Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/10924
Título: Uma Abordagem Estatística para o Projeto de Topologias Físicas de Redes Ópticas
Autor(es): Depizzol, Daniela Bertolini
Orientador: Segatto, Marcelo Eduardo Vieira
Data do documento: 26-Nov-2018
Editor: Universidade Federal do Espírito Santo
Resumo: As redes ópticas desempenham um papel vital na atual sociedade da informação, e issocoloca o projeto dessas redes como uma questão central. Um projeto ruim de uma redeóptica pode acarretar em desperdício de recursos e mau desempenho da rede. Muitosparâmetros podem indicar as características de uma rede, e dentre eles tem-se o númeromínimo de comprimentos de onda (λ) necessários para atender uma determinada demandade tráfego, que é um fator de custo dominante no dimensionamento de rede, onde asua otimização maximiza o espectro disponível na rede. Uma modelagem natural pararedes ópticas é por meio de grafos, que possuem um número de nós (n) e arestas (m).O espaço de possíveis redes cresce exponencialmente comn, o que dificulta a busca deredes que minimizemλ, e que é agravado pelo fato do cálculo deλserNP-hard. Coma hipótese de que o valor deλé influenciado pela topologia da rede, busca-se entãoencontrar invariantes topológicos de grafos, de tempo computacional polinomial, quesejam bem correlacionados comλ, para que se possa estimarλde um modo mais rápido,em função desses invariantes. No presente trabalho, procede-se então com uma buscaexploratória de invariantes topológicos de grafos, no melhor dos esforços. Tal base deinvariantes levantada é ranqueada, numa seleção de atributos inédita em redes ópticas, viaestimadores de informação mútua. Para isso é usada uma amostra com2,2×106redesaleatórias que imitam redes reais, em que o ranqueamento dos invariantes ocorre comtodas as redes juntas e também separadas porn. Como resultado, destacam-se aqui, osinvariantes derivados doedge betweenness, que estão entre os mais bem posicionados nosrankingsobtidos, demonstrando sua boa representatividade para explicarλ. De posseentão, dos invariantes mais significativos para explicarλ, em seguida procede-se comregressões apropriadas para estimarλ. Tal estimativa facilita o teste deλem uma grandequantidade de grafos, e é considerada em heurísticas para a busca, em poucos minutos, detopologias que minimizem o requerimento de comprimentos de onda. A economia totalentre as redes reais de entrada e as respectivas redes de saída variou de 23% a 59% e, alémdisso, as redes de saída demonstram uma maior confiabilidade comparativamente às redesreais de entrada.
Optical networks play a vital role in the current information society, and this puts thedesign of such networks as a central issue. Poor design of an optical network can leadto wasted resources and poor network performance. Many parameters can indicate thecharacteristics of a network, and among them there is the minimum number of wavelengths(λ) required to meet a given traffic demand, which is a dominant cost factor in networkdesigning, where its optimization maximizes the spectrum available on the network. Anatural modeling for optical networks is by means of graphs, which have a number ofnodes (n) and edges (m). The number of possible networks grows exponentially withn,which makes difficult to find networks that minimizeλ, what is aggravated by the factthat the calculation ofλis a NP-Hard problem. With the hypothesis that the value ofλto be influenced by the network topology, it is sought to find topological invariantsof graphs with polynomial computational time, that are well correlated withλ, and sothatλcan be estimated more quickly, as a function of these invariants. In the presentwork, it is proceeded with an exploratory search of graphs topological invariants, in thebest of efforts. Such raised base of invariants is ranked, in an unprecedented selectionof attributes in optical networks, via mutual information estimators. For this, a samplewith2.2×106random networks that mimic real networks is used, where the invariantsranking occurs with all networks together and also separated byn. As a result, stand outthe invariants derived fromedge betweenness, which are among the best positioned in theobtained rankings, demonstrating their good representativeness to explainλ. Then, fromthe most significant invariants to explainλ, it is proceeded with appropriate regressionsto estimateλ. This estimation facilitates theλtest in a large number of graphs and isconsidered in heuristics to search, in a few minutes, for topologies that minimize therequirement for wavelengths. The total savings between the real input networks and theiroutput networks varies from 23% to 59% and, in addition, output networks demonstrategreater reliability compared to real input networks.
URI: http://repositorio.ufes.br/handle/10/10924
Aparece nas coleções:PPGEE - Teses de doutorado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tese_8268_[Versao_Final]_Tese_Daniela-Bertolini-Depizzol_2018.pdf8.42 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.