Diseño de Topologías Virtuales en Redes Ópticas. Un enfoque basado en Colonia de Hormigas
|
|
- María del Carmen Correa Alarcón
- hace 8 años
- Vistas:
Transcripción
1 Diseño de Topologías Virtales en Redes Ópticas. Un enfoqe basado en Colonia de Hormigas Carlos Insfrán Universidad Nacional de Asnción Camps Universitario San Lorenzo, Paragay Casillas de Correos 439 Diego Pinto Universidad Nacional de Asnción Camps Universitario San Lorenzo, Paragay Casillas de Correos 439 Benjamín Barán Universidad Nacional de Asnción Camps Universitario San Lorenzo, Paragay Casillas de Correos 439 Abstract To satisfy the necessity of a large bandwidth a design of Virtal Topologies is reqired in order to obtain the maximm performance of optical networks. The problem at hand, also known as Roting and Wavelength Assignation (RWA), is solved sing a novel approach, based on mltiobjective Ant Colony Optimization (ACO), proposing a conversion of the original RWA problem into a problem of traditional roting, modifying the graph that represents the optical network. For the resoltion of the RWA problem, this work proposes new versions of the MltiObjective Ant Colony System - MOACS and the Mltiobjective Max-Min Ant System - M3AS. Both ACO algorithms simltaneosly minimize the total nmber hop cont and the total nmber of wavelength switching for a set of given nicast demands. In this way, a set of optimal soltions, know as Pareto set, is calclated in only one rn of the algorithms, withot a priori restrictions. Keywords: Networks, Optical Networks, Virtal Topologies, Ant Colonies and Mltiobjective Optimization. Resmen La creciente necesidad de proveer gran ancho de banda, hace crítica la resolción del problema de Diseño de Topologías Virtales para la obtención del máximo desempeño de las redes ópticas. Dicho problema es conocido como Roting and Wavelength Assignation (RWA). Este trabajo propone n novedoso enfoqe de resolción del RWA basado en colonia de hormigas (Ant Colony Optimization-ACO), proponiendo na conversión del problema RWA original a n problema de enrtamiento tradicional, modificando el grafo qe representa la red óptica. Para la resolción del problema en cestión, se proponen nevas versiones del MltiObjective Ant Colony System MOACS y del Mltiobjective Max-Min Ant System M3AS. Ambos algoritmos simltáneamente minimizan el número total de saltos (hop cont) y el número total de longitdes de onda conmtadas (wavelength switching) al atender n conjnto conocido de demandas. De esta manera, n conjnto de solciones óptimas de compromiso, conocido como conjnto Pareto, es calclado por los algoritmos en na sola corrida, sin restricciones a priori. Palabras Claves: Redes, Redes Ópticas, Topologías Virtales, Colonia de Hormigas y Optimización Mltiobjetivo.
2 . INTRODUCCIÓN La tecnología basada en Wavelength Division Mltiplexing (WDM) aplicada a las redes ópticas, ha reselto en gran parte el problema de explotar el enorme potencial del ancho de banda de las fibras ópticas, hoy sb-tilizadas. WDM divide el ancho de banda de na fibra óptica en diferentes longitdes de onda, tilizadas por dispositivos electrónicos qe peden transmitir y recibir datos sin presentar los ya conocidos problemas de electronic bottlenecks []. Otro problema crítico asociado a la comnicación óptica, de gran interés actal, es la elección de rtas y longitdes de onda para interconectar n conjnto de pares fente-destino (lightpath), de forma a optimizar el desempeño de la red óptica, bajo las restricciones propias de la misma. Este problema es conocido Roting and Wavelength Assignment (RWA) o Virtal Topology Design [3]. RWA pede ser del tipo estático (Static-RWA) o del tipo dinámico (Dynamic-RWA), dependiendo del tráfico a ser atendido. Como la mayoría de las redes de áreas extensas (Wide- Area Networks, WANs) están orientadas a n servicio de tráfico pre-contratado, este trabajo apnta enteramente a la resolción del Static-RWA donde los cambios de reserva de anchos de banda solo ocrren ocasionalmente y no son necesariamente atendidos en tiempo real. Debido a qe ambos tipos de problemas pertenecen a la clase de problemas NP-Completo [4], la amplia gama de investigaciones ya realizadas tratan el problema con enfoqes herísticos [3, 5]. Uno de los primeros trabajos en tratar el problema en cestión [5], propone optimizar el número tilizado de transmisores/receptores y el retardo promedio de fin-a-fin, basado en na herística conocida como Simlated Annealing, SA. Saha y Sengpta proponen resolver el Virtal Static Topology Design tilizando n simple algoritmo genético (Genetic Algorithm, GA) optimizando la sma ponderada del tráfico generado y el número de saltos, entre otros objetivos. Considerando na restricción en la continidad de longitd de onda [3]. Otro trabajo qe tiliza GA [6], presenta na optimización simltánea del número total de longitdes de onda y el retardo promedio, considerando las restricciones de continidad y el conflicto de longitdes de onda. Varela y Sinclair proponen el enfoqe ACO mono-objetivo para la resolción del problema de enrtamiento, mientras qe la asignación de longitdes de onda es tratada tilizando otro método conocido como greedy method. Este trabajo minimiza el número reqerido de longitdes de onda diferentes (Network Wavelength Reqirement - NWR) para bicar todas las solicitdes nicast sobre la red óptica [7]. Con el advenimiento de redes enteramente ópticas se plantean problemas más complejos [2], como ser la restricción de continidad de longitd de onda, por lo qe el problema de Diseño de Topologías se velve crítico, al intentar obtener n ben desempeño en la red óptica. Otro problema desafiante es la transmisión mlticast, bajo la misma restricción de continidad. El árbol mlticast óptico genera pérdidas de potencia en las bifrcaciones por las divisiones de longitdes de onda, qe solo son parcialmente compensadas por los amplificadores ópticos. Básicamente, el problema a resolver es encontrar los árboles ópticos balanceados qe optimicen a la vez los recrsos de la red óptica. En este contexto, el concepto de lightpath es generalizado a light-tree donde la red enteramente óptica qeda transparente a los sarios [2]. Entre las distintas aplicaciones prácticas del Diseño de Topologías Virtales pede mencionarse: optical mlticast, enhanced virtal connectivity, traffic grooming, improved optical network performance, entre otros [2], por lo qe el tratamiento del Static-RWA qeda plenamente jstificado. Este trabajo plantea el problema de Virtal Static Topology Design (o Static-RWA) en redes ópticas, minimizando simltáneamente: a) el número de saltos (hop cont) y b) el número de longitdes de onda conmtadas (wavelength switching), bajo restricciones de cantidad de longitdes de onda disponibles. Cabe destacar qe Mkherjee et al. consideran qe varias solicitdes peden compartir na misma longitd de onda en el mismo enlace [5]. La Optimización por Colonia de Hormigas (Ant Colony Optimization, ACO), se inspira en el comportamiento de las colonias de hormigas natrales drante la búsqeda de s alimento. ACO se ha establecido como na alternativa válida en la resolción de problemas combinacionales [8]. En consecencia, este trabajo propone modificar dos algoritmos ACO mltiobjetivo para la resolción del Static-RWA, estos son: el MltiObjective Ant Colony System (MOACS) [] y el Mltiobjective Max-Min Ant System (M3AS), exitosamente tilizados en varios problemas combinacionales como el Mlticast Roting Problem [], Traveling Salesman Problem (TSP) [8] y Vehicle Roting Problem (VRP) [0], entre otros. El resto del trabajo se organiza de la sigiente forma: en la Sección 2 se presenta la definición formal del problema de optimización mltiobjetivo, mientras qe la formlación del problema es dada en la Sección 3. En la Sección 4 se expone el enfoqe de resolción basado en ACO, en la Sección 5 se exhibe al ambiente experimental y los resltados. Finalmente en la Sección 6 se presentan las conclsiones y trabajos ftros.
