais deste evento [92]. A proposta de uma metodologia para seleção de variáveis da camada de entrada da RNA e um estudo sobre a in uência do tráfego para estimativa de PB foi publicado no Journal of Optical Communications and Networking [85], em 2015. Um estudo sobre a proposição de novas métricas para consideração de efeitos da camada física e estudos de casos em redes implantadas foi apresentado no 17th International Conference on Transparent Optical Networks ICTON , e publicado nos anais deste mesmo evento [100]. Um estudo sobre o impacto do número de redes usadas para treinamento da RNA e a proposição de uma arquitetura para estimativa de PB em cenários que não consideram efeitos da camada física foi aceito para a edição de 2015 do evento SBMO/IEEE MTT-S International Microwave and Optoeletronics Conference [101].
Capítulo 5
Planejamento de Redes Ópticas
O
projeto da topologia de uma rede compreende a determinação de quais nós estarão conectados. Dependendo das premissas e das características da rede, o projeto da topologia pode ser considerado uma tarefa extremamente difícil, e, por este motivo, este problema vem sendo exaustivamente estudado nos últimos anos. Os primeiros esforços para resolver este problema consideram a determinação de árvores geradoras mínimas (Minimum Spanning Trees - MST). O projeto de topologia de uma rede é tipicamente associado com problemas de MST com restrições, como por exemplo, o requisito de que cada nó esteja conectado a pelo menos outros dois nós. Restrições desta natureza favorecem a adoção de estratégias de sobrevivência, como proteção e restauração, mas levam o projeto de topologia para a categoria de um problema NP-difícil [102].O planejamento completo de uma rede óptica implica na escolha da conexão entre os nós da rede por meio de bra óptica e, adicionalmente, na escolha de dispositivos ópticos. Esta escolha deve considerar que um elevado número de conexões irá aumentar o custo de implantação da rede (Capital Expenditure - CAPEX), mas poderá também suportar uma carga de tráfego maior se as conexões forem de nidas apropriadamente. Em uma rede transparente, o sinal permanece no domínio óptico durante o caminho inteiro entre a origem e o destino da transmissão, sem que nenhuma conversão óptica-elétrica-óptica (O-E-O) ocorra. Apesar de este tipo de rede apresentar um menor custo quando comparada com redes opacas e translúcidas, a acumulação de penalidades no sinal em caminhos ópticos mais longos pode diminuir a Qualidade de Transmissão (QoT) devido aos severos efeitos da camada óptica. Em geral, a degradação do sinal também está relacionada com a qualidade dos dispositivos empregados e consequentemente, implicam no custo da rede. De fato, o planejamento de uma rede óptica deve considerar o compromisso entre dispositivos com custo mais baixo que irão conferir um desempenho inferior à rede e entre dispositivos mais caros que podem fornecer um desempenho global superior à rede óptica. Portanto, o planejamento completo de uma rede óptica, incluindo o projeto da topologia física e especi cação de dispositivos é um problema
de otimização multiobjetivo típico.
Algoritmos evolucionários têm sido usados com sucesso para a solução de problemas de otimização com restrições e muitos paradigmas já foram propostos, dentre os quais podem ser destacados: Algoritmos Genéticos, Evolução Diferencial, Estratégias de Evolução e Pro- gramação Genética [103]. Por outro lado, problemas do mundo real apresentam desa os adicionais que precisam ser tratados pelos algoritmos de otimização. Primeiramente, pro- blemas do mundo real geralmente apresentam muitos objetivos con itantes que precisam ser otimizados simultaneamente. Segundo, a tarefa de avaliar uma solução candidata geralmente é computacionalmente custosa em termos de tempo de execução para problemas reais. Já foi demonstrado para diversos casos que algoritmos evolucionários também podem ser aplicados a problemas com dois ou mais objetivos con itantes [104]. Os Algoritmos Evolucionários Multi-objetivos (AEMO) geram um conjunto de soluções e a maioria destes algoritmos usam o conceito de dominância. Alguns AEMOs também já foram aplicados para a solução do pro- blema Árvore Geradora Mínima Multi-objetivo (MO-MST) [105, 106] e em planejamento de redes ópticas [49, 22]. Alguns trabalhos recentes sobre otimização multiobjetiva de problemas reais têm focado no estudo de modelos substitutos (Surrogate Models) para avaliação de solu- ções de modo a diminuir o tempo total de execução dos algoritmos evolucionários [107, 108]. Conforme apresentado no Capítulo 3, os avanços em Ciência das Redes permitiram o desenvolvimento de novas soluções para problemas do mundo real que podem ser modelados como grafos. Uma das hipóteses desta Tese é de que as métricas topológicas desenvolvidas recentemente e os modelos de geração de redes podem ser usados com sucesso para construção de ferramentas de planejamento de redes ópticas, especialmente no que concerne ao projeto de topologia física.
Neste capítulo será proposta uma metodologia evolucionária mutiobjetiva para tratar o problema de projeto de topologia física de redes ópticas. Nesta metodologia são usados con- ceitos de Ciência das Redes e técnicas de aprendizagem de máquinas. Este capítulo está organizado da seguinte forma: a Seção 5.1 apresenta uma fundamentação teórica sobre otimi- zação multiobjetiva; a Seção 5.2 apresenta uma descrição formal do problema que é tratado neste capítulo; a Seção 5.3 descreve a proposta desta Tese para o planejamento de redes ópticas.
5.1 Otimização Multiobjetiva
Esta seção apresenta conceitos gerais de otimização multiobjetiva e sobre o algoritmo evolu- cionário que foi usado como base para o desenvolvimento na proposta de planejamento desta Tese. A subseção 5.1.1 apresenta os conceitos e a terminologia básica que é usada em otimiza- ção multiobjetiva. A subseção 5.1.2 apresenta as métricas usadas para avaliação de qualidade de soluções fornecidas por algoritmos de otimização multiobjetivos. A subseção 5.1.3 apre-
senta o algoritmo NSGAII, que é usado como base para a metodologia evolucionária que é proposta pela Tese.