Você está na página 1de 85
Universidade de Pernambuco (UPE) Escola Politécnica de Pernambuco (POLI) Instituto de Ciências Biológicas (ICB)

Universidade de Pernambuco (UPE) Escola Politécnica de Pernambuco (POLI) Instituto de Ciências Biológicas (ICB) Programa de Pós-Graduação em Engenharia de Sistemas (PPGES)

Ewerton de Oliveira Figueirôa

Algoritmo de Roteamento Baseado em Lógica Nebulosa para Redes Ópticas Elásticas

Dissertação de Mestrado

Recife, Fevereiro de 2017.

ii

ii Universidade de Pernambuco (UPE) Escola Politécnica de Pernambuco (POLI) Instituto de Ciências Biológicas (ICB)

Universidade de Pernambuco (UPE) Escola Politécnica de Pernambuco (POLI) Instituto de Ciências Biológicas (ICB) Programa de Pós-Graduação em Engenharia de Sistemas (PPGES)

Ewerton de Oliveira Figueirôa

Algoritmo de Roteamento Baseado em Lógica Nebulosa para Redes Ópticas Elásticas

Dissertação apresentada à Universidade de Pernambuco como parte dos requisitos para a obtenção do título de Mestre em Engenharia de Sistemas.

Área de concentração: Redes Ópticas.

Orientador: Prof. Dr. Emerson Alexandre de Oliveira Lima Co-Orientador:. Prof. Dr. Carmelo José Albanez Bastos Filho

Recife, Fevereiro de 2017.

iii

Folha de aprovação.

iv

Agradecimentos

A Deus por permitir que eu realizasse o curso de mestrado.

Aos meus pais Ernani Eustáquio de Figueirôa e Maria Goreti de Oliveira Figueirôa pelo

esforço e dedicação a minha educação.

A minha irmã Evellyne de Oliveira Figueirôa e a minha noiva Débora Carla Pimentel

de Melo por sempre acreditarem nos meus objetivos.

A todos os meus professores, pelos ensinamentos. Destaco o apoio dado pelos meus

orientadores Emerson Alexandre de Oliveira Lima e Carmelo José Albanez Bastos Filho nas reuniões semanais que ajudaram na melhoria da proposta de mestrado. Aos colegas André Victor da Silva Xavier e José Cleyton da Silva pela ajuda na implementação dos códigos na fase de simulação. Aos colegas do PPGES, Felipe Alberto, Luiz Felipe Verçosa, Othon Oliveira, Pedro Henrique e Rodrigo Monteiro pelos momentos de descontração e inúmeros cafés preparados principalmente no mês de Janeiro de 2017. À secretária do PPGES, Júlia Costa de Melo pela eficiência nas solicitações administrativas demandadas ao longo do mestrado. Ao Governo do Estado de Pernambuco pela manutenção do programa de mestrado e a todos os funcionários da centenária Escola Politécnica de Pernambuco.

v

“É muito melhor lançar-se em busca de conquistas grandiosas, mesmo expondo-se ao fracasso, do que alinhar-se com os pobres de espírito, que nem gozam muito nem sofrem muito, porque vivem numa penumbra cinzenta, onde não conhecem nem vitória, nem derrota.” (Theodore Roosevelt)

vi

Resumo

Nesta dissertação é proposto um novo algoritmo para roteamento para redes ópticas elásticas baseado em lógica nebulosa. Projetar algoritmos de roteamento que promovam o balanceamento de carga através de uma eficiente atribuição de rota, diminuindo a probabilidade de bloqueio e aumentando a vazão na rede é fator decisivo para o bom funcionamento da rede óptica. O SIMTON foi utilizado para analisar o desempenho do algoritmo proposto para redes com diferentes topologias. A demanda de tráfego foi considerada não uniforme em todas as simulações e o tráfego dinâmico. O modelo de decisão propoto nesta dissertação é baseado em lógica nebulosa para atribuição da rota entre um par origem/destino. A escolha da rota é aquela que tenha o menor custo, baseado em métricas de disponibilidade de slots contíguos na rota, disponibilidade média de slots na rota e distância física da rota, associado ao par da requisição. Para isso é necessário a realização de um processo de defuzzificação para cálculo do custo da rota inspirado no modelo de Takagi-Sugeno. Desta, forma, foi obtido um melhor desempenho da rede com uma melhora na probabilidade de bloqueio e aumento da vazão quando comparado a outros algoritmos de atribuição de rota como o: menor caminho (SP - Shortest Path), menor número de saltos (MH - Minimum Hop), caminho mais curto baseado no congestionamento (CASP - Congested Aware Shortest Path) e caminho mais curto baseado na continuidade do espectro (SCSP - Spectrum Continuity based Shortest Path).

Palavras-chave: Agoritmo de Roteamento, Redes Ópticas, Lógica Nebulosa, Takagi-Sugeno.

vii

Abstract

In this dissertation a new algorithm for routing for elastic optical networks based on fuzzy logic is proposed. Designing routing algorithms that promote load balancing through an efficient route assignment, reducing the probability of blocking and increasing the throughput in the network is a decisive factor for the proper functioning of the optical network. SIMTON was used to analyze the performance of the proposed algorithm for networks with different topologies. Traffic demand was considered non-uniform in all simulations and dynamic traffic. The decision model proposed in this dissertation is based on nebulous logic for assigning the route between a source / destination pair. The route choice will be the one that has the lowest cost, based on metrics of availability of contiguous slots on the route, average availability of slots on the route and physical distance of the route associated with the request pair. For this, it will be necessary to perform a defuzzification process to calculate the cost of the Takagi-Sugeno inspired route. This way, a better performance of the network was obtained with an improvement in the probability of blocking and increase of the flow when compared to other algorithms of route assignment such as: Shortest Path (SP), Minimum Hop (MH), Congested Aware Shortest Path (CASP) and Spectrum Continuity based Shortest Path (SCSP).

Keywords: Routing Agorithm, Optical Networks, Fuzzy Logic, Takagi-Sugeno.

viii

Sumário

1 Introdução

1

1.1 Motivação e escopo do trabalho

3

1.2 Organização geral da dissertação

4

2 Redes Ópticas

6

2.1 Redes Ópticas WDM

7

2.2 Degradação do Sinal Óptico na Camada Física

9

2.3 Redes Ópticas Elásticas

10

2.4 Representação da Rede Óptica como um Grafo

13

2.4.1 Recursos da rede

14

2.4.2 Diâmetro

14

2.4.3 Grau do Nó

15

2.4.4 Grau Médio da Rede

15

2.4.5 Densidade

16

2.5

Algoritmos de Roteamento em Redes Ópticas

16

2.5.1 Roteamento por menor caminho físico e menor número de saltos

17

2.5.2 Algoritmo de Yen

21

2.5.3 Roteamento por caminho mais curto menos congestionado

21

2.5.4 Roteamento com restrição de continuidade de slots

22

2.6 Trabalhos Relacionados a Roteamento usando de lógica nebulosa

26

2.7 Arranjo Experimental

27

2.8 Ferramenta de Simulação SIMTON

29

3 Sistemas Baseados em Regras Nebulosas

31

3.1.1 Fuzzificação

34

3.1.2 Inferência e regras

35

3.1.3 Defuzzificação

36

3.1.4 Vantagens dos sistemas baseados em lógica nebulosa

37

4 Descrição do Algoritmo de Roteamento Proposto

38

4.1

O Algoritmo Nebuloso

38

4.1.1 Ocupação dos Slots Contíguos da Rota

41

4.1.2 Ocupação Média dos Slots da Rota

43

4.1.3 Distância Normalizada da Rota

43

4.1.4 Custo Total da Rota

44

4.2 Funções de Pertinência utilizadas no algoritmo nebuloso

44

4.3 Regras de decisão utilizadas no algoritmo nebuloso

46

5 Resultados e Discussões

50

5.1 Desempenho do algoritmo nebuloso frente a outros algorimos da literatura

51

5.2 Validação das Regras do Algoritmo Nebuloso

59

5.3 Conclusões das Simulações

64

6 Considerações Finais

65

6.1 Contribuições da dissertação

65

6.2 Sugestões para trabalhos futuros

66

6.3 Publicações

67

6.3.1 Artigos

Publicados

67

6.3.2 Artigos

submetidos

67

ix

Lista de Figuras

Figura 1: Previsão do Tráfego IP Global e Novos Serviços

1

Figura 2: Fibra óptica utilizando multiplexação por divisão de comprimento de onda [2]

7

Figura 3: (a) Técnica FDM; (b) Técnica OFDM

12

Figura 4: Comparativo entre o espectro de redes ópticas WDM e redes ópticas elásticas [2]. 13

Figura 5: Representação de uma rede como um

13

Figura 6: Exemplo de EON com 5 Slots de frequência em todos os

14

Figura 7: Representação de um exemplo de EON com distância física nos enlaces

15

Figura 8: Roteamento fixo usando a varíavel de menor distância física entre os nós 1 e

18

Figura 9: Exemplo de roteamento fixo alternativo, rota primária (1-3-5) e a rota alternativa (1-

19

Figura 10: Execução do algoritmo de Yen para encontrar as duas rotas de menor caminho entre

24

Figura 11: Execução do algoritmo de Yen para encontrar as duas rotas de menor caminho entre

os nós 1 e 4: (a) Etapa 1, (b) Etapa 2 e (c) Etapa

os nós 1 e 4: (a) Etapa 4, (b) Etapa 5 e (c) Etapa

25

Figura 12: Topologia de Rede 1 - Pacific Bell

28

Figura 13: Topologia de Rede 2 - NSFNet

28

Figura 14: Topologia de Rede 3 – Finlândia

28

Figura 15: Representação de um cojunto pela (a) clássica booleana e pela (b)

33

Figura 16: Esquema de um Sistema Fuzzy

34

Figura 17: Função de pertinêcia para a variável temperatura

35

Figura 18: Fluxograma de funcionamento do algoritmo nebuloso proposto

39

Figura 19: Representação de uma rede com 5 Nós e 6 enlaces

42

Figura 20: Exemplo de restrição de continuidade no

42

Figura 21: Função de Pertinência para a métrica “Ocupação dos Slots Contíguos na Rota”. 45 Figura 22: Função de Pertinência para a métrica “Custo Ocupação Média de Slots na Rota”.45

46

Figura 23: Função de Pertinência para a métrica “Distância Normalizada na

Figura 24: Probabilidade de bloqueio média em função da carga para os algoritmos SP, MH,

CASP, SCSP e Alg. Nebuloso na topologia Pacific

Figura 25: Probabilidade de bloqueio média em função da carga para os algoritmos SP, MH,

52

CASP, SCSP e Alg. Nebuloso na topologia

Figura 26: Probabilidade de bloqueio média em função da carga para os algoritmos SP, MH,

51

x

Figura 27: Vazão média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg.

54

Figura 28: Vazão média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg.

Nebuloso na topologia NSFNet

Figura 29: Vazão média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg.

Nebuloso na topologia Finlândia

Figura 30: Tempo de execução em função da carga para os algoritmos SP, MH, CASP, SCSP

e Alg. Nebuloso na topologia Pacific Bell

Figura 31: Tempo de execução em função da carga para os algoritmos SP, MH, CASP, SCSP

e Alg. Nebuloso na topologia

Figura 32: Tempo de execução em função da carga para os algoritmos SP, MH, CASP, SCSP

59

Figura 33: Probabilidade de bloqueio média em função da carga para os algoritmos nenuloso e

e Alg. Nebuloso na topologia

56

Nebuloso na topologia Pacific

55

57

58

nebuloso modificado na topologia Pacific Bell

Figura 34: Probabilidade de bloqueio média em função da carga para os algoritmos nenuloso e

62

Figura 35: Probabilidade de bloqueio média em função da carga para os algoritmos nenuloso e

nebuloso modificado na topologia

nebuloso modificado na topologia

61

63

xi

Lista de Tabelas

Tabela 1: Características principais das Topologias de Rede

29

Tabela 2: Parâmetros da simulação usados nos algoritmos de RMLSA em

30

Tabela 3: Probabilidade de bloqueio média em função da carga para os algoritmos SP, MH,

52

Tabela 4: Probabilidade de bloqueio média em função da carga para os algoritmos SP, MH,

53

Tabela 5: Probabilidade de bloqueio média em função da carga para os algoritmos SP, MH,

54

Tabela 6: Vazão média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg.

Nebuloso na topologia Pacific

55

Tabela 7: Vazão média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg.

55

Tabela 8: Vazão média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg.

56

Tabela 9: Tempo de execução em função da carga para os algoritmos SP, MH, CASP, SCSP e

Alg. Nebuloso na topologia Pacific

Tabela 10: Tempo de execução em função da carga para os algoritmos SP, MH, CASP, SCSP

e Alg. Nebuloso na topologia

Tabela 11: Tempo de execução em função da carga para os algoritmos SP, MH, CASP, SCSP

59

e Alg. Nebuloso na topologia

Tabela 12: Probabilidade de bloqueio para o Algoritmo Nebuloso e Nebuloso Modificado para

a topologia Pacific Bell

Tabela 13: Probabilidade de bloqueio para o Algoritmo Nebuloso e Nebuloso Modificado para

62

a

Tabela 14: Probabilidade de bloqueio para o Algoritmo Nebuloso e Nebuloso Modificado para

a

Nebuloso na topologia Finlândia

Nebuloso na topologia NSFNet

CASP, SCSP e Alg. Nebuloso na topologia Finlândia

CASP, SCSP e Alg. Nebuloso na topologia NSFNet

CASP, SCSP e Alg. Nebuloso na topologia Pacific

57

58

61

topologia

topologia

63

xii

Lista de Abreviações e Siglas

ASE - Amplified Spontaneous Emission BPSK - Binary Phase Shift Keying CapEx - Capital Expenditure CASP - Congested Aware Shortest Path DTFT - Discrete-time Fourier transform EDFA - Erbium Dopped Fiber Amplifier EON – Elastic Optical Network E/O - eletro-óptica FGB - Filter Guard Band FWM - Four Mixing Wave HD - High Definition IoT - Internet of Things IP - Internet Protocol LTE - Long Term Evolution MH - Minimum Hop OFDM - Orthogonal frequency-division multiplexing OpEx - Operational Expenditure QAM - Quadrature amplitude modulation QoT – Quality of Transmission QPSK - Quadrature Phase Shift Keying RMLSA - Routing, Modulation level and Spectrum Assignment RSA – Routing and Spectrum Assignment RWA - Routing and Wavelength Assignment SBS - Scattering Brillouin Stimulated SCSP - Spectrum Continuity based Shortest Path SNR - Signal-to-Noise Ratio SP - Shortest Path SPM - Self-Phase Modulation SRS - Scattering Raman Stimulated XPM - Cross-Phase Modulation WCC - Wavelength Continuity Constraint WDM - Wavelength-division multiplexing

xiii

Wi-Fi - Wireless Fidelity WSS - Wavelenth-Selective Switches

xiv

Lista de Símbolos

C DNR - Custo da Distância Normalizada da Rota C i - Custo das regras C OMSR - Custo da Ocupação Média dos Slots na Rota C OSCR - Custo da Ocupação de Slots Contíguos na Rota C out - Custo de saída C TR - Custo Total da Rota d i,j - Distância física no enlace entre os nós i e j d max - Distância física do maior enlace da rede n i,j - Percentual de slots de frequência disponíveis s i,j - Disponibilidade de slots de frequência contíguos obtido no vetor resultante da rota W i - Peso das regras fuzzy w i,j Custo do algoritmo CASP λ o - Número de slots ocupados λ t - Número total de slots num enlace

1

1

Introdução

O crescimento populacional e a necessidade de comunicação entre as pessoas são fatores

propulsores para que fosse iniciado o desenvolvimento das redes de comunicação que utilizem as tecnologias ópticas. Essas redes têm a capacidade de escoamento de alto tráfego e em contrapartida devem possuir um baixo custo. Nesse sentido, as redes ópticas foram implantadas em massa nos últimos anos e devem continuar em franco desenvolvimento tecnológico nas próximas décadas.