3 2. PROBLEMA DE OPTIMIZACIÓN MULTIOBJETIVO Un Problema de Optimización Mltiobjetivo (Mltiobjective Optimization Problem MOP) general inclye n conjnto de n variables de decisión, n conjnto de k fnciones objetivo, y n conjnto de m restricciones. Las fnciones objetivos y las restricciones son fnciones de las variables de decisión. Lego, n MOP pede expresarse como: Optimizar y = f(x) = (f (x), f 2 (x),..., f k (x)) sjeto a e(x) = (e (x), e 2 (x),..., e m (x)) 0 donde x = (x, x 2,..., x n ) X y = (y, y 2,..., y k ) Y () siendo x el vector de decisión, mientras qe y es el vector objetivo. El espacio de decisión se denota por X, y el espacio objetivo por Y. Optimizar, dependiendo del problema, pede significar igalmente, minimizar o maximizar. El conjnto de restricciones e(x) 0, determina el conjnto de solciones factibles X f X y s correspondiente conjnto de vectores objetivo factibles Y f Y. El problema de optimización con n solo objetivo (Single Optimization Problem SOP) consiste en hallar la x qe tenga el mejor valor de f(x). Dentro del contexto mltiobjetivo pede qe no exista n único mejor valor, sino n conjnto de solciones de compromiso. Dados dos vectores de decisión, v X f, se peden establecer las sigientes notaciones: f() = f(v) f() f(v) f() < f(v) si y solo si i {, 2,..., k}: f i () = f i (v) si y solo si i {, 2,..., k}: f i () f i (v) si y solo si f() f(v) f() f(v) (2) En n contexto de minimización, pede darse na de las sigientes tres condiciones: v ( domina a v) sí y solo sí f() < f(v) v (v domina a ) sí y solo sí f(v) < f() ~ v ( y v no son comparables) sí y solo sí f() f(v) f(v) f() (3) Alternativamente, v denota qe v o ~ v. Dado n vector de decisión x X f, se dice qe x es no dominado respecto a n conjnto Q X f si y solo si x v, v Q. En caso qe x sea no dominado respecto a todo el conjnto X f, y solo en ese caso, se dice qe x es na solción Pareto óptima. Por lo tanto, el conjnto Pareto óptimo X tre pede ser definido formalmente como: X tre = { x X f x es no dominado con respecto a X f } (4) El correspondiente conjnto de vectores objetivo Y tre = f(x tre ) constitye el Frente Pareto óptimo. Usalmente, X tre e Y tre no peden ser calclados en forma exacta en tiempos razonables, por lo qe para fines prácticos, se intentará calclar al menos na bena aproximación, conocidos en la literatra como X known e Y known respectivamente [2]. 3. FORMULACIÓN MATEMÁTICA Para este trabajo, na red de comnicaciones ópticas es modelada como n grafo G = (V, E, C), donde V es el conjnto de nodos, E es el conjnto de enlaces y C es el conjnto de longitdes de onda disponibles en cada enlace óptico perteneciente a E. Sea: (i, j) E enlace óptico desde el nodo i al nodo j; donde i, j V; c C número máximo de longitdes de onda diferentes en el enlace (i, j);
4 =(s, n) solicitd nicast con nodo fente s y nodo destino n donde s, n V; U conjnto de solicitdes nicasts, donde U = { es na solicitd nicast}; l L U longitd de onda () asignada a la solicitd nicast en el enlace (i, j); camino de lz (lightpath) o conjnto de enlaces entre n nodo fente s y s destino n, con la asignación de longitdes de onda correspondiente en cada enlace; solción del problema RWA atendiendo al conjnto U de solicitdes. Note qe L U = {l l es n conjnto de enlaces con s asignación de longitd de onda}. En particlar, L U es la variable de decisión x presentada en la sección anterior. Utilizando las definiciones anteriores, el Static-RWA pede ser tratado como n MOP qe bsca la mejor solción L U qe simltáneamente minimice las sigientes fnciones objetivos: - Número total de saltos: y = φ donde: U ( i, j) l si (i, j) l φ = (5) 0 en otro caso 2- Número de longitdes de onda conmtadas: donde: y2 = ϕ nodo i V se conmta para solicitd U i V ϕ = si en el (6) 0 en otro caso Restricción del problema: Dos transmisiones nicast no peden atravesar n mismo enlace óptico (i, j) con la misma longitd de onda. Un ejemplo podrá aclarar la formlación del problema en cestión y los objetivos considerados. Ejemplo. Dada la red óptica presentada en la Figra, se solicita acomodar el sigiente conjnto de demandas nicast U = {(0,2) (,3) (4,2) (3,2)}. La Figra presenta na posible solción L U y la Tabla expone los cálclos realizados para hallar el vector objetivo y = (y, y 2 ) asociados a L U. 2 Lightpath (0,2) 0 3 Lightpath 2 (,3) Lightpath 3 (4,2) 5 Lightpath 4 (3,2) Figra. Enrtamiento y asignación de longitdes de onda, L U. Observe qe los lightpaths y 2 no tienen conmtación de longitdes de onda, en cambio el lightpath 3 tiene na conmtación en el nodo 3, mientras qe el lightpath 4 tiene dos conmtaciones de longitdes de onda en los nodos 4 y 5. En esta red óptica se ha considerado dos longitdes de ondas por cada enlace óptico (c =2). 4
5 L Tabla. Cálclo de las fnciones objetivos para el Ejemplo. Solción L U =(s,n) (0,2) (,3) (4,2) (3,2) (i, j) l (0,) (,2) (,2) (2,3) (4,3) (3,2) (3,4) (4,5) (5,2) Número de saltos por l Número de conmtaciones por l y ( ) = 9 saltos ( ) = 3 conmtaciones de longitdes de onda y 2 4. OPTIMIZACIÓN POR COLONIA DE HORMIGAS Los algoritmos de Optimización por Colonia de Hormigas (Ant Colony Optimization, ACO), son enfoqes inspirados en el comportamiento natral de las colonias de hormigas [8]. ACO ha sido exitosamente tilizado en la resolción de problemas combinacionales, siendo ss elementos básicos: las hormigas artificiales y la matriz de feromonas τ. La matriz de feromonas τ es el medio indirecto qe tilizan las hormigas para comnicarse, depositando y censando a la vez feromonas drante n recorrido en la constrcción de na solción sobre n grafo G(E, V). Básicamente, la elección de n nodo j mientras na hormiga se encentra en n nodo i es dada por la sigiente ecación probabilística: p τ τ ig = g N i 0 si el enlace (i, j) E en otro caso donde: τ representa el nivel de feromonas depositado en el enlace (i, j); N i es el conjnto de nodos factibles, vecinos del nodo i. Estdios realizados en [3], han demostrado qe la convergencia hacia la solción óptima tilizando la ecación (7) es relativamente lenta, qedando en mchas ocasiones estancada en óptimos locales. Para intentar sperar este problema, algnos trabajos han propesto el concepto de visibilidad. La visibilidad en s forma más simple es la deseabilidad en fnción de algún parámetro asociado a los enlaces. En ese contexto, la elección del sigiente nodo es regido por la ecación (8). p β. η β η α τ α = τ. ig g Ni 0 ig si el enlace en otro (i, j) E donde: η representa la visibilidad del enlace (i, j), α y β son parámetros qe determinan la importancia relativa entre τ y η. En particlar para el Static-RWA, la visibilidad tilizada refleja la deseabilidad de seleccionar n enlace con la misma longitd de onda a la actal. De esta manera, la visibilidad η tilizada en este trabajo, qeda definida como: si el enlace óptico (i, j)" no" conmta de longitd de onda η = (9) si el enlace óptico (i, j) conmta de longitd de onda donde << (en este trabajo se tomo arbitrariamente = 0,0). Para evitar na convergencia prematra hacia óptimos locales, otros trabajos han introdcido el concepto de evaporación de las feromonas. La evaporación es llevada a cabo en la matriz de feromonas τ [4] y regida por la ecación: τ = (- ρ)τ (0) donde: 0 ρ es el factor de persistencia de las feromonas. caso (7) (8)
6 5. ENFOQUE PROPUESTO Para la resolción del Static-RWA, se propone inicialmente constrir n grafo modificado G, a partir del grafo qe representa la red óptica real G, de forma a eliminar la complejidad ocasionada en el conflicto de asignación de las longitdes de onda. La modificación del grafo convierte el Static-RWA en n simple problema de enrtamiento. Básicamente, cada enlace óptico (i, j) qe soporta más de na longitd de onda es remplazado por c enlaces independientes, como se observa en la Figra 2 (a) y (b). Lego, los enfoqes ACO son aplicados en s forma más simple, para resolver n problema de enrtamiento. En este pnto, este trabajo propone la re-estrctración de dos algoritmos ACO exitosamente tilizados en otros problemas combinacionales. Estos algoritmos son: el MltiObjective Ant Colony System MOACS [0] qe demostró ser el mejor algoritmo mltiobjetivo para el problema del cajero viajante (TSP) bi-objetivo [5], y el Mltiojective Max-Min Ant System M3AS recientemente pblicado, logrando n prometedor desempeño []. 5. Constrcción del Grafo Modificado Dado n Grafo G(V, E, C) descrito en la sección 3, se genera s correspondiente G (V, E ) con V nodos y E enlaces, sobre el qe se reselve el problema de enrtamiento. Básicamente, cada enlace (i, j) E, con c longitdes de onda (), es descompesto en c caminos independientes. Para cada camino independiente entre el nodo i y el nodo j, n nodo extra es agregado, éste identifica na posible longitd de onda. La Figra 2 presenta el caso general de conversión de n enlace óptico. Note qe como consecencia de la conversión, las sigientes expresiones matemáticas sobre el número de nodos y enlaces en G son dedcidas: V ' = V + y E' = 2 c ( i, j) E ( i, j) E c () i j i j.. c.. c (a) Enlace en G (b) Enlace expandido en G Figra 2. (a) Un enlace (i, j) del grafo G(V, E, C) con capacidad de c longitdes de onda diferentes. (b) Caminos en G (V, E ) resltantes de la modificación, correspondientes para cada longitd de onda. De forma a facilitar el entendimiento sobre lo arriba expesto, se presenta el sigiente Ejemplo 2. Ejemplo 2. Dada la red óptica presentada en la Figra 3(a) se solicita acomodar el conjnto de demandas U = {(0,4), (5,3)}, asmiendo qe c = 2 para todos los enlaces. El primer paso en la resolción del problema según la propesta dada, es modificar cada enlace (i, j) de la red óptica representada por el grafo G. Este cambio pede observarse en la Figra 3(b), donde el grafo G fe constrido a partir de G. Una vez constrido G se pede tilizar calqier método tradicional para acomodar la demanda U, si fere posible. Por la restricción impesta en la sección 3, cada enlace de G pede ser asignado a na sola demanda nicast U. Despés de calclar na solción L U, los nodos agregados definen implícitamente la longitd de onda asignada y el enlace óptico al cál corresponden, para cada respesta nicast U. Este mapeamiento de caminos ordinarios y lightpaths pede observarse en la Figra 4.
