Optimisation des volutions dun rseau

tlcoms
Laurent Jeannin1, Simon de Givry2
1. THALES Research & Technology, Domaine de Corbeville
91404 Orsay cedex
laurent.jeannin@thalesgroup.fr
2. INRA, BP 27
31326 CASTANET-TOLOSAN cedex
degivry@toulouse.inra.fr
RSUM.

Cet article prsente lapplication de conception de rseaux dveloppe par THALES

Research & Technology. Le problme est de dterminer les volutions successives apporter
un rseau de faon satisfaire des besoins prvisionnels et en minimisant le cot global
d'investissement et de maintenance des infrastructures. Lapplication a t modlise avec un
solveur de contraintes dans les domaines finis. Lalgorithme de rsolution a t conu selon
larchitecture dfinie dans EOLE et dvelopp avec la bibliothque ToOLS (Templates of
On-Line Search). Nous illustrons lutilit dune telle bibliothque en prototypant rapidement
et en comparant plusieurs algorithmes de rsolution (recherches partielles et algorithmes
hybrides).
MOTS-CLS : programmation par contraintes, dimensionnement de rseaux, recherche locale
grands voisinages.

1. Introduction
Cet article prsente lapplication de conception de rseaux dveloppe par TRT
1
dans le cadre du projet EOLE (Environnement dOptimisation temps rel en LignE
ddi tlcoms). La mise en uvre des extensions dun rseau suit un processus
complexe, o de nombreux paramtres de nature trs diverse (conomique, politique,
stratgique, ) sont prendre en compte. Rsoudre ce problme dans sa globalit
semble difficilement ralisable. Notre objectif est de dterminer et de rsoudre un
sous problme suffisamment raliste et pertinent afin daccompagner le concepteur
du rseau dans la recherche dune bonne solution. Ce type dutilisation repose sur
une forte interaction entre le concepteur et loutil qui doit avoir des temps de rponse
trs courts. Il sagit dune approche par simulation : le concepteur raffine
progressivement les paramtres du modle en fonction des rsultats fournis par
lalgorithme de rsolution.
1

Ce projet est soutenu par le Rseau National de Recherche en Tlcommunications

Le problme est de dterminer les volutions successives apporter un rseau

de faon satisfaire des besoins prvisionnels et en minimisant le cot global
d'investissement et de maintenance des infrastructures. Les besoins sont inscables
(ie : ils ne peuvent emprunter quun seul chemin). Ce problme de mono-routage
avec contraintes linaires discrtes est NP-complet [Bertsekas 1998].
Lapplication a t modlise avec un solveur de contraintes dans les domaines
finis. Pour obtenir de bonnes solutions en temps limit, nous avons utilis un
framework ddi loptimisation en ligne et labor un algorithme de recherche
partielle hybrid avec une recherche locale grand voisinage.
Ce problme est proche de celui prsent dans [Le Pape et al. 2002] qui propose
une comparaison de diffrentes techniques (programmation par contrainte,
programmation linaire en nombres entiers, gnration de colonnes) pour rsoudre
diffrentes variantes dun problme de dimensionnement de rseaux, en insistant sur
la notion de robustesse. [Perron 2003] utilise la programmation par contrainte pour
rsoudre le problme prcdent. La phase de rsolution est en partie base sur une
recherche locale grand voisinage. [Lauvergne et al 2002] adresse un problme de
mono-routage avec une approche hybridant un algorithme de plus court chemin, la
propagation de contraintes et un principe de rparation.

2. Le problme
Un rseau GSM est compos d'un sous-rseau de transport haut-dbit, le rseau
cur, et d'un sous-rseau de transmission, le rseau capillaire, sur lequel porte l'outil
de conception. Ce rseau est compos de stations BSC (Base Station Controler :
nuds concentrateurs), de BTS (Base Terminal Station : nuds terminaux) et de
multiplexeurs (MUX) relis entre eux par diffrents types de liaisons (lignes loues,
faisceaux hertziens ou fibres optiques). Le rseau est subdivis en Zones Primaires
de Transmission (ZPT). L'outil de conception permet de travailler sur une ZPT et
d'valuer les volutions apporter au rseau afin de rpondre de nouveaux besoins.
Un besoin indique une volution du trafic prvue entre 2 nuds du rseau, (entre une
BTS et une BSC). On cherche dterminer les volutions successives apporter au
rseau de faon satisfaire tous les besoins et en minimisant le cot global
d'investissement et de maintenance des infrastructures.