A Internet evoluiu significativamente nos últimos 20 anos e o acesso dos usuários também.

A

demanda por recursos digitais tornou-se uma necessidade básica da maior parte da população e

o

eficiente consumo de recursos da rede é fator determinante para a ampliação no número de

requisições simultâneas e qualidade de serviço. Segundo o décimo Relatório Cisco® Visual Networking Index (VNI) Global Forecast and

Service Adoption 2014-2019, o tráfego IP (Internet Protocol) anual vai triplicar – atingindo os 2 zettabytes (mais de dois bilhões de Gigabytes anuais) – entre 2014 e 2019, o que representa uma taxa de crescimento anual composta de 23% entre 2014 e 2019 [1].

A Figura 1 apresenta a previsão para 2019 do número de usuários conectados na rede IP,

número de dispositivos conectados na rede IP, média da taxa de transmissão de banda larga, e o aumento no tráfego de visualização de vídeos na rede. A crescimento da IoT (Internet of Things) e da Computação nas Nuvens (Cloud Computing), aceleram a necessidade de novas tecnologias que suportem o crescimento do tráfego.

de novas tecnologias que suportem o crescimento do tráfego. Figura 1: Previsão do Tráfego IP Global

Figura 1: Previsão do Tráfego IP Global e Novos Serviços [1].

2

Com esse cenário de constante evolução e aumento de tráfego, as redes ópticas tornaram-se o principal meio para satisfazer as necessidades da comunicação moderna. Como principais vantagens desse tipo de rede, pode-se citar: imunidade às interferências eletromagnéticas, ausência de diafonia, maior segurança da informação, capacidade de transmissão maior quando comparado com outros tipos de rede que utilizam outros meios de transmissão que não seja o meio óptico. Além disso, a fibra óptica é produzida utilizando sílica. A sílica é o segundo elemento mais abundante na crosta terrestre, permitindo que o custo de manufatura da fibra seja menor quando comparada com outros meios, a exemplo do fio de cobre [2]. Dado esse cenário, as redes ópticas do futuro necessitarão de sistemas de transmissão com maior capacidade, provavelmente em Tbps, substituindo os atuais backbones que operam na tecnologia de Multiplexação pela divisão do comprimento de onda (WDM - Wavelength-division multiplexing). Com isso, diversas tecnologias como a multiplexação pela divisão ortogonal de frequência (OFDM - Orthogonal frequency-division multiplexing), tem se mostrado promissora para o desenvolvimento de redes flexíveis, eficientes e redimensionáveis [2]. Atualmente, as redes ópticas elásticas são objeto de várias pesquisas, por possuírem a capacidade de transmitir dados a diferentes taxas, aumentando ou diminuindo a necessidade de utilização do espectro óptico de acordo com a demanda necessária em cada requisição na rede. Desta forma, o desenvolvimento de redes ópticas elásticas é essencial para o aumento das taxas de transmissão exigidas pela forte demanda do tráfego nas redes IP [2]. Nas arquiteturas baseadas no roteamento por comprimento de onda (RWA - Routing and Wavelength Assignment), presentes nas redes WDM, cada requisição de comunicação entre nós de origem/destino na rede, necessita estabelecer seu caminho óptico para transmitir a informação. O caminho óptico é definido por uma rota e um comprimento de onda [3]. Para que seja estabelecida a comunicação via estes caminho ópticos, compostos por um ou conjunto de enlaces entre o par de nós origem/destino, é necessário que o comprimento de onda a ser utilizado esteja disponível em cada enlace da rota, como estabelecido na restrição da continuidade do comprimento de onda [4]. Uma das desvantagens que o sistema WDM traz é a utilização ineficiente do espectro quando a demanda do tráfego na rede é heterogênea. Para isso, uma nova arquitetura em que as unidades espectrais são mais finas, chamadas de slot de frequência, que geralmente possuem largura de banda de 12,5GHz a depender do formato de modulação utilizado, vem sendo utilizado para o transporte do sinal óptico na rede. Essa proposta objetiva maximizar os recursos espectrais da rede, sendo possível o estabelecimento de caminhos ópticos com múltiplos slots, quando necessário [2,5].

3

Além disso, nas Redes Ópticas Elásticas é necessário que exista contiguidade do espectro dentro de todos os enlaces que fazem parte da rota, ou seja, para uma dada requisição deve haver disponíveis tantos slots contíguos quanto for o tamanho dessa requisição. Desta forma, os principais desafios na gestão do espectro em redes ópticas elásticas é a restrição de contiguidade de slots dentro de um enlace e continuidade de slots ao longo da rota. Esta restrição é semelhante à limitação de continuidade de comprimento de onda nas redes ópticas WDM, porém com o agravante das redes possuírem requisições com largura de banda diferentes. Desta forma, o problema para redes ópticas elásticas corresponde a uma generalização do problema para redes ópticas WDM [6]. Assim, um dos maiores desafios para as redes ópticas elásticas consiste no desenvolvimento de algoritmos de roteamento e alocação de espectro (RSA – Routing and Spectrum Assignment) que sejam eficientes, já que esses algoritmos têm uma influência direta na ocupação dos slots ao longo dos enlaces da rede e, assim, têm grande impacto no desempenho da rede. O problema de RSA consiste em encontrar um número necessário de slots de frequência contíguos e contínuos em uma rota entre os nós origem-destino para cada requisição de conexão [7]. Nesta dissertação é proposto um novo algoritmo de roteamento para redes ópticas elásticas baseado em lógica nebuloda. Pretende-se que baseado em funções de custo de disponilidade de slots contíguos na rota, disponibilidade média de slots na rota e distância normalizada da rota, seja escolhida a melhor rota para estabelecimento da conexão entre um par origem/destino na rede de forma a preservar recursos para as próximas chamadas. Assim, o algoritmo baseado em lógica nebulosa tem como objetivo balancear a carga na rede e alocar de forma eficiente as requisições de conexão. Será comparado o algoritmo nebuloso proposto com outros algoritmos de roteamento disponíveis na literatura e assim será apresentado que o seu desempenho é promissor, sendo esta a principal contribuição dessa dissertação de mestrado.

1.1 Motivação e escopo do trabalho

Este trabalho tem como objetivo geral a proposição de um novo algoritmo baseado em lógica nebulosa para redes ópticas elásticas e sua comparação de desempenho de probabilidade de bloqueio e vazão quando comparado com outros algoritmos disponíveis na literatura. É proposto através de um mecanismo simples e robusto, baseado em lógica nebulosa, a seleção da melhor rota que permita de maneira eficiente a conexão entre o par origem e destino de uma dada requisição na rede.

4

A comunicação com o menor custo, ou seja, que utiliza menos recursos na rede deve atender

aos parâmetros de qualidade de serviço exigidos para a requisição.

A motivação para a escolha de lógica nebulosa na seleção da rota, para viabilizar o transporte

do tráfego de forma eficiente, está no fato desta tratar modelos complexos de forma simples e nas suas respostas robustas às imprecisões dos valores de entrada. Dessa forma, a robustez às incertezas constitui outro pré-requisito a ser atendido por um mecanismo de seleção de rotas em redes ópticas

elásticas com requisições de tamanhos variáveis [7]. As dificuldades em se obter modelos matemáticos precisos para a caracterização dos diferentes tipos de métricas utilizadas para roteamento em redes ópticas elásticas, faz com que a lógica nebulosa seja uma ferramenta bastante atrativa para este fim e por este motivo, será explorada neste trabalho.

O algoritmo baseado em lógica nebulosa implementado neste trabalho, é capaz de selecionar

a melhor rota para atendimento de uma requisição de forma adaptativa e com mecanismos de

escolha suaves, com base nos parâmetros de contiguidade do espectro na rota, disponibilidade média de slots na rota e distância física da rota. Esta escolha inicial não é uma restrição, mas uma forma de validar a metodologia proposta. Outros parâmetros de entrada oriundos da camada física,

da camada de enlace ou da camada de redes também podem ser utilizados.

1.2 Organização geral da dissertação

Esta dissertação está organizada conforme descrito a seguir:

No Capítulo 2 são apresentados conceitos básicos sobre Redes Ópticas WDM e as Redes Ópticas Elásticas como alternativa para melhor ocupação do espectro óptico na transmissão de dados. Também são discutidas as degradações do sinal óptico na camada física e os aspectos da representação de uma rede óptica como um grafo e suas características. Ao final deste capítulo são discutidos alguns algoritmos de roteamento como os algoritmos de menor número de saltos, menor

caminho físico, algoritmo de Yen e apresentada uma revisão da literatura de trabalhos relacionados

a roteamento em redes ópticas que utilizaram algoritmos baseados em lógica nebulosa. No Capítulo 3 é realizada uma revisão do funcionamento de um sistema baseado em lógica nebulosa, e como ocorrem os processos de Fuzzificação, Inferência, Criação de Regras e Defuzzificação, com ênfase no modelo de Takagi-Sugeno que será utilizado no algoritmo nebuloso proposto nesta dissertação. No Capítulo 4 é realizada a descrição das variáveis que fazem parte da função de decisão de escolha da rota do algoritmo nebuloso proposto nesta dissertação. Além disso, são apresentados

5

exemplos do funcionamento das variáveis propostas, o pseudocódigo e fluxograma do algoritmo proposto. No Capítulo 5 são exibidos os resultados da probabilidade de bloqueio e vazão versus a carga em erlang, obtidos com o algoritmo nebuloso proposto no Capítulo 4 aplicado às redes apresentadas do Capítulo 2. É realizada a comparação do algoritmo nebuloso com os algorimos de menor caminho (SP - Shortest Path), menor número de saltos (MH - Minimum Hop), caminho mais curto baseado no congestionamento (CASP - Congested Aware Shortest Path) e caminho mais curto baseado na continuidade do espectro (SCSP - Spectrum Continuity based Shortest Path). Por fim, no Capítulo 6 é realizada a discussão dos resultados obtidos, a conclusão trabalho proposto, as publicações submetidas e as sugestões para trabalhos futuros.

6

2 Redes Ópticas

A utilização comercial de fibras ópticas como meio de comunicação iniciou-se em 1975,

quando foi instalado para a Polícia de Dorset, na Inglaterra, o primeiro enlace de fibra óptica, operando comercialmente. A escolha de um enlace de fibra óptica deveu-se ao fato que um raio tinha anteriormente danificado todo o sistema de telecomunicações do departamento policial e pesou na escolha deste sistema o fato de que a fibra óptica é imune a descargas elétricas e interferências elétricas. Neste mesmo ano, o governo americano interligou com fibras ópticas a rede local do sistema NORAD (Sistema de Defesa) localizados no interior da Montanha Cheyenne [8]. No ano seguinte, em 1976, foi implantado pela Western Electric em Atlanta, um enlace de Fibra Óptica com extensão de 2,5 km, para voz, dados e imagens, á uma taxa de 44,7 Mbps (Megabits por segundo)[8].

O Sistema Bell inaugura em 1980 a primeira Rede Óptica Nacional, interligando a Capital

Washington à cidade de Cambridge, no estado de Massachusetts [8].

A partir daí, a utilização das redes ópticas evoluiram rapidamente e a construção de enlaces

ópticos proporcionaram a massificação da comunicação entre as pessoas utilizando cada vez mais recursos interativos que consomem alta taxas de dados para transmissão. Apesar de recente, a tecnologia óptica e os estudos sobre redes ópticas que possam transportar cada vez mais dados em apenas um meio físico, são assuntos bastante atuais e que são objeto de pesquisa em todo o mundo. As redes ópticas podem ser dividas em duas gerações. Na primeira, as redes ópticas eram usadas pelas empresas de telecomunicações em redes com topologia ponto-a-ponto. A principal função da fibra óptica era oferecer na rede uma alta capacidade de transmissão e substituir os cabos metálicos nas redes de transporte. Observa-se que a migração das tradicionais redes metálicas para

as redes ópticas inicialmente era apenas referente ao meio físico, já que os cabos metálicos estavam sendo substituídos por cabos de fibra óptica. Porém, todas as funções de processamento, regeneração, comutação e roteamento ainda eram realizadas no domínio elétrico e frequentemente eram utilizados conversão eletro-óptica (E/O) [5].

A segunda geração das redes ópticas, também conhecida como redes ópticas WDM, tinha

como objetivo o aumento da capacidade de transmissão da fibra óptica. Assim, passou-se a manipular os canais baseados na multiplexação por divisão em comprimento de onda. Nesta fase, também foram incorporadas as primeiras funções de comutação e roteamento no domínio óptico, que antes eram realizadas de forma eletrônica através dos conversores E/O. Os principais benefícios trazidos pela segunda geração das redes ópticas foram: redução do número de regeneradores e

7

equipamentos que realizam o processamento de sinal proporcionando menores custos de implantação. Estas redes têm sido empregadas nas redes de transporte, nas quais cada canal WDM alcança individualmente taxas de transmissão de 10, 40, 100 ou 400 Gb/s a depender do formato de modulação utilizado no sinal óptico [5].

2.1 Redes Ópticas WDM

Atualmente, a tecnologia WDM é a forma utilizada para suportar a crescente demanda de tráfego. Nessas redes, o tráfego utiliza a multiplexação por divisão de comprimento de onda, em que a largura de banda de uma fibra é dividida em diferentes faixas espectrais com espaçamentos uniformes, chamadas de comprimentos de onda. Nas redes ópticas WDM, o tráfego de dados é roteado no domínio óptico, utilizando a técnica de multiplexação por divisão em comprimento de onda. Nesta técnica de multiplexação, os usuários da rede compartilham a mesma fibra e seus dados são transmitidos por comprimentos de onda distintos. Atualmente, a maioria das operadoras de telecomunicações utilizam essa técnica de multiplexação em seus backbones ópticos. A Figura 2 apresenta um exemplo de esquema de multiplexação por divisão de onda para 4 canais.

de multiplexação por divisão de onda para 4 canais. Figura 2: Fibra óptica utilizando multiplexação por

Figura 2: Fibra óptica utilizando multiplexação por divisão de comprimento de onda [2].