7 Nodo real c 4 (a) Nodo agregado Figra 3. (a) El grafo G(V, E, C) corresponde a la red óptica real, donde se observa qe los enlaces tienen dos longitd de onda (, ). Note, qe los nodos ópticos peden conmtar las longitdes de onda. (b) El grafo G (V,E ) corresponde a la red modificada, donde se han agregado entre cada par de nodos adyacentes del grafo G dos nodos para formar dos caminos independientes y correspondientes a cada posible longitd de onda (a) Figra 4. (a) Solción L U para el conjnto U = {(0,4) (5,3)} en el grafo modificado G (b) Solción L U para el conjnto nicast U = {(0,4) (5,3)} en el grafo real, considerando el camino más la asignación de longitd de onda (lightpaths). Note qe en el camino seleccionado para la solicitd = (5,3), los nodos 5 y 3 en G indican la longitd de onda consecentemente, en el grafo G pede observarse qe los enlaces (5,4) y (4,3) tilizan (b) (b) Mltiobjective Ant Colony System MOACS El MltiObjective Ant Colony System MOACS ha sido tilizado exitosamente en la resolción de varios problemas combinacionales [0, ]. El MOACS se caracteriza por optimizar varios objetivos simltáneamente, para lo cal tiliza na colonia de w hormigas artificiales. Cada hormiga constrye na solción sobre n grafo tilizando na regla psedo-aleatoria [0], en la qe se aprovecha el conocimiento acmlado en la matriz de feromonas τ para realizar búsqedas locales, sin dejar de explorar nevas zonas del espacio de solciones. Otra característica del MOACS, es la forma de actalización de la matriz de feromonas τ. Ésta es llevada a cabo si el Frente Pareto no fe modificado en la última generación, en caso
8 contrario τ es reiniciado de forma a borrar rastros de malas solciones qe ya feron eliminadas. La Figra 5(b) presenta el algoritmo MOACS para el Static-RWA. INICIO M3AS Leer G(V, E, C), demanda U, parámetros α, β y ρ; Constrir G (V, E ); τ = τ 0 /* inicializar feromonas Mientras algún criterio de parada no sea satisfecho Constrir w solciones L U /* Ant-RWA Evalar y=( y, y 2 ) de cada solción L U Actalizar Y known con cada solción L U Cálclo de τ min y τ max sando Y known Para todo L U Y known, hacer τ = τ + (i, j) L U y *( y2 + ) fin-para Evaporar feromonas Cmplir condición τ min τ τ max fin-mientras Retornar Y known FIN M3AS (a) INICIO MOACS Leer G(V, E, C), demanda U, parámetros α, β y ρ; Constrir G (V, E ); τ = τ 0 /* inicializar feromonas Mientras algún criterio de parada no sea satisfecho Constrir w solciones L U /* Ant-RWA Evalar y=( y, y 2 ) de cada solción L U Actalizar Y known con cada solción L U Si Y known fe modificado τ = τ 0 /* inicializar feromonas Si-no Para todo L U Y known, hacer ρ τ = ( ρ) τ + (i, j) L U y * ( y2 + ) fin-para fin-si Evaporar feromonas fin-mientras Retornar Y known FIN MOACS (b) Figra 5. Optimizadores ACOs tilizados en la resolción del Static-RWA. (a) Algoritmo M3AS (b) Algoritmo MOACS. 5.3 Mltiobjective Max-Min Ant System M3AS El Mltiobjective Max-Min Ant System M3AS fe diseñado para la resolción del problema de enrtamiento mlticast mltiobjetivo [] y re-estrctrado para el problema en cestión. El M3AS se diferencia de otros ACOs por limitar los niveles de feromonas entre n valor máximo τ max y n valor mínimo τ min, de forma a evitar la convergencia prematra a óptimos locales [9]. Este es n algoritmo elitista al igal qe MOACS, pes solamente las solciones del Frente Pareto son tilizadas en la actalización de la matriz de feromonas τ. La Figra 5(a), presenta el esqema del M3AS. 5.4 Ant-RWA Los ACOs presentados son métodos de optimización independientes al problema tratado. Para particlarizarlo al Static-RWA, cada hormiga artificial debe constrir los lightpaths qe constityen na solción L U. En ese contexto, na hormiga artificial para el Static-RWA es llamada genéricamente Ant-RWA, la cál constrye na solción recorriendo el grafo modificado G. El algoritmo qe representa na hormiga Ant-RWA es presentado en la Figra 6. Básicamente, na hormiga Ant-RWA constrye en G n camino para cada solicitd nicast, hasta atender toda la demanda U, si es posible. Una vez reselto el problema en G, se lo mapea a G para obtener los lightpaths de la solción L U. El algoritmo Ant-RWA pede ser tilizado por calqiera de los ACOs propestos. La diferencia radica en la forma de seleccionar n enlace. Para el MOACS es tilizada na regla psedo-aleatoria [0] mientras qe para el M3AS es tilizada la ecación convencional (8). Otra diferencia es la evaporación en línea qe es llevada a cabo por MOACS. Esto se hace con el fin de incentivar a las hormigas a bscar caminos qe no feron recorridos aún por otras hormigas.
9 INICIO Ant-RWA Leer G (V, E ), demanda U, parámetros α, β, ρ y matriz de feromonas τ ; L U = {Ø}; /* Inicializar solción Para cada solicitd nicast U hacer ' ' l = {Ø}; /* l es el conjnto de enlaces en G sados para atender la demanda. R = {Ø}; /* R es el conjnto de nodos de partidas. R = R s ; /* Cargar nodo fente s de en el conjnto de nodos de partidas. Repetir hasta qe (R = {Ø} o n fe alcanzado) /*n es el nodo destino de. Seleccionar aleatoriamente nodo i R y calclar K i ; /*K i conjnto vecinos factibles al nodo i. Si (K i = {Ø}), entonces R = R i; /*Nodo i no es factible como nodo de partida. Sino Seleccionar nodo j K i /*Regla psedo-aleatoria para MOACS o ecación (8) para M3AS. ' l = ' l {i, j}; /*Se va constryendo el camino para atender. R = R j; /*Nodo j es el nevo nodo factible de partida. τ = (-ρ)*τ + ρ*τ 0 ; /* Evaporación en línea tilizada solo por MOACS. fin-si fin-repetir Si (R = {Ø}) entonces Respesta no alcanzada, terminar ciclo principal; sino Eliminar enlaces no tilizados en l ' ; Borrar de G enlaces tilizados en l ' ; /*Atendiendo a la restricción de la Sección 3. ' Mapear l G a l G; /*Acorde al enfoqe dado en el Ejemplo 2. L U = L U l ; fin-si fin-para Retornar: L U si todas las solicitdes feron atendidas, en otro caso Error. FIN Ant-RWA Figra 6. Algoritmo Ant-RWA. Este algoritmo constrye na respesta L U para los optimizadotes MOACS y M3AS. ' Ant-RWA constrye iterativamente cada no de los caminos l para cada solicitd nicast U, lego elimina los enlaces (i,j) l ' del grafo axiliar G. Finalmente, se mapea la respesta a L U qe atiende a la demanda U en G. 6. AMBIENTE Y RESULTADOS EXPERIMENTALES El MOACS y el M3AS feron implementados sobre na comptadora de 350 MHz AMD Athlon con 28 MB de RAM, siendo el compilador sado el Borldan C++ V5.02. Con el objetivo de evalar los métodos prepestos, feron reseltos 2 problemas de preba, en los qe se seleccionaron varios conjntos de demandas nicast U con diferentes cantidades de longitdes de onda () soportadas por las redes ópticas. En ese contexto, los parámetros tilizados feron: 40 hormigas, importancia relativa β/α=4, porcentaje de evaporación ρ=0,95. Por s parte el MOACS tilizó na probabilidad psedo-aleatoria de 0,95. El criterio de parada en ambos algoritmos fe de 00 generaciones. Para cada conjnto nicast U y capacidad c de longitdes de onda en la red, n conjnto de solciones óptimas aproximadas al Frente Pareto fe calclado sando el sigiente procedimiento:. Cada algoritmo fe ejectado 0 veces. 2. Un conjnto de solciones formado por todas las solciones de las 0 corridas fe obtenido. 3. Las solciones dominadas feron eliminadas, y n conjnto aproximado al Frente Pareto llamado Y known fe creado. Lego, cada na de las 0 corridas fe comparada con Y known para obtener promedios de solciones aportadas.