3. Modlisation
Ce problme est compos des sous-problmes suivants : un problme de routage
pour le trac des routes vrifiant les capacits des liaisons et les dbits requis des
besoins ; un problme de configuration et de dimensionnement (choix du type et de
la capacit des quipements et des liaisons) ; un problme de planification (choix des
dates des volutions en fonction des cots fixes et des cots rcurrents). Notons que

les seules volutions autorises sont la cration ou lextension dun quipement

(cest--dire laccroissement de sa capacit).
Le rseau est modlis par un graphe dont les sommets reprsentent les sites rels
ou potentiels ; et dont les arcs sont les liaisons relles ou potentielles. Les
quipements (liaisons et sites) sont caractriss par une capacit initiale, des
possibilits dextension, des cots de cration et dextension (cots fixes) et un cot
de maintenance (cots rcurrents). Les besoins placer sont caractriss par une
origine, une destination et un dbit.
Le problme de planification est dcompos en plusieurs tapes, chaque tape
correspondant ltat du rseau une date donne et la liste des besoins pourvoir
cette chance. Des variables de dcision sont associes pour dcrire ltat du
rseau chaque pas de temps.

4. Rsolution
Lalgorithme de rsolution a t conu selon larchitecture dfinie dans EOLE
[EOLE 2001] et dvelopp avec la bibliothque ToOLS (Templates of On-Line
Search). Un algorithme de recherche est la conjonction de quatre composants
distincts : (1) un ensemble dheuristiques pour ordonner les choix, (2) un schma
de recherche qui reprsente un arbre de recherche, (3) une stratgie dexploration
applique un schma de recherche pour en contrler sa complexit, (4) une
stratgie temporelle permettant la gestion du temps pour les algorithmes de
recherche hybrides.
Pour notre problme, nous dfinissons un schma de recherche en deux tapes :
dtermination du routage de tous les besoins par numration, dduction des
capacits des quipements ncessaires pour supporter ce routage.
Nous avons appliqu une recherche partielle notre schma de recherche :
CREDIT [Beldiceanu et al98] qui limite les choix en bas de larbre en accordant un
certain montant de crdit aux nuds, afin de remettre en cause les premiers choix
effectus en haut de larbre ; et une stratgie hybride base de recherche locale
grand voisinage de taille variable [Loudni&Boizumault 2001], utilisant la technique
de shuffling pour dfinir le voisinage [Applegate&Cook 1991]. Une partie du
routage est dfaite, puis reconstruite de faon alternative.

5. Exprimentations
Lors des exprimentations, nous avons observ que lalgorithme de recherche
partielle CREDIT fournit de bons rsultats sur des temps trs court. La recherche
hybride propose dans ToOLS, avec des paramtres par dfaut, namliore pas la

premire solution trouve. Nanmoins, en adaptant le voisinage la structure du

problme cette recherche trouve des solutions nettement meilleures.

6. Conclusion
Cette application nous a permis dutiliser ToOLS dans le cadre dun problme
rel. Ce framework ddi loptimisation en ligne permet de surmonter une faiblesse
de lapproche contrainte : la rsolution en temps limit, tout en conservant la
dclarativit du paradigme. Les primitives du langage ont facilit lcriture darbre
de recherche. Le code produit est plus clair et plus concis. Lutilisation des patrons
de recherche facilite la rutilisation et la capitalisation des algorithmes. Cest un bon
outil de prototypage pour ce type de problme.
Dans cette application, la recherche partielle a montr son utilit sur des contrat
de temps court. Lutilisation de grands voisinages adapts la structure du problme
a amlior la qualit des solutions de faon significative. Cet algorithme trs
gnrique a dj t appliqu dautres types de problmes, notamment le problme
de gestion de missions dun satellite agile, sujet du challenge ROADEF 2003.

7. Bibliographie
[Applegate&Cook 1991] D. Applegate, B. Cook. A computational study of the job shop
scheduling problem. Operations Research Society of America, 3(2), 1991.
[Beldiceanu et al. 1998] Beldiceanu N., E. Bourreau, H. Simonis, and D. Rivreau (1998).
Introduction de mtaheuristiques dans CHIP. In Proc. of MIC-98.
[Bertsekas 1998] Dimitri P. Bertsekas, Network Optmization, 1998.
[de Givry&Jeannin 2003] de Givry S., Jeannin L. ToOLS : A library for partial and hybrid
search methods, paratre dans CP-AI-OR 2003.
[EOLE 2001] Eole consortium. Towards an on-line optimisation framework. CP-01 workshop
On-Line combinatorial problem solving and Constraint Programming (OLCP01), 2001.
[Laburthe et al. 1998] Laburthe, F., P. Savant, S. de Givry, and J. Jourdan (1998). Eclair: A
library of constraints over finite domains. Technical Report technical report ATS 98-2,
Thomson-CSF LCR, Orsay, France.
[Le Pape et al. 2002] Le Pape C., Perron L., Rgin J., Shaw P, Robust and parallel solving of
a design problem. In proc of CP 2002.
[Loudni&Boizumault 2001] Une approche hybride pour la rsolution des VCSP en contexte
anytime. In Proc. of JNPC-2001, Toulouse, 2001.
[Perron 2003] L. Perron, Rsolution alatoire dun problme industriel de planification de
rseau, ROADEF 2003