Usando WDM, diversas rotas ópticas em diferentes comprimentos de onda podem ser implementadas simultaneamente em uma mesma fibra óptica, possibilitando o compartilhamento de canais na fibra e um uso mais eficiente da largura de banda. Com o objetivo de aumentar a eficiência espectral e superar as taxas transmitidas com a tecnologia WDM na alocação da banda, existe grande interesse no desenvolvimento de uma arquitetura de rede sem a grade fixa de comprimentos de onda, comumente chamada de gridless.

8

Atualmente, um dos objetivos principais é o desenvolvimento de caminhos ópticos flexíveis, eficientes e redimensionáveis, ou seja, neste novo cenário o espectro óptico de cada caminho na rede tem a possibilidade de expandir-se ou contrair-se livremente de acordo com a demanda de tráfego e as solicitações da camada de rede superior. Neste novo tipo de arquitetura, a largura de banda dos caminhos ópticos não se restringe aos espaçamentos rígidos das redes tradicionais, mas pode assumir diferentes valores (gridless) e variar de acordo com a demanda para melhor se adaptar à intensidade e dinamicidade do tráfego demandado na rede. Basicamente, o caminho óptico pode ser alocado em qualquer intervalo contínuo de frequência e deve ser separado de outros caminhos ópticos por uma banda de guarda, denomidada de Filtro de banda de guarda (FGB - Filter Guard Band). Comutadores de comprimentos de onda seletivos (WSS - Wavelenth-Selective Switches) e filtros ópticos de largura de banda variável são utilizados para a comutação e a filtragem das larguras de banda flexíveis. Nos transceptores, o sistema de modulação/multiplexação OFDM permite que os dados sejam enviados em subportadoras ortogonais e que não exista interferência nesses sinais [2]. Na técnica WDM, divide-se o espectro de frequência das janela transmissão óptica em diversos comprimentos de onda que podem ser alocados para transmitir informação e são interpretados como canais distintos. As redes ópticas, quanto à utilização de regeneradores, podem ser classificadas em três categorias: redes opacas, redes translúcidas ou redes transparentes, também chamadas de totalmente ópticas [9]. As redes opacas possuem regeneradores que têm a capacidade de re-amplificar, reformatar e re-temporizar o pulso óptico através de dispositivos eletrônicos (3R). Eles estão presentes em todos os nós da rede e utilizam a conversão entre os domínios óptico e elétrico (O/E/O) para realizar a recuperação dos sinais transmitidos [10]. Para isso, o sinal passa pela conversão óptico-elétrica, é tratado no domínio eletrônico e, em seguida, é convertido para o domínio óptico novamente através da conversão eletro-óptica [10]. O uso de regeneradores eletrônicos faz com que o sinal consiga se propagar por longas distâncias, o sinal é regenerado ao longo do caminho, o que evita o acúmulo de ruído e distorções. Porém, os equipamentos eletrônicos oneram o custo de implantação e manutenção da rede. Além disso, eles representam um gargalo nas transmissões, pois a operação desses dispositivos é específica em relação à taxa de transmissão, formato de modulação e código de linha [11]. A atualização da rede opaca também é onerosa. Pois, se houver a necessidade de aumentar a taxa de

9

transmissão e/ou inserir um novo formato de modulação, faz-se obrigatória a mudança de todos os regeneradores da rede. As redes totalmente ópticas têm sido consideradas como uma alternativa confiável e econômica para atingir altas taxas de transmissão com baixo custo. Nessas redes, o sinal permanece no domínio óptico entre os nós origem e destino, ou seja, o sinal se propaga ao longo do núcleo da rede sem qualquer conversão O/E/O [12]. Como consequência, uma mudança na formatação

utilizada não implicaria na troca de dispositivos [2,11]. No entanto, o sinal propagado sofre acúmulo

de

ruídos ao longo da rota. Logo, o alcance obtido pelo sinal óptico nessa rede é inferior ao obtido

na

rede opaca [9]. As redes translúcidas possuem um conjunto limitado de regeneradores 3R e tentam

balancear o uso desses dispositivos para obter uma melhor relação de custo empregado e desempenho dessas redes [3, 13]. Um nó da rede que possui dispositivo de regeneração é chamado

de nó translúcido. A implantação de redes ópticas translúcidas é uma alternativa entre as redes opacas e totalmente ópticas quando são considerados o compromisso entre o desempenho da rede,

o custo de capital (CapEx - Capital Expenditure) aplicado e o custo operacional (OpEx -

Operational Expenditure) [10]. Seu desempenho, em termos de probabilidade de bloqueio, pode ser igual ao das redes opacas se os regeneradores forem instalados e utilizados de maneira eficiente [10, 13].

2.2 Degradação do Sinal Óptico na Camada Física

O sinal óptico sofre degradação ao longo de sua propagação, que pode ser imposta tanto pelo meio de transmissão, quanto pelos dispositivos pertencentes à rede [14]. As principais penalidades sofridas pelo sinal transmitido são: atenuação, ruído, interferência e dispersão. Os dispositivos que penalizam o sinal são descritos a seguir [14]:

a) Transmissor óptico: gera ruído. Para um laser, o ruído se refere à potência óptica produzida devido ao decaimento espontâneo e à geração de fótons incoerentes no processo de geração dos pulsos ópticos [15].

b) Amplificador óptico EDFA: adiciona o ruído de emissão espontânea amplificada (ASE - Amplified Spontaneous Emission), em que os fótons incoerentes em relação ao sinal são amplificados no dispositivo [16,17]. Os amplificadores ópticos EDFA também apresentam o efeito de saturação de ganho pelo qual o ganho diminui com o aumento da potência de entrada, a partir de um determinado valor de potência de entrada. A saturação de ganho, que é uma característica do amplificador, depende

10

do valor da potência óptica de bombeio e das características da fibra dopada empregada para amplificação [16].

c) Comutador, multiplexador e demultiplexador ópticos: inserem perdas, que são inerentes aos dispositivos e, além disso, podem gerar interferências crosstalk nos sinais ópticos propagantes. Estas podem incidir no mesmo comprimento de onda do sinal intra-canal em um comprimento de onda diferente do sinal intercanal [2].

d) Fibra óptica: os sinais sofrem penalidades devido a dois tipos de efeitos: os lineares e os não-lineares. Os efeitos lineares correspondem à atenuação e à dispersão do sinal que causam uma perda de potência e um alargamento temporal do pulso óptico, respectivamente [10]. Os efeitos não-lineares ocorrem principalmente devido à dependência não-linear do índice de refração da fibra com a intensidade do sinal propagante. Em sistemas WDM, tais efeitos podem se tornar limitantes na propagação dos sinais. Dentre estes efeitos estão: a auto-modulação de fase (SPM - Self-Phase Modulation), a modulação de fase cruzada (XPM - Cross-Phase Modulation), a mistura de quatro ondas (FWM - Four Mixing Wave), o espalhamento Raman estimulado (SRS - Scattering Raman Stimulated) e o espalhamento Brillouin estimulado (SBS - Scattering Brillouin Stimulated)

[18,19,20].

e) Fotodetector: durante a detecção do sinal, os ruídos balístico e térmico degradam a relação sinal-ruído do sinal elétrico (SNR - Signal-to-Noise Ratio). O primeiro tem origem na geração aleatória dos elétrons que compõem a corrente elétrica do sinal detectado. Portanto, mesmo que uma potência óptica constante incida na entrada do fotodetector, a corrente elétrica produzida apresentará flutuações em torno de um valor constante [17]. O segundo tem origem no resistor de carga presente no circuito de detecção, de modo que é gerado um ruído devido ao movimento aleatório dos elétrons devido à temperatura [17].

2.3 Redes Ópticas Elásticas

O aumento exponencial no tráfego de dados nos últimos anos tem origem em diversos fatores, como: expansão das redes (Wi-Fi - Wireless Fidelity) e (LTE - Long Term Evolution), crescimento no número de aplicações de vídeo em tempo real e em (HD - High Definition), além da difusão dos equipamentos de informática com acesso a Internet e de sistemas de segurança

11

eletrônica. Nesse contexto, estima-se que em 2018 haverá um tráfego de aproximadamente 1,6 zettabytes na rede IP [1]. Baseado na técnica OFDM, as redes ópticas elásticas objetivam fornecer um melhor aproveitamento dos recursos da rede através de flexibilidade e escalabilidade na atribuição de espectro óptico no canal de transmissão, através do roteamento de comprimento de onda em grades variáveis [2].

Pode-se definir modulação como a técnica onde as características da portadora são modificadas com a finalidade de transmitir as informações, sendo feitas as alterações combinadas

de

frequência, amplitude ou fase, por exemplo. Geralmente a modulação é realizada no transmissor.

A

onda portadora modulada se propaga por um canal de comunicações realizando todo o transporte

de

informação. Pode-se concluir que a modulação é a alteração sistemática de uma onda portadora

de acordo com o sinal modulante. Técnicas de codificação podem ser combinadas as técnicas de modulação afim de melhorar a eficiência no transporte da informação utilizando menos recursos da rede.

A redes ópticas elásticas necessitam de suporte as demandas com altas taxas de transmissão e para isso usam formatos de modulação espectralmente eficientes como por exemplo, a modulação 64-QAM (Quadrature amplitude modulation) utilizada para caminhos ópticos de curta distância. Caminhos ópticos de longa distância são estabelecidos usando formatos de modulação mais robustos, mas menos eficientes, como modulações baseadas em QPSK (Quadrature Phase Shift Keying) ou BPSK (Binary Phase Shift Keying). A fibra óptica tem uma capacidade limitada para transmitir sinais. A evolução no

desenvolvimento de equipamentos eletrônicos e nas técnicas de multiplexação e modulação tornou

a banda disponível na fibra um recurso escasso e portanto de gerenciamento necessário.

Evidentemente que na última décadas a tecnologia evoluiu substanciamente, porém a necessidade cada vez maior de banda exige que novas técnicas de otimização de sejam impostas aos novos sistemas ópticos. Neste contexto, destaca-se a técnica de OFDM, onde através do princípio da ortogonalidade, diversos sinais são multiplexados em frequências diferentes e enviados no mesmo canal.

Modular um sinal pode trazer diversos benefícios, como exemplo: facilidade de irradiação, multiplexação dos dados, superar as limitações do equipamento, dentre outras especificidades. Em particular a técnica OFDM oferece como benefícios a minimização de interferências em canais adjacentes devido a ortogonalidade na modulação, implantação de um maior número de canais utilizando a mesma largura de banda, eliminação da banda de guarda e consequentemente a otimização da eficiência do espectro.

12

Na Figura 3 (a) é apresentada a forma de multiplexação FDM em comparação a técnica de multiplexação OFDM apresentada na Figura 3 (b). Pode-se observar uma considerável economia na largura de banda do canal devido a utilização de uma compressão nas subportadoras e a elimininação da banda de guarda entre os canais quando da utilização da técnica OFDM.

entre os canais quando da utilização da técnica OFDM. Figura 3: (a) Técnica FDM; (b) Técnica

Figura 3: (a) Técnica FDM; (b) Técnica OFDM [2].

A técnica OFDM é implementada através do uso da ferramenta matemática da Transformada

de tempo discreto de Fourier (DTFT - Discrete-time Fourier transform). Medindo-se a intensidade de cada sub-portadora no seu máximo, obtem-se uma intensidade nula das outras sub-portadoras.

Na Figura 3 (b) é observado que nos pontos de máximo de uma dada frequência, existe um ponto de mínimo das frequências adjacentes, ou seja, não existe interferências no canal adjacente para qualquer frequência do espectro [2].

A Figura 4 mostra as diferenças existentes entre redes WDM que possuem a grade fixa e

redes elásticas com grade variável (gridless). Na grade fixa, a frequência de espectro utilizada é única e independente da demanda requisitada pela rede. Na grade flexível essa faixa de frequência é adaptável de acordo com a demanda requisitada. Além disso, técnicas de segmentação e agregação de tráfego podem ser utilizadas para a transmissão de dados nestes tipos de rede. Se um dado canal tiver capacidade de transmissão de 300 GBps por segundo e transmitir apenas 100 GBps, seu espectro será ajustado em referência a taxa de transmissão que está sendo demandada e como consequência o seu espectro de transmissão será ajustado de acordo com a taxa demandada. Desta forma, outras chamadas que poderiam não ter recursos disponíveis para sua implementação dada a indisponibilidade de espectro do espectro de transmissão, poderão ser adicionados na fibra e transmitidos na rede, aumentando-se a taxa de transmissão para uma mesma largura espectral.

13

13 Figura 4: Comparativo entre o espectro de redes ópticas WDM e redes ópticas elásticas [2].

Figura 4: Comparativo entre o espectro de redes ópticas WDM e redes ópticas elásticas [2].

2.4 Representação da Rede Óptica como um Grafo

As redes ópticas podem ser representada através de um grafo G=(N,L), em que N é o conjunto de nós ou vértices e L é o conjunto de enlaces ou arestas. Para quantificar o número de nós e o número de enlaces da rede, utiliza-se n=|N| e l =|L|. Uma forma típica de representar G é por meio da matriz de adjacência. A matriz de adjacência é uma matriz quadrada de tamanho n x m, na qual a existência de um enlace entre os nós i e j é representada por a i,j = 1, a falta de conectividade entre os nós é representada por a i,j = 0 [21]. A Figura 5 ilustra a representação de uma rede na forma de um grafo G=(4,5), ou seja, a rede possui 4 Nós e 5 Enlaces.

um grafo G=(4,5), ou seja, a rede possui 4 Nós e 5 Enlaces. Figura 5: Representação

Figura 5: Representação de uma rede como um Grafo.

Algumas características da rede óptica que podem influenciar o desempenho dos algoritmos de roteamento na obtenção de soluções, são: recursos da rede, diâmetro, grau do nó, grau médio da rede e densidade [21]. Essas características são descritas nas subseções a seguir.

14

2.4.1 Recursos da rede

Os recursos da rede são representados pelo número de comprimentos de onda (λ) em redes ópticas WDM ou número de slots de frequência (S) em redes ópticas elásticas. Quanto mais recursos a rede puder prover, maior será a capacidade de comunicação entre os seus elementos durante a operação. É apresentado na Figura 6 um exemplo de disponibilidade de recursos ao longo dos enlaces de uma rede óptica elástica (EON – Elastic Optical Network). Verifica-se que em todos os enlaces que compõe a rede existem 5 slots de frequência como capacidade máxima do enlace, e que dado um cenário de operação dinâmica da rede, esses enlaces em determinados momentos poderão ter alguns slots ocupados, em determinados poderão estar com alguns slots disponíveis. Se a quantitadade de slots disponíveis nos enlaces que compõem a rede da Figura 6 fosse de 320 slots, em vez de 5 slots, haveria uma maior capacidade de alocar as requisições na rede e como consequência realizar a comunicação entre os nós, já que a rede teria mais recursos disponíveis.

os nós, já que a rede teria mais recursos disponíveis. Figura 6: Exemplo de EON com

Figura 6: Exemplo de EON com 5 Slots de frequência em todos os enlaces.