10 6. Problema de Preba La topología NSFnet [] fe tilizada en este primer problema, donde el conjnto de demandas nicast U y las longitdes de onda soportadas por la red son presentados en la Tabla 3. Esta preba es dividida en seis Tests correspondientes a seis grpos de demandas con cantidades diversas de longitdes de onda soportada por la red (ver Tabla 3). Tabla 3. Conjnto de demandas nicast U a ser acomodadas en la red óptica NSFnet. (a) Red con capacidad constante c =6 y (b) con c = 8. La colmna U es el conjnto de solicitdes nicast, la colmna U indica s cardinalidad, mientras Y known mestra la cantidad de solciones del Frente Pareto. (a) c =6 (i,j) E (b) c =8 (i,j) E U U Y known U U Y known (8,3) (3,6) (7,0) (3,6) (, 6) (7,5) (0, 2) (5,6) (9,4) (3,0) (7,3) (8,2) (4,2) (,9) 0 20 (0,2) (0,2) (,2) (0,2) (3,0) (0,) (9,0) (9,) (0,8) (0,8) (4,9) (4,5) (9,3) (2,) (9,7) (8,4) (2,) (9,3) (0,6) (2,0) (3,3) (,0) (8,3) (3,6) (7,0) (3,6) (, 6) (7,5) (0, 2) 20 (0,2) (0,2) (,2) (0,2) (3,0) (0,) (9,0) (,4) (2,7) (4,5) (6,5) (3,6) (2,6) (6,4) (3,5) 30 (9,4) (2,5) (2,2) (3,9) (2,3) (3,0) (4,7) 5 (4,9) (4,5) (9,3) (2,) (9,7) (8,4) (8,) (,4) (4,2) (,2) (6,) (0,) (,9) (8,) (,2) (3,4) (0,9) (8,2) (3,4) (4,0) (2,0) (8,5) (2,) (9,3) (0,6) (2,0) (3,3) (,0) (9,2) (2,0) (7,3) (6,0) (2,) (,9) (9,) (,4) (2,7) (4,5) (6,5) (3,6) (2,6) (6,4) (8,0) (4,9) (2,7) (6,9) (6,3) (3,5) (8,7) (2,8) 30 (3,5) (9,4) (2,5) (2,2) (3,9) (2,3) 3 40 (8,6) (3,6) (9,3) (0,2) (3,) (0,) (6,7) (3,0) (4,7) (8,) (,4) (4,2) (,2) (6,) (5,8) (3,7) (9,0) (6,0) (3,) (9,3) (9,2) (0,3) (0,) (,9) (8,) (,2) (3,0) (2,9) (0,8) 5 En la Tabla 4 se mestran los resltados de las comparaciones del promedio en 0 corridas con Y known. Pede observarse qe en estas prebas el M3AS tvo mejor desempeño qe el MOACS, pes alcanzó mayor porcentaje de solciones pertenecientes a Y known. M3AS obtvo en promedio el 26,33% de las solciones de Y known mientras qe MOACS solo 7,33%. Tabla 4. Comparación de Solciones obtenidas con Y known para cada U en el problema. Las prebas feron realizadas sobre la topología de red NSFnet. Promedio por corrida U c MOACS Yknow M3 AS Yknow Test % 00% Test % 0% Test % 0% Test % 20% Test % 2% Test % 6% Promedio General 7,33% 26,33% 6.2 Problema de Preba 2 Este segndo problema tilizó como red de preba la NTT network [0]. La Tabla 5 presenta el conjnto de demandas nicast U con las capacidades de longitdes de onda c asignadas a la red. En ésta preba se han realizado seis Tests correspondientes a diferentes combinaciones de demandas U y capacidad de longitdes de onda c para la NTT network.
11 Tabla 5. Conjnto de demandas nicast U a ser acomodadas en la NTT network. (a) Red con capacidad constante c =8 y (b) con c = 0. (a) c =8 (i,j) E (b) c =0 (i,j) E U U Y known U U Y known (8,49) (5,) (,42) (8,33) (32,0) (37,3) (8,49) (5,) (,42) (8,33) (32,0) (37,3) (9,7) (28,3) (40,24) (,4) (9,7) (28,3) (40,24) (,4) 3 (47,30) (47,48) (23,7) (2,4) (28,42) (47,30) (47,48) (23,7) (2,4) (28,42) (54,) (54,) (9,49) (5,2) (,47) (7,8) (20,50) (9,49) (5,2) (,47) (7,8) (20,50) (3,25) (3,25) (,48) (46,30) (8,53) (7,36) (48,9) (,48) (46,30) (8,53) (7,36) (48,9) (8,) 6 (8,) (28,49) (3,29) (28,49) (3,29) (30,28) (45,3) (8,44) (5,3) (49,) (39,30) (50,38) (39,2) (43,37) (9,23) (3,43) (4,25) (53,0) (53,3) (26,33) (30,44) (9,30) (50,44) 0 40 (25,0) (7,26) (3,2) (45,9) (35,36) (49,34) 7 (0,24) (2,44) (3,5) (9,40) (20,5) (,3) (25,40) (,6) (47,8) (6,2) (45,38) (8,22) (33,32) (47,) (9,6) (30,35) (5,2) (2,5) 30 (30,6) (49,45) (6,27) (7,30) (53,24) (24,8) (42,26) (2,26) (48,29) (29,38) (7,42) (20,54) (8,47) (20,37) (0,9) (53,40) (23,8) (3,2) (,52) (6,9) (2,7) (6,46) (30,7) (30,29) (29,2) (23,) (48,29) (34,43) Los resltados de las prebas realizadas en este segndo problema son expestos en la Tabla 6. En estas prebas pede notarse también qe el M3AS tvo mejor desempeño al lograr n promedio general de 4,9% de solciones pertenecientes a Y known, mientras qe el MOACS alcanzó solo el 4,6%, n valor ligeramente menor. Tabla 6. Comparación de Solciones con Y known network. para cada U en el segndo problema de preba sobre la NTT Promedio por corrida U c MOACS Yknow M3 AS Yknow Test 0 8 5% 0% Test ,5% 2,5% Test % 7% Test ,3% 6,6% Test ,% 5,% Test ,2% 8,4% Promedio General 4,6% 4,9% Teniendo en centa los resltados de las Tablas 4 y 6 correspondientes a las dos prebas realizadas, pede conclirse inicialmente qe el M3AS reslta más prometedor qe el MOACS. Este último sin embargo obtvo n desempeño cercano al M3AS con el problema más grande, la red de la NTT, por lo qe debe ser considerado en próximas prebas qe inclyan otras topologías. 7. CONCLUSIÓN Y TRABAJOS FUTUROS Este trabajo presenta n nevo enfoqe basado en ACO para la resolción del problema del Diseño de Topologías Estáticas Virtales en redes ópticas. Este problema se redce al conocido Roting and Wavelength Assignation Static (Static-RWA). Los algoritmos re-estrctrados para resolver el problema RWA, feron el MOACS y el M3AS, qe optimizan simltáneamente dos fnciones objetivos: (a) el número de salto tilizados (y ) y (b) el número de longitdes de onda conmtadas (y 2 ). Este trabajo ha considerado redes ópticas con capacidades de conmtación y mltiplexación WDM de longitdes de onda. El enfoqe propesto permite resolver el Static-RWA como n simple problema de enrtamiento. Esto se logra gracias a la modificación del grafo G original de la red óptica, donde los enlaces con varias longitdes de onda son reemplazados por nodos y enlaces independientes representando diferentes caminos virtales, no por cada longitd de onda, generando n grafo modificado G. De esta forma la complejidad del problema de asignación de longitd de onda es simplificada. A partir del grafo modificado, los algoritmos ACO peden ser aplicados con algnas peqeñas modificaciones para la constrcción de las solciones bscadas.
