Heurísticas Aplicadas aos Sistemas de Comunicação

O termo heurística é derivado do grego heuriskein, que significa descobrir ou achar. Mas o significado da palavra, no contexto dos problemas inerentes aos sis- temas de comunicação baseados em espalhamento espectral do tipo DS/CDMA, vai um pouco além de sua etimologia. É possível dizer que uma heurística, no sentido dado ao termo, refere-se a um método de busca por soluções em que não existe qualquer garantia de sucesso. Em um problema de otimização, o sucesso pode ser representado pela obtenção da solução ótima ou próxima o suficiente dela. Segundo (GOLDBARG; LUNA, 2000), o método heurístico pode ser definido

como:

“Uma heurística é uma técnica que busca alcançar uma boa solução utilizando um esforço computacional considerado razoável, sendo ca- paz de garantir a viabilidade ou a otimalidade da solução encontrada ou, ainda, em muitos casos, ambas, especialmente nas ocasiões em que essa busca partir de uma solução viável próxima ao ótimo”

As primeiras heurísticas relatadas na literatura buscavam soluções para pro- blemas específicos e não eram, via de regra, passíveis de serem utilizadas em outros problemas. As primeiras heurísticas de roteamento são um bom exemplo disso (GOLDBARG; LUNA, 2000).

As heurísticas modernas têm despertado crescente interesse da comunidade científica, tanto pela reduzida complexidade resultante de sua utilização, como pela qualidade das soluções encontradas, tornando-se uma alternativa cada vez

mais atraente para a solução de grande parte das aplicações reais em problemas de otimização combinatória árduos (AARTS; LENSTRA, 1996; OSMAN; KELLY, 1996; OSMAN; LAPPORT, 1996; RAYWARD-SMITH et al., 1996).

Uma possível classificação18 _{para as heurísticas pode ser vista na figura 1.2,}

resumindo as principais abordagens conhecidas na literatura (GOLDBARG; LUNA,

2000). Tipicamente, é bastante comum que as heurísticas explorem, de forma casual, a estrutura do problema, sem que, normalmente, se possa definir clara- mente uma estratégia universal de solução. No entanto, no caso das chamadas metaheurísticas, existe invariavelmente uma estratégia geral de solução, cabendo apenas adaptá-la ao problema específico.

Estocásticas Clássicas

Heurísticas

Analógicas - Recozimento Simulado - Busca Tabu - Busca Local * Descendente * Aleatória - Técnicas Evolucionárias * Algoritmo Genético * Programação Evolucionária * Clássica * Reativa

Figura 1.2: Possível classificação para abordagens heurísticas

Teoricamente, qualquer estratégia metaheurística pode ser adaptada para um problema específico em sistemas de comunicações do tipo CDMA. Dentre as heu- rísticas empregadas em distintos problemas de otimização, pode-se citar o al- goritmo genético e outras técnicas evolutivas (ex. Programação Evolucionária), os de busca local ou baseados em vizinhança (ex. 1−opt, k−opt, Decodifica- dor Esférico), os baseados em poda de árvores ou restrição de soluções visitadas (ex. Busca Tabu, GRASP) e os baseados em comportamento social de espécies (ex. Nuvem de Partículas, Colônia de Formigas), pois apresentam vantagens como robustez da solução encontrada (qualidade na solução), independentemente da dificuldade do problema, i.e., comportamento da função custo em termos da quantidade de máximos locais19_.

No entanto, na literatura, poucos algoritmos heurísticos têm sido utilizados para problemas específicos em sistemas de comunicações. Segundo a classifi- cação apresentada na figura 1.2, pode-se citar as Analógicas, as Estocásticas e as Clássicas. Fazem parte das heurísticas Analógicas os Algoritmos Genéti- cos (GA), os de Programação Evolucionária (EP) e suas variantes (HOLLAND,

18_{Outras formas de classificação podem ser encontradas na literatura.}

19_{Ou mínimos locais, dependendo se o problema a ser otimizado consiste em encontrar o}

1970, 1973, 1975; GREFENSTETTE et al., 1985; GOLDBERG, 1989; FOGEL, 1994; MITCHELL, 1998). Compõem as heurísticas Estocásticas as técnicas de Recozi-

mento Simulado (SA) (METROPOLIS et al., 1953;KIRKPATRICK; GELLAT; VECCHI,

1983; CERNY, 1985b; LAARHOVEN; AARTS, 1985; AARTS; KROST, 1989; OSMAN; POTTS, 1989; MAVRIDOU; PARDALOS, 1997), os algoritmos de Busca Tabu Clás-

sica (GLOVER, 1977, 1986, 1987; GLOVER; LAGUNA, 1997), os de Busca Tabu

Reativa (BATTITI; TECCHIOLI, 1994), entre outros. Já as heurísticas Clássicas

são compostas pelos algoritmos de Busca Local 1−opt e os de Busca Local k−opt (REEVES, 1993; HANSEN; MLEDANOVIC, 1998), etc. Assim, para cada problema

de otimização é possível elaborar estratégias aproximativas que levem em conta as particularidades do modelo descritivo.