2.4.2 Diâmetro

O diâmetro da rede é a maior distância física geodésica da rede, ou seja, o maior dos menores caminhos entre cada par de nós da rede [21]. Para cada par de nós da rede existe um caminho mínimo, que pode ser a distância física da rota necessária para ir de um nó A a um nó B, ou o número de saltos que é a quantidade de enlaces percorridos para estabelecer comunicação entre estes nós para uma dada rota.

15

Calculados todos os caminhos mínimos para todos os pares de nós, o maior deles corresponderá ao diâmetro da rede. O diâmetro pode ser usado para calcular o alcance de transparência da rede, que é a maior distância que a rede pode operar sem a necessidade da utilização de equipamentos E/O. Dada a rede da Figura 5, agora representada com a distância física entre os seus enlaces, conforme a Figura 6, obtem-se que o diâmetro da rede é de 2 saltos e se considerada a distância física entre os nós tem-se um diâmetro de 85 Km representada pela rota 1-2-4 ou 4-2-1.

um diâmetro de 85 Km representada pela rota 1-2-4 ou 4-2-1. Figura 7: Representação de um

Figura 7: Representação de um exemplo de EON com distância física nos enlaces.

2.4.3 Grau do Nó

O grau do nó é o número de enlaces conectados ao nó. Para a rede ilustrada na Figura 5 tem- se que os nós 1, 2, 3 e 4 possuem grau 2, 3, 3 e 2, respectivamente. Fisicamente essa medida é importante para determinar o quão conectado é o nó na rede e como consequência pode representar uma medida de centralidade desse nó na rede, pois várias rotas distintas passam pelos nós que possuem grau elevado.

2.4.4 Grau Médio da Rede

O grau médio da rede é calculado em função da soma do grau de todos os nós dividido pelo número total de nós existentes na rede. Considerando que cada enlace é bidirecional e que este é incidente a dois nós, percebe-se que 1 enlace incrementa o grau de dois nós na rede. Desta forma, o grau médio da rede pode ser calculado através da equação (2.1), em que l é o número de enlaces da rede e n é o número de nós existentes da rede. Tanto o grau do nó, como o grau médio da rede

16

influenciam a quantidade de rotas alternativas que podem ser encontradas para distribuir o tráfego na rede [21].

é =

Para a rede da Figura 5, o grau médio é 2,5.

2.4.5

Densidade

(2.1)

A densidade de uma rede (d) é definida como a razão entre o número de enlaces que existem na rede e o número máximo de enlaces que poderiam existir. Desta forma, o grau médio da rede pode ser calculado pela equação (2.2), em que l é o número de enlaces da rede e n é o número de nós existentes da rede

=

.

( )

(2.2)

Quanto maior for a densidade na rede, maior será o custo de implantação e por consequência maior a resiliência devido ao grande número de rotas alternativas. Considerando a rede apresentada na Figura 5 com enlaces bidirecionais, tem-se que a densidade é:

=

5

4(3) = 6

2(5)

2.5 Algoritmos de Roteamento em Redes Ópticas

Para que se consiga um desempenho satisfatório em redes ópticas com tráfego dinâmico, a definição dos caminhos ópticos no qual a informação será transmitida é crucial para que a rede tenha bom desempenho. A rotas devem apresentar qualidade de transmissão (QoT – Quality of Transmission) adequada visando manter recursos disponíveis para o provisionamento de futuras requisições na rede. Nas redes ópticas WDM, a definição do caminho óptico passa pela escolha de uma rota apropriada e alocação de um comprimento de onda ao longo do percurso. Esse processo é chamado de roteamento e alocação de comprimento de onda é conhecido como RWA. Já as redes ópticas WDM que não possuem a capacidade de regeneração ou conversão O-E-O, existe uma importante restrição denominada restrição de continuidade de comprimento de onda (WCC -

17

Wavelength Continuity Constraint). Essa restrição impõe que o mesmo comprimento de onda deve ser usado em todos os enlace ao longo do caminho óptico [3, 22]. Quando se trata das EONs, o caminho óptico é definido pela escolha de uma rota adequada e alocação de um número de slots de frequência contíguos e contínuos, sendo esse processo chamado de RSA. Um dos principais desafios no gerenciamento de espectro nas EONs é a restrição de contiguidade e continuidade dos slots. Esta restrição define que os slots de frequência devem ser alocados de modo contíguo e os mesmos slots de frequência devem ser selecionados em cada enlace da rota destinada a atender a requisição de conexão [21]. Essa limitação é semelhante à da continuidade de comprimento de onda nas redes ópticas WDM, porém com o agravante de existirem possíveis requisições com diferentes larguras de banda [23]. Caso seja possível escolher um dentre os diferentes formatos de modulação para cada requisição de conexão, então o processo de RSA é tratado com mais uma complexidade, sendo chamado de roteamento por alocação de formato de modulação e espectro (RMLSA - Routing, Modulation level and Spectrum Assignment) [24]. Quanto a classificação do tráfego na rede, tanto nas redes ópticas WDM, quanto as EONs, podem ser estáticas ou dinâmicas. No tráfego estático, o tamanho de todas as requisições é previamente conhecido e o objetivo é minimizar a quantidade de recursos necessários, ou seja, o número de comprimentos de onda ou slots de frequência, assim como o número de fibras entre os nós, aumentando o percentual de requisições atendidas com sucesso na rede. Para o tráfego dinâmico, as requisições de conexão não são previamente conhecidas e elas surgem de forma aleatória na rede. Em ambos os casos, o objetivo é minimizar a probabilidade de bloqueio de requisições, ao otimizar a utilização dos recursos disponíveis no sistema [21, 25]. No capítulo 4, serão abordadas as contribuições desta dissertação na área de roteamento em redes ópticas EONs, considerando tráfego dinâmico. Nesse momento será apresentado um novo algoritmo de roteamento baseado em lógica nebulosa para redes EON utilizando como parâmetro de entrada a disponibilidade de slots contínuos na rota, disponibilidade média de slots na rota e distância física para estabelecimento de rota entre os dois nós. A seguir, serão descritos alguns dos principais tipos de roteamento existentes na literatura.

2.5.1 Roteamento por menor caminho físico e menor número de saltos

O processo de roteamento estático, é mais simples, pois todas as rotas entre os nós origem- destino são pré-definidas. A seleção da rota segue um determinado critério sendo variável da função

18

custo e as rotas escolhidas são armazenadas numa tabela de roteamento em todos os nós da rede. Diversas variáveis que podem ser utilizadas para calcular do custo relativo de cada enlace que irá compor a rota, como: a distância física entre os nós de conexão, o número de amplificadores, o número de regeneradores, a quantidade de slots contínuos e contíguos na rota, a disponibilidade média de slots na rota, entre outros [21]. Os algoritmos de roteamento estático podem ser classificados em: roteamento fixo, onde sempre é escolhida a mesma rota para um dado par de nós origem-destino; e o roteamento fixo alternativo, na qual a rota para um dado par de nós origem- destino é escolhido a partir de uma lista ordenada de caminhos pré-determinados [21, 26, 27]. No roteamento fixo, sob a requisição de conexão, o sistema de gerenciamento sempre escolhe a mesma rota para um dado par de nós fonte-destino. Um exemplo é o roteamento pelo menor caminho, na qual o critério mais usado para a escolha da rota é a distância física entre o par de nós fonte-destino. A Figura 8 mostra um exemplo de roteamento fixo usando a variável de menor distância física, na qual é estabelecida uma rota do nó 1 ao nó 5, através dos que compõem a rota 1-3-5.

do nó 1 ao nó 5, através dos que compõem a rota 1-3-5. Figura 8: Roteamento

Figura 8: Roteamento fixo usando a varíavel de menor distância física entre os nós 1 e 5.

Neste caso, a rota deve ser escolhida antes do início da operação. Uma vez definido o critério, o algoritmo de Dijkstra ou Bellman-Ford [28] pode ser usado para a determinação prévia das rotas. O roteamento fixo apresenta uma taxa de bloqueio elevada comparado a outros métodos de roteamento, em função da indisponibilidade de recursos e de eventuais falhas em enlaces, que podem comprometer a rota pré-determinada. Já no roteamento fixo alternativo, emprega-se uma busca semelhante a realizada no roteamento fixo. A diferença está no fato que no roteamento fixo alternativo busca-se uma certa quantidade de rotas para cada par de nós origem-destino. Por exemplo, estas rotas podem incluir a

19

rota mais curta, a segunda rota mais curta, e assim sucessivamente. Desta forma, uma das rotas é considerada como a rota principal e as demais são consideradas como rotas alternativas. Quando uma requisição de conexão chega a um determinado nó com um destino pré-determinado, este tenta estabelecer a conexão, usando de forma sequencial cada uma das rotas existentes na tabela de roteamento, até encontrar uma rota disponível na tabela de roteamento [21]. Se não houver qualquer rota disponível na tabela de roteamento, a requisição não é atendida, e assim é bloqueada. Logo, no roteamento fixo alternativo, é necessário que todos os nós tenham uma tabela de roteamento com a lista ordenada das rotas para todos os outros nós destino. A Figura 9 mostra um exemplo de roteamento fixo alternativo que usa a variável de menor distância física, para definir duas rotas, uma primária (rota 1-3-5) e uma alternativa (rota 1-2-4-5) entre os nós 1 e 5.

1-3-5) e uma alternativa (rota 1-2-4-5) entre os nós 1 e 5. Figura 9: Exemplo de

Figura 9: Exemplo de roteamento fixo alternativo, rota primária (1-3-5) e a rota alternativa (1-2-

4-5).

Em caso de falha física ou congestionamento, o roteamento fixo não é capaz de determinar imediatamente outra rota entre os nós. Já o roteamento fixo alternativo, por considerar múltiplas rotas, pode ser capaz de corrigir esse problema, pois através das rotas alternativas é possível o estabelecimento de um caminho reserva para comunicação. Além disso, outra solução para o problema pode ser a utilização de rotas válidas e disponíveis seria utilizar um algoritmo de roteamento dinâmico. Nesse tipo de roteamento, também conhecido como roteamento adaptativo, a rota de conexão é atribuida de forma dinâmica, dependendo do estado atual da rede. O estado da rede depende basicamente das conexões ativas e dos recursos disponíveis [3, 29, 30]. Xavier et al. [31, 32] propuseram uma nova abordagem de roteamento, denominada roteamento adaptativo-alternativo. No roteamento adaptativo-alternativo,

20

um conjunto de rotas de menor custo são encontradas para atender a requisição. Cada uma dessas rotas leva em consideração o estado atual da rede. A partir das propostas de Xavier et al. [31, 32] verifica-se que diversas métricas podem ser implementadas nos algoritmos de roteamento a fim de balancear a rede óptica com a melhor forma de atribuição para estabelecimento da conexão e diminuição de probabilidade de bloqueio em requisições futuras. Nesse sentido, podem ser utilizadas métricas que atendam apenas a topologia da redes como aquelas referentes a grau do nós, centralidade de enlaces, recursos de rede (slots) disponíveis no enlace, número de formas de alocação da requisição num dado enlace[5] , dentre outros. No entanto, uma rede real também deve levar em conta as penalidades sofridas pelo sinal na camada física e um das métricas mais importantes é a distância física da rota. Como apresentado na Seção 2.2, algumas penalidades de camada física, seja através de efeitos lineares como atenuação e dispersão, ou através de efeitos não lineares, podem gerar bloqueio na comunicação para uma dada requisição. Assim, esta dissertação usará como métrica no algoritmo de roteamento uma combinação de balanceamento através da ocupação de recursos nos enlaces que compõe a rede e da distância física entre os nós que estabelecerão a requisição. Desta forma, está sendo proposta nesta dissertação uma abordagem que combina aspectos topólogicos de ocupação dos enlaces e o aspecto físico na distância para que a melhor rota seja atribuída para uma dada requisição. Os parâmetros de ocupação de slots contíguos na rota, ocupação média dos slots na rota e distância física da rota, são métricas que serão utilizadas no algoritmo proposto neste trabalho para que o roteamento seja estabelecido. É importante salientar que o processo de decisão não é fixo, como ocorre nos algoritmos de roteamento de menor caminho (SP - Shortest Path) e menor número de saltos (MH - Minimum Hop) nos quais a rota com a menor distância física e menor número de enlaces entre os nós de origem e destino são encontradas através do uso do algoritmo de Dijkstra antes da operação da rede [26, 27]. Assim, pode-se afirmar que para o SP e MH o custo de cada enlace é fixo e somente uma rota é calculada para cada par de nós [21]. Tomando-se como referência a topologia apresentada na Figura 7, caso fosse necessário o estabelecimento de uma conexão entre o nó 1 e nó 4, o algoritmo SP teria como rota escolhida o caminho 1-2-4, com comprimento físico de 85 Km. Já se o algoritmo MH fosse utilizado, o roteamento poderia ser realizado tanto pela rota 1-2-4, como pela rota 1-3-4, já que ambas possuem o custo de 2 saltos entre os nós de origem e destino.

21

2.5.2 Algoritmo de Yen

O Algoritmo de Yen [33] foi proposto para solucionar o problema de encontrar as k-rotas de menor custo entre os nós origem e destino. Um das vantagens da escolha desse algoritmo está relacionada ao seu custo computacional. Nele, o custo computacional cresce linearmente com o aumento do número de rotas encontradas [34]. No algoritmo de Yen, a primeira rota é selecionada utilizando um algoritmo de menor custo. Para as iterações seguintes, é utilizado um mecanismo no qual são realizadas derivações sucessivas na rota anterior (k-1) para encontrar a nova rota (k). Na nova rota, são calculados subcaminhos alternativos a partir dos nós anteriores ao destino da rota k-1. Em cada iteração, o algoritmo faz a seleção um nó i, e testa se subcaminho da fonte até o nó atual está incluso em alguma das rota já encontrada. Caso esteja, os enlaces entre o nó i e i-1 recebem um custo infinito, e se executa o algoritmo de menor distância a partir do nó i. Se não, é executado o algoritmo de menor caminho. O novo caminho encontrado nas etapas aneriores é armazenado numa lista temporária denominada por Yen como spur e o subcaminho onde está o nó fonte até o nó i é armazenado numa lista denominada root. Na etapa final do algoritmo, são combinados os subcaminhos da lista root com os subcaminhos da lista de spur, avaliam-se as rotas e selecionam-se aquelas que possuem o menor caminho como segunda rota encontrada. As próximas rotas seguem o mesmo processo da rota anterior até que sejam completados todas as possíveis rotas entre origem e destino ou para quantas k rotas desejam-se encontrar. O Pseudocódigo 1 apresenta o processo descrito anteriormente para executar o algoritmo Yen.

2.5.3 Roteamento por caminho mais curto menos congestionado

O algoritmo de roteamento por caminho mais curto menos congestinado (CASP - Congestion Aware Shortest Path) é utilizado para tratar problemas de RMLSA em EONs. A função custo w i;j do algoritmo CASP é definada conforme a Equação (2.3):

w i;j = , ,

,

(2.3)

em que n i;j representa o percentual de slots de frequência disponíveis no enlace entre os nós i e j, e d i;j é a distância física no enlace entre os nós i e j. Se o enlace estiver totalmente congestionado, wi;j terá um custo infinito. Pela Eq.(2.3), pode-se notar que, quanto menor o percentual de slots de

22

frequência disponíveis no enlace w i;j , maior o custo do enlace, uma vez que w i;j é inversamente proporcional a n i;j [21].