12 Debido a qe este enfoqe trata el problema como n problema de optimización pramente mltiobjetivo, bsca hallar n conjnto entero de solción no-comparables entre sí conocido con Frente Pareto. Este tipo de optimización tiene na especial ventaja sobre otros métodos, como el de sma ponderada orden lexicográfico, debido a qe no necesita restricciones o conocimientos a priori, evitando eliminar benas solciones. Los resltados experimentales sobre topología de redes conocidas como la NSF y la NTT network con diferente cantidades de longitdes de onda y diferentes conjnto de demandas nicasts, mestran qe el M3AS tvo n mejor desempeño al calclar en promedio mayor cantidad de solciones pertenecientes al Frente Pareto. Como trabajo ftro los atores realizarán más prebas experimentales con grpos de demandas mayores y diferentes cantidades de longitdes de onda en otras topologías. También se pretende comparar este enfoqe con otros métodos herísticos mltiobjetivo. Además, se espera optimizar otras fnciones objetivos como la cantidad de transmisores, considerando restricciones como la continidad de longitd de onda impesta por redes enteramente ópticas. Agradecimiento: Los atores expresan s agradecimiento a la Prof. Ing. Arora Nñez de Maldonado, investigadora principal del proyecto "Comnicaciones Ópticas. Un enfoqe basado en Colonia de Hormigas" por el marco para el desarrollo del presente trabajo, y por s intermedio agradecen a la Dirección General de Investigación Científica y Tecnológica de la Universidad Nacional de Asnción por solventar parcialmente esta investigación. Referencias [] A. Hamad y A. Kamal. A srvey of Mlticasting Protocols for Broadcast-and-Select Single-Hop Networks. IEEE Network, [2] G. Roskas. Optical Layer Mlticast: Rationale, Bilding Blocks, and Challenges. IEEE Network, vol. 7, no., pag , Enero-Febrero [3] M. Saha y I. Sengpta. Agenetic algorithm based approach for static virtal topology design in optical networks. IEEE Idicom 2005 Conference, Chennai, India, -3 Diciembre, [4] I. Chlamtac, A. Ganz y G. Karni. Lightpath Commnications: An Approach to High Bandwidth Optical WANs. IEEE Transactions on Commnications. Vol. 40, No. 7, pag. 7-82, Jlio, 992. [5] B. Mkherjee, D. Banerjee, S. Ramamrthy y A. Mkherjee. Some Principles for Designing a Wide-Area WDM Optical Network. IEEE/ACM Transactions on Networking, Vol. 4, No. 5, Octbre 996. [6] N. Banerjee, V. Metha y S. Pandey. A Genetic Algorithm Approach for Solving the Roting and Wavelength Assignment Problem in WDM Network. In 3rd IEEE/IEE International Conference on Networking, ICN 2004, Paris, pag: 70-78, Febrero-Marzo [7] G. Varela y M. Sinclair. Ant Colony Optimization for Virtal-Wavelength-Path Roting and Wavelength Allocation. Proc. Congress on Evoltionary Comptation (CEC'99), Washington DC, USA, pag , Jlio 999. [8] M. Dorigo. The Ant System: Optimization by a colony of cooperating agents. IEEE Transactions on Systems, Man, and Cybernetics Part B, Vol.26, No., pag. -3, 996. [9] T. Stützle y H. Hoos. Max-Min Ant System. Ftre Generation Compter System 6(8): pag , Jnio [0] M. Schaerer y B. Barán. A Mltiobjective Ant Colony System for Vehicle Roting Problem with Time Windows. IASTED International Conference on Applied Informatics, Innsbrck, Astria, [] D. Pinto y B. Barán. Solving Mltiobjective Mlticast Roting Problem with a new Ant Colony Optimization approach. 2nd IFIP/ACM Latin American Networking Conference LANC'05. Cali - Colombia. Octbre [2] D. A. V. Veldhizen y G. B. Lamont. Mltiobjective Evoltionary Algorithms: Analyzing the State-of-the- Art. Evoltionary Comptation. Pag , [3] M. Dorigo y T. Stützle. The ant colony optimization metaheristic: Algorithms, applications, and advances. In handbook of Metaheristics, F. Glover and G. Kochenberger, Edit. Noerwell, MA: Klwer. [4] M. Dorigo y G. Di Caro. The Ant Colony Optimization meta-heristic. En D. Corne, M. Dorigo, y F. Glover, Editores, New Ideas in Optimization, pag McGraw Hill, London, UK, 999. [5] C. García-Martínez, O. Cordón y F. Herrera, "An Empirical Analysis of Mltiple Objective Ant Colony Optimization Algorithms for the Bi-criteria TSP". En M. Dorigo, M. Birattari, C.Blm, L. M. Gambardella, F. Mondada, y T. Stützle, editores, Proceedings of ANTS Forth International Workshop on Ant Colony Optimization and Swarm Intelligence. Tomo 372 de LNCS. Springer-Verlag, Brselas, septiembre 2004.
Diseño o de Entradas. Autor: Dr. Juan Carlos Gómez ISIS 2
Identificación n de SIStemas Diseño o de Entradas Ator: Dr. Jan Carlos Gómez Un reqisito fndamental de las entradas para n experimento de identificación es el de persistencia de excitación de las mismas.
Redes ruteadas en longitud de onda (WRON) Nicolas Gorriño Castañeda
Nicolas Gorriño Castañeda En los últimos 20 años, gran aumento en la demanda de las redes de telecomunicaciones ha hecho que la fibra óptica sea el medio preferido para transmitir los datos, esto sin duda
Ingeniería de Requerimientos. Objetivos. Ingeniería de Requerimientos. Tópicos. Requerimientos Definición/Especificación. Qué es un Requerimiento?
Ingeniería de Reqerimientos Objetivos Estableciendo lo qe el cliente reqiere de n de Software. Ingeniería de SoftwareDiapositiva 1 Introdcción a la Noción de Ingeniería de Reqerimientos. Explicación de
Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI
Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Ricardo Köller Jemio Departamento de Ciencias Exactas e Ingeniería, Universidad
Multicast Óptico bajo restricciones de capa óptica. Un enfoque multiobjetivo basado en Optimización por Enjambre de Partículas.
Multicast Óptico bajo restricciones de capa óptica. Un enfoque multiobjetivo basado en Optimización por Enjambre de Partículas. Alcides Báez Facultad de Ingeniería Universidad Católica de Encarnación abaez@uca.py
ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS
ETSIINGENIO 2009 DIBUJO DE GRAFOS MEDIANTE ALGORITMOS GENÉTICOS EtsiIngenio Inteligencia Artificial 1 Raposo López Alejandro Sánchez Palacios Manuel Resumen dibujo de grafos mediante algoritmos genéticos
Primer informe de avance. Redes WDM de enrutamiento por longitud de onda.
Universidad Técnica Federico Santa María. Departamento de Electrónica. IPD-438 Seminario de Redes de Computadores. II Semestre 2002. Profesor: Agustín González. Primer informe de avance. Redes WDM de enrutamiento
Redes de Kohonen y la Determinación Genética de las Clases
Redes de Kohonen y la Determinación Genética de las Clases Angel Kuri Instituto Tecnológico Autónomo de México Octubre de 2001 Redes Neuronales de Kohonen Las Redes de Kohonen, también llamadas Mapas Auto-Organizados
Optimización de Procesos
Optimización de Procesos Tier I: Métodos Matemáticos de Click to edit Master title style Optimización Sección 4: Optimización Multi-Objetivo Click to Introducción edit Master title style La optimización
Matemática Aplicada a la Economía. Toma de decisiones en la elección de los riesgos
Matemática Aplicada a la Economía. Toma de decisiones en la elección de los riesgos Este artíclo se basa en el capítlo III ( Elección en condiciones de incertidmbre ) de la obra Microeconomía, del profesor
CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
"Uso del Logotipo y de la Marca de Acreditación"
OFICINA DE ACREDITACION GUATEMALA, C.A. Procedimiento "" - Elaborado por Aprobado por Fecha de Vigencia No. de Revisión Alexander Pineda, Dberly Barillas, Erik Alvarado Alexander Pineda 2011-08-12 6 Código
H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS
H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS Una situación que se nos plantea algunas veces es la de resolver un problema hacia atrás, esto es, encontrar
BIOINFORMÁTICA 2013-2014
BIOINFORMÁTICA 2013-2014 PARTE I. INTRODUCCIÓN Tema 1. Computación Basada en Modelos Naturales PARTE II. MODELOS BASADOS EN ADAPTACIÓN SOCIAL (Swarm Intelligence) Tema 2. Introducción a los Modelos Basados
Universidad de Antioquia Juan D. Mendoza V.