Em comparação com as técnicas exatas, os métodos heurísticos não garantem encontrar uma solução ótima após atingirem um critério de parada; mas estes têm demonstrado alta eficiência em problemas de larga combinação para casos práticos, além de poderem ser modificados facilmente, adaptando-se ao problema analisado (GOLDBARG; LUNA, 2000; TAN, 2001).

Na literatura especializada, apesar de existirem vários trabalhos empregando procedimentos heurísticos para a detecção multiusuário sub-ótima, a maioria das investigações analisadas até 2004 estava restrita a canais não muito realistas para a maioria dos sistemas de comunicação, isto é, canais AWGN síncronos (JUNTTI; SCHLOSSER; LILLEBERG, 1997; YEN; HANZO, 2000; ERGUN; HACIOGLU, 2000; SHAYESTEH; MENHAJ; NOBARY, 2001;WU et al., 2003;LIM; VENKATESH, 2003;AL- SAWAFI; JERVASE, 2004; DONG et al., 2004; ABRÃO; CIRIACO; JESZENSKY, 2004).

No entanto, estas investigações demonstraram a possibilidade de alcance de um desempenho ótimo ou muito próximo ao ótimo com uma redução expressiva da complexidade computacional envolvida. Desta forma, motivou-se o desenvolvi- mento de diversos outros trabalhos pioneiros utilizando algoritmos heurísticos restritos a apenas um problema de otimização como detecção multiusuário (YEN; HANZO, 2001;ABEDI; TAFAZOLLI, 2001;CIRIACO; ABRÃO; JESZENSKY, 2004;YEN; HANZO, 2004; CIRIACO; ABRÃO; JESZENSKY, 2005a, 2005b, 2006a, 2006c), forma-

tação de feixe (WOLFGANG et al., 2004), codificação espaço-tempo (YEN; HANZO,

2003; DU; CHAN, 2003), sistemas com OFDM (ALIAS; CHEN; HANZO, 2004) em canais planos ou seletivos em frequência. Mas a partir de 2007, com o traba- lho de M. Jiang e L. Hanzo (JIANG; HANZO, 2007), evidenciou-se a possibilidade

de utilização de algoritmos heurísticos na obtenção de desempenho próximo ao ótimo de forma conjunta20 _{para os diversos problemas inerentes aos sistemas de}

20

comunicação, trazendo uma nova perspectiva de utilização destas estratégias de otimização para os próximos sistemas sem fio de alto desempenho. Neste artigo, foi considerado a utilização do algoritmo genético para a otimização conjunta do sinal com diversidade em frequência e espaço (OFDM e SDMA), apresentando resultados de desempenho promissores.

Visando tornar o texto mais versátil e simultaneamente completo, optou- se por descrever o histórico evolutivo bem como apresentar a contribuição dos trabalhos já citados e outros relevantes no apêndice A.

Mas mesmo com a apresentação de resultados promissores, nenhum padrão da indústria para os sistemas de comunicação sem fio de alto desempenho con- sidera a utilização de técnicas heurísticas. Isso corrobora a ideia de descrédito da comunidade científica, da indústria e dos órgãos padronizadores das teleco- municações para a adoção destes métodos. Logicamente, esta não aceitação está intimamente ligada à falta de trabalhos que demonstrem de forma contundente, critérios e escolha de parâmetros dos algoritmos que proporcionem garantia de convergência, estabilidade das soluções21 _{ou mesmo capacidade do algoritmo de}

se comportar dentro de limites pré-estabelecidos, mantendo, ainda, uma comple- xidade computacional factível de implementação e inferior a outros métodos.

Desta forma, diferentemente dos trabalhos citados e da maioria dos resultados encontrados na literatura, este trabalho considera uma abordagem conjunta e ite- rativa multidimensional de detecção que visa recuperar de forma ótima ou muito próxima à ótima todos os bits de todos os usuários em um mesmo quadro de pro- cessamento, considerando canais multipercurso com vários perfis atraso-potência, taxas de transmissão, codificação temporal ou espaço-temporal, múltiplas antenas de transmissão/recepção e com multiportadoras, modelando, assim, sistemas que podem disponibilizar diferentes serviços como voz, dados e vídeo em alta taxa.

Além disso, visando estabelecer critérios de qualidade que atendam os re- quisitos de aceitação da comunidade científica, da indústria e dos órgãos padro- nizadores das telecomunicações, esta investigação realiza uma análise sobre os limiares de convergência e de desempenho dos algoritmos heurísticos utilizados, considerando métricas de qualidade em termos de estabilidade, capacidade, con- trole e facilidade de implementação, bem como da complexidade das topologias propostas em relação às convencionais utilizadas nos padrões comerciais.

No documento Otimização multidimensional baseada em heurísticas aplicada aos sistemas de comunicação... (páginas 55-59)