2.5.4 Roteamento com restrição de continuidade de slots

O algoritmo de roteamento com restrição de continuidade de slots (SCSP - Spectrum Continuity based Shortest Path) usa o algoritmo de Dijkstra para encontrar a rota com menor custo [21]. O algoritmo de Dijkstra é modificado para armazenar a informação de continuidade do espectro ao longo da rota analisada. Essa informação acumulada é usada para compor o custo do enlace, definida como Cscsp, conforme a equação (2.4):

Cscsp =

,

+ ! , " ,

(2.4)

em que d i,j é a distância física do enlace entre os nós i e j, d max é a distância física do maior enlace da rede e s i,j é a disponibilidade de slots de frequência contíguos obtido no vetor resultante da rota.

23

Algoritmo 1: Pseudocódigo do algoritmo de Yen

.

1: função RotasYen(rede, k, nó origem, nó destino)

2:

defina S como sendo a lista das rotas encontradas;

3:

enquanto as k rotas não são encontradas faça

4:

se S está vazia então

5:

encontre a rota de menor caminho físico entre os nós fonte e destino;

6:

armazena a rota encontrada em S;

7:

senão

8:

defina as listas temporárias root, spur e T;

9:

para todos os i nós da rota encontrada anteriormente faça

10:

se existeSubCaminho(i, rota, S) então

11:

armazene o subcaminho da origem ao nó i na lista root;

12:

configure a distância entre o nó i e o nó i + 1 para infinito na rede;

13:

encontre uma nova rota entre o nó i e o nó destino;

14:

armazene o subcaminho do nó i ao destino na lista spur;

15:

fim se

16:

fim para

17:

combine os subcaminhos das listas root e spur, e armazene em T;

18:

encontre a rota de menor caminho entre as rotas armazenadas em T;

19:

armazene a rota em S;

20:

limpe a lista temporária;

21:

restabeleça as distâncias da rede;

22:

fim se

23:

fim enquanto

24:

retorne a lista S.

25: fim função

É ilustrado nas Figura 10 e Figura 11 um exemplo da execução do algoritmo de Yen para encontrar as duas rotas de menor caminho entre os nós 1 e 4. A primeira etapa do algoritmo é encontrar a primeira rota (rota 1-4-5) de menor caminho (k=1) entre os nós 1 e 4, como mostra a Figura 10 (b). Essa rota 1-2-4 é armazenda na lista S. Para encontrar a segunda rota de menor caminho (k=2), o algoritmo realiza uma iteração em todos os nós que integram a rota encontrada anteriormente (k-1), com exceção do nó destino. A Figura 3.3(c) mostra que o nó 1 (marcado com circulo sólido preto) como o primeiro nó escolhido na iteração, o algoritmo armazena o nó 1 na lista

24

root e checa se o subcaminho da fonte até o nó da iteração (ou seja, o próprio nó fonte) existe em alguma rota na lista S. Como existe, o custo do enlace entre os nó 1 e 2 é configurado para infinito. Em seguida, conforme apresentada na Figura 10 (c) o algoritmo encontra novamente uma rota de menor caminho na rede (linha vermelha e sólida rota 1-4-5). Essa rota encontrada é armazenada na lista spur [21]. Na Figura 11 (a), o algoritmo de Yen restaura o custo do enlace entre os nós 1 e 2, e escolhe o próximo nó na iteração, nó 2. Logo, o subcaminho constituído entre os nós 1 e 2 é armazenado na lista root e em seguida, o algoritmo analisa se esse subcaminho existe em alguma rota da lista S. Como existe, o algoritmo atribui ao enlace entre os nós 2 e 4 um custo infinito. O algoritmo de Yen, remove temporariamente o subcaminho entre os nós 1 e 2 para evitar recirculação na rede, e calcula uma rota de menor caminho entre os nós 1 e 4, e armazena essa rota na lista spur.

entre os nós 1 e 4, e armazena essa rota na lista spur . (a) (b)

(a)

os nós 1 e 4, e armazena essa rota na lista spur . (a) (b) (c)

(b)

os nós 1 e 4, e armazena essa rota na lista spur . (a) (b) (c)

(c)

Figura 10: Execução do algoritmo de Yen para encontrar as duas rotas de menor caminho entre os nós 1 e 4: (a) Etapa 1, (b) Etapa 2 e (c) Etapa 3.

25

25 (a) (b) (c) Figura 11: Execução do algoritmo de Yen para encontrar as duas rotas

(a)

25 (a) (b) (c) Figura 11: Execução do algoritmo de Yen para encontrar as duas rotas

(b)

25 (a) (b) (c) Figura 11: Execução do algoritmo de Yen para encontrar as duas rotas

(c)

Figura 11: Execução do algoritmo de Yen para encontrar as duas rotas de menor caminho entre os nós 1 e 4: (a) Etapa 4, (b) Etapa 5 e (c) Etapa 6.

Após terminar as iterações entre os nós da rota encontrada anteriormente (k-1), o algoritmo faz combinação entre as listas root e spur, e armazena essas rotas na lista temporária T, como mostra a Figura 11 (b). A rota que tiver menor custo entre as rotas na lista T é selecionada pelo algoritmo de Yen como a segunda rota de menor caminho (k=2). Assim, o algoritmo encontra 2 rotas de menor custo na rede, como mostra a Figura 11 (c), são elas: rota 1-2-4 (setas vermelha e sólida) e rota 1- 3-2-4 (setas preta e sólida).

26

2.6 Trabalhos Relacionados a Roteamento usando de lógica nebulosa

Sardar [35] apresenta em seu trabalho um sistema baseado em regras nebulosas para a escolha da rota em uma rede óptica. Em sua proposição de algoritmo de roteamento, são

encontrados previamente os 3 menores caminhos entre cada par origem-destino da rede, de acordo com o critério de número de saltos (enlaces) ou a distância física entre os nós. Isso é feito com o algoritmo fixo alternativo. Levando-se em consideração que o custo de equipamentos que roteiam o comprimento de onda é bastante elevado, a informação do número de saltos mostra-se como uma característica secundária quando analisado a importância das distância física entre os pares de origem e destino que estabelecem a conexão. Neste caso, as penalidades de camada física estão diretamente atribuídas ao comprimento física da rota e não ao número de saltos na rede. Por esta razão, nesta dissertação será explorada a distância física como critério de decisão na escolha da rota e não o número de saltos. Ainda em Sardar [35], no momento em que ocorre uma requisição de conexão, uma mensagem de controle é enviada do nó origem ao nó destino pelas 3 rotas, a fim de coletar informações sobre a disponibilidade dos comprimentos de onda em cada uma delas. No nó destino,

o algoritmo nebuloso desenvolvido escolhe que caminho utilizar, com base em dois critérios: o

número de comprimentos de onda livres e o atraso total para processar a mensagem de controle. Para uma rede de 6 nós, 8 enlaces e 8 comprimentos de onda por enlace, o algoritmo de Sardar [35] obteve aproximadamente 55% de redução na probabilidade de bloqueio comparado com

o roteamento fixo alternativo. No entanto, não foram realizadas simulações com outras redes que

pudessem comprovar a eficiência do algoritmo proposto para diferentes topologias, sendo essa uma lacuna apresentada no trabalho. Em Lea [36], a autora implementa quatro diferentes métodos para o roteamento que são:

algoritmos genéticos, lógica nebulosa, simulated annealing e busca tabu. Os resultados de probabilidade de bloqueio obtidos por cada um destes métodos são comparados aos resultados obtidos pelo roteamento fixo alternativo, considerando-se 3 possíveis rotas. No roteamento feito com o método de lógica nebulosa, foram consideradas 5 possíveis rotas para cada par origem destino da rede. Quando ocorre uma requisição de conexão, é chamado o algoritmo nebuloso proposto por Lea [36] para calcular um índice de qualidade para cada rota. São utilizados como entrada o número de enlaces da rota e o número de comprimentos de onda disponíveis na mesma. A requisição é atendida pela rota que apresentar o maior índice.

27

Lea [36] simulou o algoritmo em duas redes: uma rede com 14 nós e 20 enlaces e outra com 16 nós e 32 enlaces, considerando para as duas topologias 4 e 8 comprimentos de onda por enlace. Para essas redes e determinadas condições de carga, o algoritmo nebuloso proposto obteve os melhores resultados de probabilidade de bloqueio. No entanto, o trabalho não apresentou a variação da probabilidade de bloqueio em função da carga, o que gera dúvidas sobre a eficiência da proposição em redes com cargas variáveis. Paiva [37] desenvolveu um algoritmo baseado em lógica nebulosa que possui duas entradas e uma saída. As entradas escolhidas foram o número de enlaces e a ocupação da rota no momento da requisição. A ocupação da rota é definida como sendo o número de comprimentos de onda contínuos ocupados ao longo da rota. O método de defuzzificação utilizado foi o Mamdani, porém esse método classifica a saída do sistema em uma função de pertinência previamente definida e que não propicia a adaptabilidade promovida através dos controladores inspirados na técnica de Takagi- Sugeno. Foram analisadas duas topologias, sendo uma malha regular com 16 nós e 32 enlaces e outra de malha irregular com 14 nós e 20 enlaces. Nas duas redes, foi admitido que cada enlace permite a propagação de 8 comprimentos de onda. Comparando os resultados obtidos por Paiva [37], nota-se que a rede regular de 16 nós e topologia malha regular, é mais sensível à diminuição da probabilidade de bloqueio com o aumento do número de rotas alternativas consideradas. Além disso, a diferença na probabilidade de bloqueio obtida pelos dois algoritmos de roteamento também é mais evidente na rede malha regular que a malha irregular. Verificou-se que quanto mais rotas são disponibilizadas para o algoritmo nebuloso, melhor é o desempenho da probabilidade de bloqueio, porém o nível de melhoria depende da carga aplicada na rede e da topologia da rede.

2.7 Arranjo Experimental

As topologias de rede utilizadas nas simulações nesta dissertação são apresentadas nas Figura 12, Figura 13 e Figura 14. O resumo das características dessas topologias de rede são apresentadas na Tabela 1. Na topologia de rede 1 apresentada na Figura 12, a maioria dos nós tem uma conectividade menor comparada às outras redes apresentadas, devido ao grau médio da rede ser o menor. Assim, essa é uma rede menos resiliente em relação a quantidade de rotas alternativas disponíveis. Além disso, seus enlaces são maiores em termos de comprimento, fazendo com que a probabilidade de bloqueio devido as penalidades de camada física se acentuem nesse tipo de rede. Nas topologias de rede 2 e 3, apresentadas nas Figura 13 e Figura 14, respectivamente, a característica predominante

28

é a melhor conectividade comparada a topologia 1, já que o grau médio dessas redes é superior a

topologia de rede 1. Embora exista semelhança na métrica de grau médio da rede nas topologias 2

e 3, pode-se verificar que a distância média dos enlaces na topologia 3 é maior que a distância média dos enlaces na topologia 2 fazendo com que haja um equilíbrio entre o bloqueio por penalidades causadas na camada física e por falta de recursos [21].

causadas na camada física e por falta de recursos [21]. Figura 12: Topologia de Rede 1

Figura 12: Topologia de Rede 1 - Pacific Bell [21].

[21]. Figura 12: Topologia de Rede 1 - Pacific Bell [21]. Figura 13: Topologia de Rede

Figura 13: Topologia de Rede 2 - NSFNet [21].

- Pacific Bell [21]. Figura 13: Topologia de Rede 2 - NSFNet [21]. Figura 14: Topologia

Figura 14: Topologia de Rede 3 – Finlândia [21].

29

Tabela 1: Características principais das Topologias de Rede apresentadas.

Característica

Topologia 1

Topologia 2

Topologia 3

Número de nós

17

14

12

Número de enlaces

23

21

19

Min grau de nó

2

2

2

Max grau de nó

6

4

4

Grau médio

2,71

3

3,17

Min distância do enlace (km)

60

21

18

Max distância do enlace (km)

150

100

183

Distância média do enlace (km)

103,04

46,66

68,89

Diâmetro da rede (hop)

6

3

5

Diâmetro da rede (Km)

550

162

290

Densidade

0,084

0,115

0,144

2.8 Ferramenta de Simulação SIMTON

Todos as análises realizadas nesta dissertação de mestrado foram realizadas a partir de resultados de simulações. Para a execução das simulações foi utilizado o SIMTON [12, 14], uma plataforma de simulação desenvolvida em parceria entre a Universidade Federal de Pernambuco e a Universidade de Pernambuco. O SIMTON utiliza uma modelagem de camada física de rede que considera os efeitos de saturação de ganho nos amplificadores ópticos EDFA (Erbium Dopped Fiber Amplifier), dependência do ruído de emissão espontânea (ASE), o crosstalk nos comutadores ópticos, mistura das quatro ondas, atenuação, dispersão do modo de polarização (PMD) nas fibras ópticas e ruído de emissão espontânea no transmissor. Na ferramenta de simulação é possível configurar o algoritmo de roteamento de alocação de comprimento de onda. O SIMTON possui diversos módulos para algoritmos de proteção e restauração em redes ópticas WDM e EON. Nesse trabalho foi proposto no SIMTON um algoritmo de roteamento para que as regras baseadas em lógica nebulosa pudesse selecionar a rota dentre as disponíveis para efetuar a conexão entre o par origem e destino. Assim, é esperado que se obtenha um melhor resultado nas simulações quando comparados com outros algoritmos de roteamento já implantados no SIMTON em termos de probabilidade de bloqueio e vazão.

30

Nas simulações são avaliadas a probabilidade de bloqueio de requisição e o throughput dos algoritmos de RMLSA (Routing, Modulation level and Spectrum Assignment). Os efeitos de camada física considerados neste estudo são: o ruído ASE e efeitos de saturação de ASE. Os formatos de modulação considerados nas simulações foram: QPSK, 8-QAM, 16-QAM, 32-QAM. Para cada simulação de rede, um conjunto de 10 5 requisições de conexão são geradas e os pares origem/destino foram gerados aleatoriamente para cada requisição de conexão [21]. A Tabela 2 apresenta os parâmetros com os quais as simulações foram realizadas no SIMTON.

Tabela 2: Parâmetros da simulação usados nos algoritmos de RMLSA em EONs.

Parâmetro

Valor

Definição

 

P

sat

26 dBm

Potência de saturação do amplificador

 

P

laser

0 dBm

Potência de transmissão de saída

OSNR in

40

dB

OSNR de entrada

 

S

320

Número de slots de frequência

 

f

12,5 GHz

Espaçamento do slot de frequência

 

α

0,2 dB/km

Coeficiente de perda da fibra

 

L

Mux

3

dB

Perda do multiplexador

L

Demux

3

dB

Perda do demultiplexador

L

Switch

10

dB

Perda do comutador óptico

 

NF

5,5 dB

Figura de ruído do amplificador

.