Universidad de Antioquia Juan D. Mendoza V. El router es una computadora diseñada para fines especiales que desempeña un rol clave en el funcionamiento de cualquier red de datos. la determinación del mejor
OBJETIVOS: Definir Límites. Realizar demostraciones formales de límites. Describir gráficamente los límites. Calcular límites.
Cap. Límites de Fnciones. LÍMITE EN UN PUNTO. LÍMITES LATERALES. TEOREMAS SOBRE LÍMITES.4 CÁLCULO DE LÍMITES.5 LÍMITES AL INFINITO.6 LÍMITES INFINITOS.7 OTROS LÍMITES OBJETIVOS: Definir Límites. Realizar
CAPÍTULO 4: ALGORITMOS DE APRENDIZAJE
Capítulo 4 Algoritmos de Aprendizaje 26 CAPÍTULO 4: ALGORITMOS DE APRENDIZAJE En este capítulo se proporcionan las descripciones matemáticas de los principales algoritmos de aprendizaje para redes neuronales:
Ampliación de Estructuras de Datos
Ampliación de Estructuras de Datos Amalia Duch Barcelona, marzo de 2007 Índice 1. Diccionarios implementados con árboles binarios de búsqueda 1 2. TAD Cola de Prioridad 4 3. Heapsort 8 1. Diccionarios
Test de intrusión (Penetration Test) Introducción
Test de intrusión (Penetration Test) Introducción Nos encontramos en una época en donde las empresas están sufriendo ataques informáticos cada vez en forma más asidua, basta con ver los informes anuales
"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios
"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios Miguel Alfonso Flores Sánchez 1, Fernando Sandoya Sanchez 2 Resumen En el presente artículo se
Algoritmo Genético en Ruteamiento Dinámico en WRON
Algoritmo Genético en Ruteamiento Dinámico en WRON Francisco Raddatz Rodrigo Von Hausen Introducción Basados en el principio Darwiniano de la evolución. un mecanismo de búsqueda altamente paralela y adaptativa
Métodos evolutivos de Optimización. Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid
Métodos evolutivos de Optimización Prof. Cesar de Prada Dpto. Ingeneiria de Sitemas y Automática Universidad de Valladolid Indice Introducción Método de Montecarlo Algoritmos genéticos Tabú Search Simulated
Complejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III
Complejidad - Problemas NP-Completos Algoritmos y Estructuras de Datos III Teoría de Complejidad Un algoritmo eficiente es un algoritmo de complejidad polinomial. Un problema está bien resuelto si se conocen
Por qué fracasan los Proyectos?
Por qué fracasan los Proyectos? Ing. Bernardo García Consultor en Gerencia de Proyectos Qué es exactamente un proyecto bien hecho EXITOSO? Pensará que es relativamente sencillo describir las claves de
BREVE MANUAL DE SOLVER
BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación
VECTORES. Copia en un papel cuadriculado los cuatro vectores siguientes:
a c VECTORES Página REFLEXIONA Y RESUELVE Mltiplica vectores por números Copia en n papel cadriclado los catro vectores sigientes: d Representa: a a c Expresa el vector d como prodcto de no de los vectores
Entre las aplicaciones más importantes para los satélites cabe destacar:
Comunicación de datos Entre las aplicaciones más importantes para los satélites cabe destacar: La difusión de la televisión. La transmisión telefónica a larga distancia. Las redes privadas. Debido a que
Optimización inspirada en la naturaleza
Optimización inspirada en la naturaleza Efrén Mezura-Montes Laboratorio Nacional de Informática Avanzada (LANIA AC) Xalapa, Veracruz, MEXICO emezura@lania.mx http://www.lania.mx/~emezura 10ª feria de Posgrados
La Pirámide de Solución de TriActive TRICENTER
Información sobre el Producto de TriActive: Página 1 Documento Informativo La Administración de Sistemas Hecha Simple La Pirámide de Solución de TriActive TRICENTER Información sobre las Soluciones de
7. Conclusiones. 7.1 Resultados
7. Conclusiones Una de las preguntas iniciales de este proyecto fue : Cuál es la importancia de resolver problemas NP-Completos?. Puede concluirse que el PAV como problema NP- Completo permite comprobar
CAPITULO 4. Requerimientos, Análisis y Diseño. El presente capítulo explica los pasos que se realizaron antes de implementar
CAPITULO 4 Requerimientos, Análisis y Diseño El presente capítulo explica los pasos que se realizaron antes de implementar el sistema. Para esto, primero se explicarán los requerimientos que fueron solicitados
ESCUELA DE FÍSICA UNIVERSIDAD NACIONAL DE COLOMBIA SEDE MEDELLÍN
SCUL D FÍSIC UNIVRSIDD NCIONL D COLOMI SD MDLLÍN PRÁCTIC N LORTORIO D FÍSIC MCÁNIC TM : CONSRVCIÓN D L NRGÍ OJTIVO GNRL Determinar la cantidad de energía mecánica de n sistema aislado. OJTIVOS SPCÍFICOS
Qué son los protocolos de enrutamiento Dinámico?
Sistemas Operativos SISTEMAS OPERATIVOS 1 Sesión No. 4 Nombre: Protocolos de enrutamiento dinámico Contextualización Qué son los protocolos de enrutamiento Dinámico? Los protocolos de enrutamiento dinámico
Capítulo 12: Indexación y asociación
Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación
INTRODUCCION. Ing. Camilo Zapata czapata@udea.edu.co Universidad de Antioquia
INTRODUCCION. Ing. Camilo Zapata czapata@udea.edu.co Universidad de Antioquia Qué es una Red? Es un grupo de computadores conectados mediante cables o algún otro medio. Para que? compartir recursos. software
Árboles AVL. Laboratorio de Programación II
Árboles AVL Laboratorio de Programación II Definición Un árbol AVL es un árbol binario de búsqueda que cumple con la condición de que la diferencia entre las alturas de los subárboles de cada uno de sus
Jhon Jairo Padilla Aguilar, PhD.
Redes de Datos-Redes WAN Jhon Jairo Padilla Aguilar, PhD. UPB Bucaramanga Red WAN WAN: Wide Area Network Pueden cubrir un país entero Requieren de Nodos que recogen/distribuyen la información de los usuarios
ENRUTAMIENTO MULTICAST MULTIOBJETIVO
ENRUTAMIENTO MULTICAST MULTIOBJETIVO BASADO EN COLONIA DE HORMIGAS Diego Pedro Pinto Roa PROYECTO FINAL DE TESIS Orientador: Prof. Benjamín Barán, D.Sc. Ingeniería Electrónica Facultad de Ciencias y Tecnología
Problemas de Arquitectura de Redes, Sistemas y Servicios 2 o Grado en Ingeniería en Tecnologías de Telecomunicación Conjunto de problemas 6
Problemas de rquitectura de Redes, Sistemas y Servicios o Grado en Ingeniería en Tecnologías de Telecomunicación onjunto de problemas igura : Red para el problema. y siguientes Problema:. Use el algoritmo
by Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true
by Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true I. FUNDAMENTOS 3. Representación de la información Introducción a la Informática Curso de Acceso a la Universidad
Un programa entero de dos variables. 15.053 Jueves, 4 de abril. La región factible. Por qué programación entera? Variables 0-1
15.053 Jueves, 4 de abril Un programa entero de dos variables Introducción a la programación entera Modelos de programación entera Handouts: material de clase maximizar 3x + 4y sujeto a 5x + 8y 24 x, y
Requerimientos de Qos en la Asignación Óptima de Lightpath Un enfoque multiobjetivo basado en MOEAs.