31

3 Sistemas Baseados em Regras Nebulosas

A lógica Aristótelica criou um conjunto de regras rígidas para que conclusões sobre questões

fossem aceitas como corretas ou logicamente válidas. Assim, esse tipo de lógica induz uma linha de raciocínio lógico baseado em premissas e conclusões [38]. Esse tipo de lógica é conhecido como Lógica Binária ou Lógica Clássica, isto é, uma

declaração pode ser falsa ou verdadeira, não podendo ser ao mesmo tempo parcialmente verdadeira

e parcialmente falsa. Os seres humanos não tomam decisões considerando valores exatos, mas sim utilizando uma lógica que considera um grau de incerteza e um grau de pertinência das variáveis envolvidas no processo decisório. Não se liga o ar condicionado em 28°C, às 9h, e com uma umidade relativa do ar em 80%, mas sim, quando está "quente", no "início da manha" ou quando o ambiente está

"abafado", por exemplo [38]. As variáveis lingüísticas mencionadas anteriormente podem ser melhor descritas e manipuladas num conjunto nebuloso. Portanto, a Lógica Nebubosa ou também comumente chamada de lógica fuzzy é uma generalização da lógica clássica e permite incluir a imprecisão nos processos decisórios, sendo inicialmente proposta em 1965 pelo Dr. Lofti Zadeh na Universidade da Califórnia. A lógica nebulosa é de extrema importância devido aos vários fenômenos que existem no mundo real não serem absolutamente verdadeiros ou falsos.

A utilização da lógica nebulosa permite a criação de sistemas especialistas, nos quais são

utilizadas variáveis linguísticas para criar uma base de regras. As expressões linguísticas são

inerentes à natureza humana em tomar decisões. Por exemplo: "Se a temperatura estiver quente ligarei o ar condicinado no máximo”. Observa-se que as expressões “quente” e “máximo” não significam um valor pontual de temperatura ou potência, mas podem assumir uma faixa considerável de valores. Pessoas diferentes também podem ter diferentes percepções para o mesmo conceito linguístico [39; 41].

O ser humano é capaz de lidar com processos muito complexos, baseados em informações

imprecisas ou aproximadas. A tomada de decisão humana é também de natureza imprecisa e, por consequência, possível de ser expressa em termos linguísticos. Os conceitos de lógica nebulosa geralmente são utilizados para traduzir em linguagem matemática a informação imprecisa que é expressa por um conjunto de regras linguísticas. Caso um operador humano seja capaz de articular sua ação como um conjunto de regras da forma se/então, um algoritmo passível de ser implementado em computador pode ser construído [39].

Assim, a lógica nebulosa é a lógica que suporta os modos de raciocínio que são aproximados

e não puramente exatos. Modelagem e controle nebuloso de sistemas são técnicas para o tratamento

32

de informações qualitativas de uma forma rigorosa [40]. A partir dos conceitos de lógica nebulosa são desenvolvidos métodos e algoritmos de modelagem e controle de processos que permitem a redução da complexidade de projeto e implementação. Ainda que as técnicas de controle possam ser determinadas por modelos matemáticos deterministicos, as implementações baseadas em lógica nebulosa frequentemente tem um melhor desempenho, por causa dos seguintes aspectos [41, 42, 43]:

1. As estratégias de controle nebuloso imitam um comportamento baseado em regras vindas da experiência do especialista em vez de um controle explicitamente restrito a modelos matemáticos como equações diferenciais. Portanto, a lógica nebulosa torna-se robusta em sistemas não-lineares sem requerer um modelo matemático exato;

2. O controle nebuloso abrange um grande número de entradas, muitas das quais são apenas para condições especiais. Portanto, algumas condições excepcionais (tais como alarmes) podem ser implementadas com um menor esforço computacional e flexível à modificações;

3. A implementação de produtos comerciais baseadas em estratégias de controle nebuloso destinadas ao mercado devem ser de custo mais baixo, frequentemente mais eficiente e facilmente implementável em microprocessadores em comparação a estratégias de controle convencionais. Isto é devido a uma menor codificação e tempo computacional de execução.

Na teoria clássica dos conjuntos, o conceito de pertinência de um elemento a um conjunto fica bem definido. Dado um conjunto A em um universo X, os elementos deste universo simplesmente pertencem ou não pertencem àquele conjunto. Isto pode ser expresso pela função característica f(x):

Isto pode ser expresso pela função característica f(x): em que os valores de função podem assumir

em que os valores de função podem assumir apenas dois valores, também conhecida como lógica booleana. Zadeh [39;43] propôs uma caracterização mais ampla, generalizando a função característica de modo que ela pudesse assumir um número infinito de valores no intervalo [0,1]. Um conjunto

33

fuzzy A em um universo X é definido por uma função de pertinência µ(x), onde o valor dessa função de pertinência pode assumir qualquer valor dentro do intervalo [0,1].

pode assumir qualquer valor dentro do intervalo [0,1]. Na Figura 15(a) é apresentado a esquerda um

Na Figura 15(a) é apresentado a esquerda um conjunto clássico para a variável altura, onde os valores superior a 1,75m pertencem a um dado conjunto que poderia ser alto e os valores abaixo de 1,75 pertencem a outro estado que pode ser baixo, por exemplo. Na Figura 15(b) existe uma função de pertinência associada a variável altura. Agora, os valores de altura podem assumir uma gama de classificação, como: baixo, mediano, alto, muito alto e assim sucessivamente a depender da valores numéricos associados a cada faixa de valor da variável estudada.

associados a cada faixa de valor da variável estudada. Figura 15: Representação de um cojunto pela

Figura 15: Representação de um cojunto pela (a) clássica booleana e pela (b) fuzzy.

Assim, o estudos de fenômenos físicos através de lógica nebulosa aproxima mais a realidade através do tramento matemático da pertinência dos valores de seus estados. Um Sistema de Inferência Nebulosa é mostrado na Figura 16, onde estão identificadas relações de cada bloco, os quais serão detalhados adiante. Neste Sistema de Inferência Nebulosa, são consideradas entradas não-nebulosas, ou precisas, resultantes de medições ou observações. Em virtude disto, é necessário efetuar-se um mapeamento destes dados precisos para os conjuntos fuzzy de entrada, o que é realizado no estágio de fuzzificação. Neste estágio ocorre também a ativação das regras de decisão [44]. Desta forma, nesta dissertação, as métricas de ocupação de slots contínguos na rota, ocupação média de slots na rota e distância normalizada da rota serão calculadas para cada uma das rotas selecionadas pelo algoritmo de roteamento proposto. Considerando a característica dinâmica

34

da rede, os valores das métricas citadas podem assumir diferentes estados nas respectivas funções de pertinência. Após a definição das regras, realiza-se a defuzzificação do sistema, que consiste em uma combinação das regras, obtendo-se saídas precisas que valoram o custo para uma determinada combinação de regras.

valoram o custo para uma determinada combinação de regras. Figura 16: Esquema de um Sistema Fuzzy

Figura 16: Esquema de um Sistema Fuzzy [44].

3.1.1

Fuzzificação

Nesta etapa é obtido o grau de pertinência a que cada entrada é associada na função de pertinência. As entradas são previamente limitadas ao universo em questão e associadas a um grau de pertinência em cada conjunto nebuloso, através do conhecimento do especialista. Assim, para que seja obtido o grau de pertinência de uma determinada entrada, basta buscar esse valor na base de conhecimento do sistema nebuloso. A Figura 17 ilustra um exemplo de uma função de pertinência para a variável temperatura, onde para os valores abaixo de 10º o estado da variável é absolutamente frio, para valores acima de 30º o estado da variável é absolutamente quente e para valores entre 10º e 30º a temperatura pode

35

ser média/fria ou média/quente, a depender de qual seja o seu valor. Assim, cada valor de temperatura assume uma pertinência ao conjunto da qual ela faz parte.

assume uma pertinência ao conjunto da qual ela faz parte. Figura 17: Função de pertinêcia para

Figura 17: Função de pertinêcia para a variável temperatura [44].

No algoritmo proposto neste trabalho, as variáveis de ocupação contígua de slots, ocupação média de slots ao longo da rota e distância física da rota serão fuzzificadas para serem representadas em funções de pertinência que permitam, em cada caso, atribuir uma classificação a depender de qual estado a variável se encontre naquele momento.

3.1.2 Inferência e regras

A inferência nebulosa é um processo de avaliação de entradas com o objetivo de, através das regras previamente definidas e das entradas, obter conclusões utilizando-se a teoria de conjuntos nebulosos. Esse processo pode ser feito através de modelos de inferência, cuja escolha deve considerar o tipo de problema a ser resolvido, obtendo-se assim um melhor processamento. As regras utilizadas em sistemas nebuloso são regras normais utilizadas para operar, da maneira correta, conjuntos nebulosos, com o intuito de obter consequentes. Para a criação dessas regras é necessário um raciocínio coerente com o que se deseja manusear e obter. Para isso, este raciocínio deve ser dividido em duas etapas que são: avaliar o antecedente da regra, que são os estados que as métricas podem assumir no conjunto fuzzy; e aplicar o resultado no consequente, que são as saídas das regras, cujos resultados dependem da classificação da métrica no conjunto fuzzy definido no antecedente. A inferência difusa significa aplicar regras do tipo se X então Y de forma que X e Y, e a própria sentença, sejam noções difusas. Nesse caso as variáveis X e Y são repectivamente o antecedente e o consequente da regra.

36

Assim, o tratamento matemático se torna mais fácil e a implementação de sistemas a partir do conhecimento humano. Como exemplo a regra, tem-se:

Regra: SE a temperatura é alta ou o ar está abafado então ligue o arcondicionado numa temperatura baixa.

De forma similar, serão adotadas regras para as variáveis que compõe a rede óptica em estudo nessa dissertação que relacionem os estados de ocupação de slots contíguos, ocupação média de slots na rota e distância física da rota. Para determinados estados dessas variáveis, existirão ações a serem tomadas que estarão explicitadas no consequente das regras.

3.1.3

Defuzzificação

O defuzzificador é o módulo que pondera as diversas respostas fornecidas pelas regras lógicas e atribui um número à saída. Esse número é quem dirá o que é mais pertinente a fazer, como por exemplo: “ligar” ou “não-ligar” um aparelho e com que grau, ou escolher uma dada rota óptica na rede dentre uma lista predefinida. Essa ponderação de respostas pode ser realizada por diversos métodos. Essa fase é conhecida também como máquina de inferência fuzzy e segue os seguintes passos para obter o resultado da inferência para um conjunto de fatos: fatos com premissas (antecedentes), grau de pertinência dos antecedentes e importância de cada regra. Para obtenção uma saída numérica, faz-se necessário defuzzificar a saída obtida na etapa anterior. Existem vários métodos de defuzzificação, como as técnicas propostas por Mamdani e Takagi-Sugeno. Nessa dissetação será abordada a técnica de defuzzificação pelo método de Takagi-Sugeno, na qual o consequente de cada regra é representado em função das variáveis de entrada e a saída final de todas as regras é determinada pela média ponderada das saídas geradas por cada uma das regras. Assim, os coeficientes de ponderação são determinados pelos graus de ativação das respectivas regras. Esta abordagem parece ser mais adequada para a geração de um custo ponderado, que pode ser usado como medida para escolha entre rotas. O processo de fuzzificação das entradas com aplicação de operadores nebulosos leva a uma saída que é uma função linear ou constante. Uma regra típica do modelo de Takagi-Sugeno é apresentada a seguir em que as métricas de referência são “Ocupação” e “Distância” e estas assumem respectivamente os estados x e y, no conjunto fuzzy de suas funções de pertinência.

37

SE a Ocupação=x E a Distância=y ENTÃO Custo da Regra é C i = a.x + b.y + c,

em que C i é o custo de cada uma das regras. Além disso, a partir do produto da operação do antecedente de cada regra, obtém-se um peso w i , o qual determina o fator de influência de cada regra no resultado final. Desta forma, a saída final, que é o custo total para uma dada rota na rede, por exemplo, passa

a ser determinada por uma equação que pode envolver mais de uma regra, conforme a equação

(3.1), onde C out representa o custo de saída para a rota e w i representa o peso que cada uma das

regras individualmente influencia na saída C out :

C

out =

&

'

$ .%

&

∑ $

'

(3.1)

3.1.4 Vantagens dos sistemas baseados em lógica nebulosa

É no campo da inteligência computacional onde a lógica nebulosa coloca-se como o principal instrumento para uma representação mais adequada do conhecimento, isso se devendo à sua capacidade de lidar com incertezas, raciocínio aproximado, termos vagos e ambíguos, com o que as pessoas pensam, isso tudo indo além do escopo das lógicas clássicas. Dessa forma, a lógica nebulosa permite aos sistemas computacionais inteligentes “raciocinar” considerando aspectos inerentes à incerteza e aos processos realísticos. Além disso, trazem a facilidade de utilizar expressões da linguagem natural na elaboração

de proposições linguísticas, a possibilidade de controlar processos com caracteristicas não-linerares

e de alta ordem, na qual a determinação do modelo matemático e o controle clássico do sistema são

muito complexos, e por fim a facilidade de implementação de técnicas de controle baseadas na experiência de um especialista e em aspectos intuitivos, utilizando proposições linguísticas através das regras.

38

4 Descrição do Algoritmo de Roteamento Proposto

O algoritmo de roteamento proposto nesta dissertação, através de um mecanismo baseado

em lógica nebulosa, objetiva o estabelecimento da conexão entre um par de nós da rede óptica, que menos consuma os recursos disponíveis, diminuindo a probabilidade de bloqueio quando comparado com outros algoritmos utilizados para roteamento em redes ópticas, como o: SP, MH, CASP e SCSP [21]. Espera-se que a rota escolhida tenha um menor custo para a realização da conexão entre o par origem e destino de uma dada requisição na rede, considerando a disponibilidade de slots contínguos na rota, a disponibilidade média de slots na rota e a distância física entre o par de conexão. Então, pode-se perceber que este algoritmo proposto é adaptativo e a combinação de informações para tomada de decisão em tempo real é fuzzy.

O algoritmo desenvolvido neste trabalho deve ser capaz de selecionar a rota de menor custo

para atendimento de uma requisição com base nos parâmetros de disponibilidade de slots contíguos da rota, disponibilidade média de slots na rota e distância normalizada das possíveis rotas entre os nós que estabelecem a conexão. Essas variáveis são calculadas para o estado atual da rede no momento de atribuição da rota e comporão a função Custo da Total da Rota. A rota que tiver o menor valor de Custo Total da Rota será escolhida para o estabelecimento da conexão. Faz-se necessária a compreensão que a função Custo Total da Rota é ponderada a partir dos valores de saídas das regras obtidas do sistema nebuloso proposto neste capítulo.