Requerimientos de Qos en la Asignación Óptima de Lightpath Un enfoque multiobjetivo basado en MOEAs. Carlos Núñez, Norihiko Isawa Investigación Informática, Universidad Nacional de Itapúa Campus Universitario
ARREGLOS DEFINICION GENERAL DE ARREGLO
ARREGLOS DEFINICION GENERAL DE ARREGLO Conjunto de cantidades o valores homogéneos, que por su naturaleza se comportan de idéntica forma y deben de ser tratados en forma similar. Se les debe de dar un
GANTT, PERT y CPM. Figura 5.3: Carta GANTT 3.
GANTT, PERT y CPM Características Conseguir una buena programación es un reto, no obstante es razonable y alcanzable. Ella debe tener el compromiso del equipo al completo, para lo cual se recomienda que
Fórmulas. Objetivos y Definición. Definir fórmulas nos brinda una forma clave de compartir conocimiento y obtener código generado optimizado
97 Objetivos y Definición Definir fórmulas nos brinda una forma clave de compartir conocimiento y obtener código generado optimizado Cuando el valor de un atributo o variable puede calcularse a partir
Optimización por Colonia de Hormigas para la Asignación Dinámica de Recursos en una Plataforma de Experimentación de Temperatura Multizona
82 IEEE LATIN AMERICA TRANSACTIONS, VOL. 5, NO. 2, MAY 2007 Optimización por Colonia de Hormigas para la Asignación Dinámica de Recursos en una Plataforma de Experimentación de Temperatura Multizona Mario
1.- FUNCION DE UNA RED INFORMATICA
1.- FUNCION DE UNA RED INFORMATICA Una red de computadoras, también llamada red de ordenadores, red de comunicaciones de datos o red informática, es un conjunto de equipos informáticos y software conectados
Búsqueda heurística Prof. Constantino Malagón
Búsqueda heurística Prof. Constantino Malagón Area de Computación e Inteligencia Artificial 1 Búsqueda heurística Los métodos de búsqueda heurística disponen de alguna información sobre la proximidad de
Autenticación Centralizada
Autenticación Centralizada Ing. Carlos Rojas Castro Herramientas de Gestión de Redes Introducción En el mundo actual, pero en especial las organizaciones actuales, los usuarios deben dar pruebas de quiénes
EL PROBLEMA DE LOCALIZACIÓN DE SERVICIOS
Memorias de la XVII Semana Regional de Investigación y Docencia en Matemáticas, Departamento de Matemáticas, Universidad de Sonora, México. Mosaicos Matemáticos No. 20, agosto 2007, pp. 1-6. Nivel Medio
OPTIMIZACIÓN DEL PROBLEMA DEL AGENTE VIAJERO USANDO EL SISTEMA DE COLONIA DE HORMIGAS Y BUSQUEDA GREEDY
OPTIMIZACIÓN DEL PROBLEMA DEL AGENTE VIAJERO USANDO EL SISTEMA DE COLONIA DE HORMIGAS Y BUSQUEDA GREEDY Esquivel Estrada Jaime*, Ordoñez Arizmendi Armando*, Ortiz Servín Juan José**. *Universidad Autónoma
ESTRUCTURA DE DATOS: ARREGLOS
ESTRUCTURA DE DATOS: ARREGLOS 1. Introduccion 2. Arreglos - Concepto - Caracteristicas 3. Arreglos Unidimensionales 4. Arreglos Bidimensionales 5. Ventajas del uso de arreglos 6. Ejemplo 1. Introducción
Programación Genética
Programación Genética Programación Genética consiste en la evolución automática de programas usando ideas basadas en la selección natural (Darwin). No sólo se ha utilizado para generar programas, sino
Modelado de flujo en redes. Jhon Jairo Padilla A., PhD.
Modelado de flujo en redes Jhon Jairo Padilla A., PhD. Conceptos básicos Demanda o volumen de Demanda: Es el tráfico que están requiriendo los usuarios de una red. Para transportar el volumen de demanda
WINDOWS. Iniciando Windows. El mouse
Windows es un sistema operativo, cuyo nombre lo debe al principal elemento de trabajo, la ventana - en inglés window -. Este tiene características como: Multitarea: durante una sesión de trabajo, es posible
T E C N O L O G Í A OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE. Aplicación. a la INDUSTRIA
OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE Aplicación a la INDUSTRIA de la construcción 1 El presente estudio propone el uso de un algoritmo comúnmente utilizado en la rama de investigación
VECTORES EN EL ESPACIO
VECTORES EN EL ESPACIO Para poder isalizar los elementos de R 3 ={(x,y,z)/x,y,z R}, primero fijamos n sistema de coordenadas, eligiendo n pnto en el espacio llamado el origen qe denotaremos por O, y tres
Elementos requeridos para crearlos (ejemplo: el compilador)
Generalidades A lo largo del ciclo de vida del proceso de software, los productos de software evolucionan. Desde la concepción del producto y la captura de requisitos inicial hasta la puesta en producción
GUIA SOBRE LOS REQUISITOS DE LA DOCUMENTACION DE ISO 9000:2000
1 INTRODUCCIÓN Dos de los objetivos más importantes en la revisión de la serie de normas ISO 9000 han sido: desarrollar un grupo simple de normas que sean igualmente aplicables a las pequeñas, a las medianas
1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Algoritmos sobre Grafos
Sexta Sesión 27 de febrero de 2010 Contenido Deniciones 1 Deniciones 2 3 4 Deniciones sobre Grafos Par de una lista de nodos y una lista de enlaces, denidos a su vez como pares del conjunto de nodos.
PROGRAMA DE GESTIÓN DE USUARIOS, PROYECTOS Y SOLICITUDES DEL SERVICIO GENERAL DE APOYO A LA INVESTIGACIÓN SAI
PROGRAMA DE GESTIÓN DE USUARIOS, PROYECTOS Y SOLICITUDES DEL SERVICIO GENERAL DE APOYO A LA INVESTIGACIÓN SAI Bienvenido al programa de gestión de usuarios, proyectos y solicitudes del Servicio General
1º Cuatrimestre Redes de Computadoras 2015. Subnetting y VLSM
Subnetting y VLSM Qué es una direccion IP? La dirección IP es un número de 32 bits e identifica el punto de conexión (la interfaz) entre un host y una red. El espacio de direccionamiento es 2^32 = 4.294.967.296
LECTURA 1: CARACTERISTICAS, OBJETIVOS Y FUNCIONES DE LOS ORGANISMOS NO LUCRATIVOS
LECTURA 1: CARACTERISTICAS, OBJETIVOS Y FUNCIONES DE LOS ORGANISMOS NO LUCRATIVOS Características de los organismos no lucrativos. La mercadotecnia es una función de la dirección dentro de una organización
Estas visiones de la información, denominadas vistas, se pueden identificar de varias formas.
El primer paso en el diseño de una base de datos es la producción del esquema conceptual. Normalmente, se construyen varios esquemas conceptuales, cada uno para representar las distintas visiones que los
Base de datos en Excel
Base de datos en Excel Una base datos es un conjunto de información que ha sido organizado bajo un mismo contexto y se encuentra almacenada y lista para ser utilizada en cualquier momento. Las bases de
Sistemas Operativos. Sesión 5: Protocolos de enrutamiento vector distancia
Sistemas Operativos Sesión 5: Protocolos de enrutamiento vector distancia Contextualización Los protocolos de información de enrutamiento tienen la función de determinar cuál es la ruta adecuada que deben
Resolución de Problemas
Introducción Resolución de Problemas La resolución de problemas es una capacidad que consideramos inteligente Somos capaces de resolver problemas muy diferentes Encontrar el camino en un laberinto Resolver
punto, es que los criterios de evaluación de las medidas antes citadas se ajustan a las medidas señaladas para la toma del indicador VTD.