4.1 O Algoritmo Nebuloso

O algoritmo nebuloso funciona selecionando a rota que possua o menor custo total dentre o

universo das k rotas obtidas através do algoritmo de Yen. Assim, quando ocorre uma requisição na rede o algoritmo de Yen seleciona as k menores rotas baseado em distância física entre o par origem e destino da requisição e essas passam a ser analisadas pelo algoritmo nebuloso, sendo ao final da análise atribuído um custo a cada uma dessas rotas baseadas em um sistema fuzzy. A definição matemática de cada uma dessas variáveis que compõem o algoritmo nebuloso será apresentada neste capítulo. Na Figura 18 é apresentado o fluxograma com o funcionamento do algoritmo proposto. Pode-se verificar que o roteamento apenas será atribuido após o teste de todas as k rotas candidatas selecionadas pelo algoritmo de Yen e a rota de menor custo será selecionada para atribuição da requisição. Nesta dissertação foram selecionadas 5 rotas cadidatas através do algoritmo de Yen. Portanto, todas as simulações considera-se k=5.

39

39 Figura 18: Fluxograma de funcionamento do algoritmo nebuloso proposto.

Figura 18: Fluxograma de funcionamento do algoritmo nebuloso proposto.

40

A seguir é apresentado o pseudocódigo do algoritmo nebuloso proposto.

Algoritmo 2: Pseudocódigo do algoritmo baseado em lógica nebulosa

Entrada: Requisição de conexão a serem estabelecidas com o par de nós origem/destino, tabela com as cinco menores rotas para cada par de nós origem/destino da rede e o número de slots que será utilizado em cada requisição. Saída: Probabilidade de bloqueio e tempo computacional de processamento.

1:

Início

2:

Função RoteamentoporLogicaNebulosa (rede, N, nó origem, nó destino)

3: Para cada requisição de conexão, do nó de origem para o nó de destino 4: Para cada uma das cinco rotas encontradas pelo algoritmo de Yen 5: calcule o CTR baseado no sistema fuzzy proposto 6: armazene o CTR de cada rota em um tabela T por ordem crescente 7: Fim Para 8: se a tabela T não estiver vazia, então 9: escolha a primeira rota da tabela T que é a de menor CTR

10:

chame um algoritmo para atribuir a requisição na rota selecionada da linha 9

11:

incremente o número de requisições atendidas

12:

Fim Se

13:

Fim Para

14: Fim Função

O algoritmo baseado em lógica nebulosa proposto neste trabalho possui três entradas e uma

saída. As entradas representam elementos que são importantes na escolha da rota para atender uma dada requisição de conexão. Abaixo são descritas as variáveis de entrada que o algoritmo nebuloso proposto neste trabalho utiliza para calcular a função Custo Total da Rota:

1. Ocupação de Slots Contíguos da Rota;

2. Ocupação Média de Slots da Rota;

3. Distância Normalizada da Rota.

Assim, no estado inicial da rede quando todos os slots de todos os enlaces estão disponíveis, a única métrica em que a função custo total terá disparada é a que relaciona a distância normalizada das rotas. Neste caso, dentre as 5 rotas disponíveis será escolhida a rota com menor distância física

41

para alocar a requisição. Em um segundo momento, será sorteado um novo par de nós na rede e em alguma das 5 rotas selecionadas pelo algoritmo de Yen para o novo par de requisição, podem existir enlaces que já tenham sido ocupados quando da alocação da primeira requisição. É nesse momento que o algoritmo nebuloso começa a operar com as outras variáveis de entrada: ocupação de slots

contíguos da rota e ocupação média de slots na rota e passa a tomar as suas decisões de seleção de rota baseadas no conjunto das variáveis de entrada.

A seguir é detalhado o funcionamento de cada uma das variáveis de entrada utilizadas pelo

algoritmo nebuloso.

4.1.1 Ocupação dos Slots Contíguos da Rota

A variável de entrada “Ocupação de Slots Contíguos da Rota” representa a razão entre os

slots contíguos ocupados no vetor resultante da rota e o total de slots que fazem parte do vetor resultante.

É definida a variável C OSCR como o Custo da Ocupação de Slots Contíguos na Rota.

É considerado que todos os enlaces da rede possuem o mesmo número de slots de frequência

e que não há roteamento das posições de slots de frequência nos enlaces ao longo da rota. Assim, tem-se a definição matemática do C OSCR , conforme apresentado na Equação (4.1), em que as variáveis λ o e λ t representam respectivamente no número de slots contíguos ocupados na rota e o número total de slots existentes na rota.

C

OSCR =

()

(*

(4.1)

Na Figura 19 é ilustrado um exemplo de uma rede com 5 nós e 6 enlaces. Adota-se aqui a nível de exemplo que cada enlace da rede existam 10 slots de frequência e que uma requisição de conexão entre os nós 1 e 5 é avaliada pela rota 1-2-4-5. Na Figura 20 é ilustrada a ocupação de cada enlace e é apresentado o vetor resultante da rota

a direita da imagem, considerando o aspecto da contiguidade do espectro ao longo da rota.

42

42 Figura 19: Representação de uma rede com 5 Nós e 6 enlaces. Figura 20: Exemplo

Figura 19: Representação de uma rede com 5 Nós e 6 enlaces.

19: Representação de uma rede com 5 Nós e 6 enlaces. Figura 20: Exemplo de restrição

Figura 20: Exemplo de restrição de continuidade no espectro.

Observa-se na Figura 20 que o vetor ocupação da rota considera a ocupação das posições dos slots em cada enlace ao longo da rota através da união dessas posições. Se houver em algum dos enlaces ao longo da rota a ocupação de um slot de frequência, essa posição estará ocupada no vetor ocupação da rota. A função C OSCR para o exemplo dado, considerando a ocupação dos enlaces que fazem parta da rota entre os nós (1-2-4-5), ilustrado na Figura 20, é dado pela razão entre os λ o e λ t do vetor resultante, ilustrado na Figura 20. Desta forma, tem-se:

C

OSCR =

+

, = 0,7

onde os valores de λ o e λ t valem 7 e 10, respectivamente. Desta forma, a variável C OSCR assume o valor de 0,7 para a rota entre os nós (1-2-4-5).

43

4.1.2 Ocupação Média dos Slots da Rota

A variável de entrada designada de “Ocupação Média de Slots da Rota”, representa a razão

entre os slots ocupados e o total de slots que compõem a rota. É definida a variável C OMSR como o

Custo da Ocupação Média dos Slots na Rota. Assim, tem-se a definição matemática do C OMSR , conforme apresentado na Equação (4.2), onde N representa o número de enlaces que compõe a rota.

C OMSR =

/

'

01

02

3

(4.2)

Considerando a rede da Figura 19 e a rota estabelecida na Figura 20, a variável C OMSR assume o seguinte valor:

C OMSR =

4

5

10 + 10 + 10 1

3

= 0,333

4.1.3 Distância Normalizada da Rota

Por fim, é definida a variável de entrada designada de “Distância Normalizada da Rota”. Esta variável representa a razão entre a distância física de cada uma das k rotas selecionadas pelo algoritmo de Yen pela rota de maior distância dentre as k rotas selecionadas pelo algoritmo de Yen.

É definida a variável C DNR, como Custo da Distância Normalizada da Rota, cuja definição

matemática é apresentada a seguir, onde as variáveis d i,j e d max representam, respectivamente, a distância entre as ligações dos nós i e j de cada uma das k rotas selecionadas pelo algoritmo de Yen

e a maior distância da rota em comprimento selecionada também pelo algoritmo de Yen no universo

das k rotas encontradas. Assim, tem-se a definição matemática do C DNR , conforme apresentado na

equação (4.3).

C DNR = ,

á

(4.3)

Desta forma, caso o vetor de seleção de rotas baseado em distância que retornasse do algoritmo de Yen para as 5 menores rotas de um dado par de conexão fosse {20; 40; 60; 80; 100},

o vetor de custo da distância normalizada para cada uma das rotas desse par de conexão seria {0,2; 0,4; 0,6; 0,8; 1}.

44

Nesta dissertação, foi utilizado o algoritmo de Yen para calcular as cinco menores rotas para cada uma das topologias apresentadas nas Figura 12 a Figura 14 em cada par de conexão. Assim, rotas que possuam grande comprimento físico não estão sendo considerados no algoritmo. Vale ressaltar que a valoração da variável C DNR , leva em conta apenas o universo das rotas selecionadas pelo algoritmo de Yen, evitando distorções significativas em seu valor e na sua classificação como um rota pequena, média ou grande.

4.1.4 Custo Total da Rota

As variáveis C OSCR , C OMSR e C DNR são utilizadas para obtenção da função de saída definida como C TR, ou seja, “Custo Total da Rota”, e é obtida a partir da combinação linear das variáveis de entrada e representada matematicamente pela Equação (4.4):

C TR = 6.C OSCR + 7.C OMSR + 8.C DNR

(4.4)

em que a ponderação através dos parâmetros 6, 7 e 8 serão obtidos através da combinação das

regras de saída do sistema fuzzy proposto neste trabalho inspirados no processo defuzzificação na técnica Takagi-Sugeno.

4.2 Funções de Pertinência utilizadas no algoritmo nebuloso

Conforme discutido no Capítulo 3, é na etapa de fuzzificação que são definidos os termos linguísticos apropriados a cada variável ou métrica de entrada do sistema fuzzy. Neste processo, cada valor de entrada é associado a determinados termos linguísticos através de seu valor numérico, podendo ter pertinência com um ou mais um estado na função de pertinência. Nesta dissertação foi implementado um modelo inspirado no modelo de Takagi-Sugeno, onde o valor das métricas podem assumir valores de pertinência dentro do estado no qual está classificada. O resultado do processamento de cada regra é um número que depende diretamente dos valores das pertinências das variáveis que compõem o sistema. As funções de pertinência para as variáveis C OSCR , C OMSR e C DNR tiveram seus limites e quantidade de estados determinados a partir de valores considerados coerentes pelo conhecimento especialista para esses estados numa rede óptica. Além disso, em Paiva [37], foram determinadas

45

funções de pertinência com limites próximos aos utilizados nessa dissertação. Cabe a ressalva que existem propostas para trabalhos futuros para obtenção dos melhores pontos para delimitar o universo de cada estado nas funções de pertinência do algoritmo nebuloso. A Figura 21 apresenta a métrica “Custo Ocupação dos Slots Contíguos na Rota”. O valor desta métrica pode assumir valores entre [0,1], já que a função foi normalizada conforme apresentado na Equação (4.1). A métrica C OSCR pode assumir as variáveis linguíticas “Boa”, “Razoável” e/ou “Crítica” a depender do seu valor numérico conforme apresentado na Figura 21.

do seu valor numérico conforme apresentado na Figura 21. Figura 21: Função de Pertinência para a

Figura 21: Função de Pertinência para a métrica “Ocupação dos Slots Contíguos na Rota”.

A Figura 22 apresenta a métrica “Custo da Ocupação Média de Slots na Rota”. O valor desta métrica pode assumir valores entre [0,1], já que a função foi normalizada conforme apresentado na Equação (4.2). A métrica C OMSR pode assumir as variáveis linguíticas “Boa”, “Razoável” e/ou “Crítica” a depender do seu valor numérico conforme apresentado na Figura 22.

do seu valor numérico conforme apresentado na Figura 22. Figura 22: Função de Pertinência para a

Figura 22: Função de Pertinência para a métrica “Custo Ocupação Média de Slots na Rota”.

46

A Figura 23 apresenta a métrica “Custo da Distância Normalizada na Rota”. O valor desta métrica pode assumir valores entre [0,1], já que a função foi normalizada conforme apresentado na Equação (4.3). A métrica C DNR pode assumir as variáveis linguíticas “Pequena”, “Média” e/ou “Grande” a depender do seu valor numérico conforme apresentado na Figura 23.

do seu valor numérico conforme apresentado na Figura 23. Figura 23: Função de Pertinência para a

Figura 23: Função de Pertinência para a métrica “Distância Normalizada na Rota”.

4.3 Regras de decisão utilizadas no algoritmo nebuloso

Na função C TR os coeficientes 6, 7 e 8, estão associados respectivamente às variáveis

C OSCR , C OMSR e C DNR. Desta forma, a melhor rota será aquela em que as variáveis C OSCR , C OMSR e

C DNR assumirem o menor valor possível. A poderação do coeficientes 6, 7 e 8 na função C TR será

obtida através do modelo inspirado no método de defuzzificação de Takagi-Sugeno utilizando-se as saídas das regras apresentadas abaixo, numericamente expressas pela variável Y k . Assim, são adotadas as seguintes regras para a tomada de decisão do algoritmo nebuloso, cuja lógica de definição de sua construção é apresentada na sequência:

Regra 1: Se C OSCR Crítica, então Y 1 = 2 - OSCR Razoável Regra 2: Se C OSCR Razoável, então Y 2 = 1 + OSCR Crítica OSCR Boa Regra 3: Se C OSCR Boa, então Y 3 = 0,5 + 2.OSCR Razoável Regra 4: Se C OMSR Boa e C OSCR Crítica, então Y 4 = 2 – 0,5.OMSR Boa Regra 5: Se C OMSR Razoável e C DNR Grande, então Y 5 = 2 - DNR Grande Regra 6: Se C DNR Razoável e C OSCR Boa, então Y 6 = 2 – 0,5.DNR Razoável OSCR Boa Regra 7: Se C DNR Grande e C OMSR Crítica, então Y 7 = 2 + 0,5.DNR Grande + 0,5.OSMR Crítica

47

Assim, tem-se que:

6=

;

(: . =>)

<

;

 

<

:

7=

?

(: . =>)

<@

?

 

<@

:

8=

+

(: . =>)

<A

+

 

<A

:

em que todos os wi utilizados nas regras possuem ponderação unitária, ou seja, todos as

regras têm o mesmo grau de influência no cálculo dos parâmetros 6, 7e 8.