CONSULTA Para esta Comisión es muy importante conocer los comentarios sectoriales relacionados con el contenido del entregable presentado por la firma Iteco en el marco del Contrato 038 de 2014, para avanzar
Curso Excel Básico - Intermedio
Curso Excel Básico - Intermedio Clase 4 Relator: Miguel Rivera Adonis Introducción Base de Datos: Definición de Base de Datos Ordenar datos Formulario Filtros Trabajar con Sub-Totales Validación de Datos
Colegio Salesiano Don Bosco Academia Reparación Y Soporte Técnico V Bachillerato Autor: Luis Orozco. Subneteo
Subneteo La función del Subneteo o Subnetting es dividir una red IP física en subredes lógicas (redes más pequeñas) para que cada una de estas trabajen a nivel envío y recepción de paquetes como una red
Conmutación. Conmutación telefónica. Justificación y definición.
telefónica Justificación y definición de circuitos de mensajes de paquetes Comparación de las técnicas de conmutación Justificación y definición. Si se atiende a las arquitecturas y técnicas utilizadas
Operaciones Morfológicas en Imágenes Binarias
Operaciones Morfológicas en Imágenes Binarias Introducción La morfología matemática es una herramienta muy utilizada en el procesamiento de i- mágenes. Las operaciones morfológicas pueden simplificar los
REGISTRO DE PEDIDOS DE CLIENTES MÓDULO DE TOMA DE PEDIDOS E INTEGRACIÓN CON ERP
REGISTRO DE PEDIDOS DE CLIENTES MÓDULO DE TOMA DE PEDIDOS E INTEGRACIÓN CON ERP Visual Sale posee módulos especializados para el método de ventas transaccional, donde el pedido de parte de un nuevo cliente
Métodos Heurísticos en Inteligencia Artificial
Métodos Heurísticos en Inteligencia Artificial Javier Ramírez rez-rodríguez Ana Lilia Laureano-Cruces Universidad Autónoma Metropolitana Métodos Heurísticos en Inteligencia Artificial Los problemas de
Basada en Network Brokers
Provisión Incremental de QoS Basada en Network Brokers Alfonso Gazo Cervero, José Luis González Sánchez [agazo,jlgs]@unex.es Área de Ingeniería Telemática Departamento de Informática Universidad de Extremadura
MANUAL DE USUARIO SISTEMA DE ALMACEN DIF SONORA
MANUAL DE USUARIO SISTEMA DE ALMACEN DIF SONORA DICIEMBRE 2007. El Sistema de Almacén fue desarrollado con la finalidad de facilitar a los usuarios el proceso de entradas y salidas del almacén mediante
Un algoritmo genético híbrido para resolver el EternityII. Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau
Un algoritmo genético híbrido para resolver el EternityII Rico, Martin; Ros, Rodrigo Directora: Prof. Dra. Irene Loiseau Temas Temas Introducción Eternity II Historia Descripción Demo Metaheurísticas Algoritmos
Por qué deberías adaptar tu página web a la navegación móvil?
Por qué deberías adaptar tu página web a la navegación móvil? Adaptación de páginas web a dispositivos móviles, una realidad. Hoy en día, la variedad de dispositivos móviles existentes en el mercado ha
PRODUCTIVIDAD DE PROYECTOS DE DESARROLLO DE SOFTWARE: FACTORES DETERMINANTES E INDICADORES
PRODUCTIVIDAD DE PROYECTOS DE DESARROLLO DE SOFTWARE: FACTORES DETERMINANTES E INDICADORES Raúl Palma G. y Guillermo Bustos R. Escuela de Ingeniería Industrial Universidad Católica de Valparaíso Casilla
Monografía RECINTOS SEGUROS v4.2
Monografía RECINTOS SEGUROS v4.2 (6 Septiembre 2011) (Conservar esta página si se va a imprimir a doble cara) MONOGRAFÍA RECINTOS SEGUROS V4.2 Página 2 de 19 Departamento de Consultoría Documento Confidencial
Es momento de vender mi empresa? Cuánto vale? Quiénes pueden ser candidatos a comprarla?
Es momento de vender mi empresa? Cuánto vale? Quiénes pueden ser candidatos a comprarla? Enero de 2014 Para la mayor parte de los empresarios, enfrentarse a la decisión o incluso la posibilidad de vender
Infraestructura Tecnológica. Sesión 2: Mejoras adicionales al servidor de archivos
Infraestructura Tecnológica Sesión 2: Mejoras adicionales al servidor de archivos Contextualización Los servidores como cualquier equipo de cómputo pueden contar con varias mejoras con las que se pueden
Capítulo V Resultados y conclusiones
Capítulo V Resultados y conclusiones Nadav Levanon, autor del libro Radar Principles dijo: el estudio de los radares no solo una aplicación práctica, pero también una disciplina científica madura con fundamentos
5.1. Redes de aprendizaje supervisado basadas en la cuantificación vectorial. Curso de doctoramiento Técnicas de Computación Flexíbeis
5.1. Redes de aprendizaje supervisado basadas en la cuantificación vectorial Curso de doctoramiento Técnicas de Computación Flexíbeis Learning Vector Quantization (LVQ) Versión supervisada de SOM (SOM
Online Shop de Dentaurum www.dentaurum.es
online-shop españa Online Shop de Dentarm www.dentarm.es más rápido más cómodo más fácil shop.dentarm.es El mejor lgar en Internet para Ortodoncia, Prótesis dental e Implantología. Descbra la tienda online
Conclusiones. Particionado Consciente de los Datos
Capítulo 6 Conclusiones Una de las principales conclusiones que se extraen de esta tesis es que para que un algoritmo de ordenación sea el más rápido para cualquier conjunto de datos a ordenar, debe ser
Estructuras de datos: Proyecto 2
Estructuras de datos: Proyecto 2 28 de mayo de 2013 Instrucciones Enviar las soluciones por email a los ayudantes, con copia a la profesora. Plazo de entrega: 16 de junio (durante todo el día). Se debe
CAPÍTULO 7 7. CONCLUSIONES
CAPÍTULO 7 7. CONCLUSIONES 7.1. INTRODUCCIÓN 7.2. CONCLUSIONES PARTICULARES 7.3. CONCLUSIONES GENERALES 7.4. APORTACIONES DEL TRABAJO DE TESIS 7.5. PROPUESTA DE TRABAJOS FUTUROS 197 CAPÍTULO 7 7. Conclusiones
Unidad Académica Profesional UAEM Tianguistenco, Paraje El Tejocote, San Pedro Tlaltizapán, Tianguistenco, México CP 52640
Estudio de Tres Algoritmos Heurísticos para Resolver un Problema de Distribución con Ventanas de Tiempo: Sistema por Colonia de Hormigas, Búsqueda Tabú y Heurístico Constructivo de una Ruta Manuel González
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
Seminario Electrónico de Soluciones Tecnológicas sobre Content Networking
Seminario Electrónico de Soluciones Tecnológicas sobre Content Networking 1 de 13 Seminario Electrónico de Soluciones Tecnológicas sobre Content Networking 3 Bienvenida. 4 Objetivos. 5 Soluciones comerciales
Área Académica: ICBI, Sistemas Computacionales. Profesor: M.C.C Víctor Tomás Tomás Mariano
Área Académica: ICBI, Sistemas Computacionales Tema: Mapas auto organizados Profesor: M.C.C Víctor Tomás Tomás Mariano Alumnos: Leticia Hernandez Hernandez. Agustin Escamilla Hernández Periodo: Julio-Diciembre
4 Teoría de diseño de Experimentos
4 Teoría de diseño de Experimentos 4.1 Introducción En los capítulos anteriores se habló de PLC y de ruido, debido a la inquietud por saber si en una instalación eléctrica casera que cuente con el servicio
Tecnologías en la Educación Matemática. Expresiones. Datos. Expresiones Aritméticas. Expresiones Aritméticas 19/08/2014
Tecnologías en la Educación Matemática jac@cs.uns.edu.ar Dpto. de Ciencias e Ingeniería de la Computación UNIVERSIDAD NACIONAL DEL SUR 1 Datos Los algoritmos combinan datos con acciones. Los datos de entrada
Evaluación del rendimiento de procesadores Intel Nehalem. Modelos x7550, x5670 y x5570
Evaluación del rendimiento de procesadores Intel Nehalem. Modelos x7550, x5670 y x5570 Juan Carlos Fernández Rodríguez. Área de HPC. Centro Informático Científico de Andalucía (CICA) Junta de Andalucía
Algoritmos Genéticos. Introduccion a la Robótica Inteligente
Algoritmos Genéticos Introduccion a la Robótica Inteligente 7 Marzo 2014 (IRIN) AGs 7/03/2014 1 / 43 Índice 1 Introducción 2 Algoritmos Genéticos 3 Algunos Fundamentos Matemáticos 4 Conclusiones (IRIN)
Fundación Universitaria San. Direccionamiento IP
Fundación Universitaria San S Mateo - Interconectividad II Direccionamiento IP Qué son las direcciones IP? Una dirección IP es un número que identifica de manera lógica y jerárquica a una interfaz de un
En la nueva versión encontrarás
En la nueva versión encontrarás Captcha en el login p.4 Páginación configurable en secciones p.4 Ordenación de noticias en Modo Blog por secciones p.6 Galería de imágenes dentro de una noticia p.6 Inclusión
POSICIONAMIENTO EN LA WEB (SEM Y SEO)
POSICIONAMIENTO EN LA WEB (SEM Y SEO) POSICIONAMIENTO EN LA WEB (SEM Y SEO) 1 Sesión No. 3 Nombre: Keywords Contextualización Qué son las Keywords? Debemos de tener en claro la definición de keywords para