Para o cálculo do parâmetro 6, foi utilizado o conjunto das regas 1, 2 e 3, as quais estão

relacionadas com constantes atribuídas pelo conhecimento especialista para cada situação e com o grau de pertinência que a métrica C OSCR pode assumir em seus diferentes estados na respectiva função de pertinência. Regra 1: Nesta regra é analisada a métrica C OSCR no estado Crítica. Para esta regra foi atribuído uma constante de valor 2 na saída da regra, pois caso a variável C OSCR pertença ao estado crítico, conforme o antecedente da regra, essa rota será uma rota ruim para realizar o roteamento devido a restrições na contiguidade. Observa-se pela função de pertinência da Figura 21 que o estado OSCR crítica pertence ao intervalo [0,7 – 1], porém no intervalo [0,7 – 0,8], existe a influência da pertinência OSCR razoável , desta forma é subtraída da saída da regra a pertinência de OSCR razoável . Percebe-se que sempre que a variável C OSCR assumir valores acima de 0,8 a saída da regra terá peso 2, porém para o intervalo [0,7 – 0,8] o peso da saída é amortecido através da subtração da pertinência da variável OSCR razoável . Assim, para o limite inferior do estado crítico da variável C OSCR , representado pelo ponto 0,7, a pertinência OSCR razoável passa a assumir o seu valor máximo de pertinência que é 0,5. Logo, a saída desta regra estará limitada a valores maiores que 1,5 e menores 2, a depender do valor assumido pela métrica C OSCR para a rota. Regra 2: Nesta regra é analisada a métrica C OSCR no estado razoável. Como no estado razoável a métrica C OSCR assume valores que são menores que o estado crítico, essa rota possui maior possibilidade de alocar uma dada requisição e a expectativa de uma menor restrição de

48

contiguidade quando comparado ao estado crítico. Pela razão apresentada, a constante de saída da regra foi atribuida com o valor de 1, metade do valor quando o estado for crítico, promovendo uma expectativa de menor valor da saída da regra. Além disso, o estado razoável pode assumir o intervalo [0,2 – 0,8] na função de pertinência e sofre influências dos estados boa e crítico nos limites de [0,2 – 0,3] e [0,7 – 0,8], respectivamente. Por este motivo, foi realizado um ajuste na saída da regra com a seguinte lógica: se o valor da métrica C OSCR possuir pertinência apenas no estado razoável, a sua saída assumirá o valor 1. Caso a métrica C OSCR , possuir pertinência com os estados razoável e crítico no intervalo [0,7 – 0,8] a saída da regra não possuirá influência da parcela OSCR Boa , sendo o seu valor considerado 0, porém a influência da OSCR Crítica terá contribuíção na saída e portanto o valor de sua pertinência será somada na saída da regra. Assim, quando a métrica C OSCR tiver valor de 0,8 classificada no estado razoável, existe uma pertinência de 0,5 no estado OSCR Crítica , neste caso a saída da regra assume o valor de 1,5. De forma similar, para a análise da saída da Regra 2 para os pontos [0,2 – 0,3], a variável OSCR Crítica não exerce influência na saída da regra por não possuir pertinência nesse intervalo. No entanto, existe a influência da variável OSCR Boa e o valor de sua pertinência passa a ser subtraído do valor de saída para a regra. Assim, no limite inferior do estado razoável, que é o ponto em que a métrica C OSCR assume o valor de 0,2, a variável OSCR Boa assume o valor de 0,5 na pertinência e para este ponto a saída da regra terá valor de 0,5. Regra 3: Nesta regra é analisada a métrica C OSCR no estado bom. Como no estado bom a métrica C OSCR assume valores que são menores que nos estados crítico e razoável, essa rota possui maior possibilidade de alocar uma dada requisição e a expectativa de uma menor restrição de contiguidade quando comparado aos estados crítico e razoável. Pela razão apresentada, a constante de saída da regra foi atribuida com o valor de 0,5, metade do valor quando o estado for razoável, promovendo uma expectativa de menor valor da saída da regra. Além disso, o estado boa pode assumir o intervalo [0,0 – 0,3] na função de pertinência e sofre influência do estado razoável no limite de [0,2 – 0,3]. Assim para valores de C OSCR menores que 0,2 a saída da regra possui valor de 0,5, já quando o valor C OSCR for 0,3 a pertinência da variável OSCR Razoável assume o seu valor máximo de 0,5 e portanto para esse ponto a saída da regra assume o valor de 1. Percebe-se que o valor da regra 3 será um número maior ou igual a 0,5 ou menor ou igual a 1.

Para o cálculo do parâmetro 7, foi utilizado o conjunto das Regras 4 e 5, as quais estão

relacionadas com constantes atribuídas pelo conhecimento especialista para cada situação e com a pertinência que a métrica C OMSR pode assumir em seus diferentes estados. Foi realizado umas combinação da métrica C OMSR com as métricas C OSCR e C DNR nas regras 4 e 5, respectivamente.

49

Regra 4: Nesta regra são analisadas as métricas C OMSR no estado Boa e C OSCR no estado Crítico. Percebe-se que essa não é uma boa rota para a realização do roteamento, pois embora existam muitos slots disponíveis a rota está fragmentada e o problema da restrição da contíguidade torna essa rota ruim para alocação da requisição, devendo possuir um elavado custo. Portanto foi atribuída uma constante 2 na saída da regra e subtraído o valor de 0,5OMSR Boa . Regra 5: Nesta regra são analisadas as métricas C OMSR no estado Razoável e C DNR no estado Grande. Essa rota também não é uma boa rota devido ao DNR Grande promover aumento de efeitos de penalidade de camada física na seleção dessa rota, portanto foi atribuída uma constante 2 na saída da regra e subtraído o valor de DNR Grande .

Para o cálculo do parâmetro 8, foi utilizado o conjunto das regas 6 e 7, as quais estão

relacionadas com constantes atribuídas pelo conhecimento especialista para cada situação e com a pertinência que a métrica C DNR pode assumir em seus diferentes estados. Foi realizado uma combinação da métrica C DNR com as métricas C OSCR e C OMSR nas regras 6 e 7, respectivamente. Regra 6: Nesta regra são analisadas as métricas C DNR no estado Razoável C OSCR no estado Boa. A saída da regra possui a constante 2 subtraída das pertinências das variáveis DNR Razoável e OSCR Boa , nos respectivos estados subscritos. Regra 7: Nesta regra são analisadas as métricas C DNR no estado Grande C OMCR no estado Crítico. Essa é ruim tanto em contiguidade como em comprimento físico, logo a saída da regra possui a constante 2 somada das pertinências das variáveis DNR Grande + OSMR Crítica , nos respectivos estados subscritos com um fator ponderador de 0,5. Vale salientar que numa rede que opera em regime dinâmico, a quantidade de regras

que servem para o disparo dos controladores 6, 7 e 8 na função C TR não deve ser exaustiva ao

ponto de tornar o processo de decisão do algoritmo nebuloso muito longo. Deve-se sempre ter em vista o compromisso entre o desempenho do algoritmo na redução da probabilidade de bloqueio e o seu tempo para tomada de decisão de qual rota a requisição deve ser alocada na rede. Assim, a escolha das 7 regras acima relacionam as funções de custo no qual o algoritmo nebuloso opera. As saídas de cada uma das regras recebem um peso de acordo com a interpretação da criticidade da rota pelo especialista que projetou o algorimo.

50

5 Resultados e Discussões

Neste capítulo são apresentados os resultados com as respectivas discussões das simulações realizadas com as redes ilustradas na Figura 12, Figura 13 e Figura 14. Os resultados foram obtidos através do SIMTON, descrito na seção 2.7, aplicando-se os seguintes algoritmos de roteamento:

SP, MH, CASP, SCSP e o Algoritmo nebuloso proposto no Capítulo 4. Foram avaliadas a probabilidade de bloqueio e a vazão em função da carga aplicada para todos as três topologias. Inicialmente, deve ficar claro que o funcionamento do algoritmo nebuloso leva em consideração a decisão do roteamento sempre para uma das 5 menores rotas disponibilizadas pelo algoritmo de Yen. Assim, no estado inicial da rede quando todos os slots de todos os enlaces estão disponíveis, a única métrica em que a função custo total terá disparada é a que relaciona a distância normalizada das rotas. Neste caso, dentre as 5 rotas disponíveis será escolhida a rota com menor distância física para alocar a requisição. Em um segundo momento, será sorteado um novo par de nós na rede e em alguma das 5 rotas selecionadas pelo algoritmo de Yen, podem existir enlaces que já tenham sido ocupados quando da alocação da primeira requisição. É nesse momento que o algoritmo nebuloso começa a operar na rede tomando as suas decisões de seleção de rota baseada não só na distância, mas também na disponibilidade de slots contígios da rota e disponibilidade média de slots. A curva de probabilidade de bloqueio é feita em função da carga oferecida à rede em erlangs. Comparam-se os algoritmos em 5 pontos distintos, estando o ponto médio com a probabilidade de bloqueio de 1%. Para fins de validação proposta da funcionalidade do algoritmo nebuloso, além de sua comparação com os algoritmos SP, MH, CASP e SCSP, foi realizada uma análise de validação das regras escolhidas na Seção 5.2. Para isso, foi proposto um novo conjunto de regras na seção 5.2 que levam o algoritmo a ter um desempenho pior que o proposto no Capítulo 4, pois a decisão dele não será tão precisa e refinada como apresentada no capítulo anterior. Na Seção 5.1 são apresentadas as curvas de probabilidade de bloqueio e vazão em função da carga para topologias de redes diferentes. A algoritmo nebuloso conseguiu diminuição na probabilidade de bloqueio e aumento na vazão da rede, comprovando o modelo proposto e a possibilidade promissora de desenvolvimento de estudos nessa área aplicadas a EON.

51

5.1 Desempenho do algoritmo nebuloso frente a outros algorimos da literatura

Nesta seção, são apresentados os resultados da probabilidade de bloqueio e da vazão da rede para os algoritmos SP, MH, CASP, SCSP e algoritmo nebuloso, usando o algoritmo FF como política de alocação de espectro.

A Figura 24, Figura 25 e Figura 26 apresentam a probabilidade de bloqueio em função da

carga da rede para os algoritmos de roteamento SP, MH, CASP, SCSP e Algoritmo Nebuloso nas três topologias de rede apresentadas na Figura 12, Figura 13 e Figura 14. Nas Figura 24, Figura 25 e Figura 26, cada símbolo representa a probabilidade de bloqueio média de um conjunto de 30 simulações independentes, sendo a margem de erro para um intervalo de confiança de 95% nos resultados de cada ponto. Foi verificado após as simulações no SIMTON que para todos os pontos o algorimo

nebuloso obteve um melhor resultado em probabilidade de bloqueio.

A Figura 24 ilustra os traços da probabilidade de bloqueio em função da carga para a

topologia Pacific Bell.

TOPOLOGIA PACIFICBELL Alg. Nebuloso MH SP CASP SCSP 0,03 0,003 300 310 320 330 340
TOPOLOGIA PACIFICBELL
Alg. Nebuloso
MH
SP
CASP
SCSP
0,03
0,003
300
310
320
330
340
350
360
370
380
CARGA DA REDE (ERLANG)
PROBABILIDADE DE BLOQUEIO

Figura 24: Probabilidade de bloqueio média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg. Nebuloso na topologia Pacific Bell.

A Tabela 3 apresenta a probabilidade de bloqueio em função da carga em percentual para

os 5 pontos de carga com os diferentes algoritmos implementados. na topologia Pacific Bell. Na

52

coluna em que o Algoritmo Nebulo está apresentada além da probabilidade de bloqueio o valor do desvio entre parêntesis.

Tabela 3: Probabilidade de bloqueio média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg. Nebuloso na topologia Pacific Bell.

Carga (Erl)

Nebuloso

MH

SP

CASP

SCSP

300

0,55% (0,057)

2,15%

0,77%

1,59%

1,39%

320

0,84% (0,051)

2,83%

1,17%

2,10%

1,84%

340

1,24% (0,066)

3,53%

1,70%

2,65%

2,34%

360

1,67% (0,063)

4,37%

2,34%

3,29%

2,91%

380

2,20% (0,094)

5,19%

3,04%

3,98%

3,53%

Observa-se na Tabela 3 que o algoritmo nebuloso obteve um melhor desempenho em probabilidade de bloqueio quando comparado com com os algoritmos SP, MH, CASP e SCSP.

A Figura 25 ilustra os traços da probabilidade de bloqueio em função da carga para a

topologia NFSNet.

TOPOLOGIA NFSNET Alg. Nebuloso MH SP CASP SCSP 0,25 0,025 0,0025 380 390 400 410
TOPOLOGIA NFSNET
Alg. Nebuloso
MH
SP
CASP
SCSP
0,25
0,025
0,0025
380
390
400
410
420
430
440
450
460
CARGA DA REDE (ERLANG)
PROBABILIDADE DE BLOQUEIO

Figura 25: Probabilidade de bloqueio média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg. Nebuloso na topologia NSFNet.

A Tabela 4 apresenta a probabilidade de bloqueio em função da carga em percentual para

os 5 pontos de carga com os diferentes algoritmos implementados. na topologia NSFNet. Na coluna em que o Algoritmo Nebulo está apresentada além da probabilidade de bloqueio o valor do desvio

entre parêntesis.

53

Tabela 4: Probabilidade de bloqueio média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg. Nebuloso na topologia NSFNet.

Carga (Erl)

Nebuloso

MH

SP

CASP

SCSP

380

0,29% (0,035)

0,64%

3,42%

0,41%

0,34%

400

0,58% (0,068)

1,11%

4,24%

0,82%

0,71%

420

1,02% (0,073)

1,73%

5,09%

1,34%

1,24%

440

1,57% (0,095)

2,49%

5,96%

1,99%

1,90%

460

2,22% (0,111)

3,34%

6,85%

2,74%

2,61%

Observa-se na Tabela 4 que o algoritmo nebuloso obteve um melhor desempenho em probabilidade de bloqueio quando comparado com com os algoritmos SP, MH, CASP e SCSP

A Figura 26 ilustra os traços da probabilidade de bloqueio em função da carga para a

topologia Finlândia.

TOPOLOGIA FINLÂNDIA Alg. Nebuloso MH SP CASP SCSP 0,1 0,01 0,001 300 310 320 330
TOPOLOGIA FINLÂNDIA
Alg. Nebuloso
MH
SP
CASP
SCSP
0,1
0,01
0,001
300
310
320
330
340
350
360
370
380
CARGA DA REDE (ERLANG)
PROBABILIDADE DE BLOQUEIO

Figura 26: Probabilidade de bloqueio média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg. Nebuloso na topologia Finlândia.

A Tabela 5 apresenta a probabilidade de bloqueio em função da carga em percentual para

os 5 pontos de carga com os diferentes algoritmos implementados. na topologia Finlândia. Na coluna em que o Algoritmo Nebulo está apresentada além da probabilidade de bloqueio o valor do desvio entre parêntesis.

54

Tabela 5: Probabilidade de bloqueio média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg. Nebuloso na topologia Finlândia.

Carga (Erl)

Nebuloso

MH

SP

CASP

SCSP

300

0,14% (0,024)

2,00%

1,20%

1,38%

1,23%

320

0,33% (0,033)

2,49%

1,95%

1,75%

1,60%

340

0,61% (0,048)

3,04%

2,89%

2,27%

2,02%

360

1,05% (0,057)

3,61%

3,84%

2,72%

2,50%

380

1,57% (0,068)

4,26%

4,87%

3,39%

3,11%

Observa-se na Tabela 5 que o algoritmo nebuloso obteve um melhor desempenho em probabilidade de bloqueio quando comparado com com os algoritmos SP, MH, CASP e SCSP.

A Figura 27, Figura 28 e Figura 29 apresenta a vazão em função da carga da rede para os

algoritmos de roteamento SP, MH, CASP, SCSP e algoritmo nebuloso nas três topologias de rede apresentadas na Figura 12, Figura 13 e Figura 14. Pode-se observar que todos os algoritmos apresentaram um comportamento similar quando comparados aos resultados de probabilidade de bloqueio.

A Figura 27 ilustra os traços da vazão em função da carga para a topologia Pacific Bell.

TOPOLOGIA PACIFICBELL Alg. Nebuloso MH SP CASP SCSP 1 0,98 0,96 0,94 0,92 0,9 0,88
TOPOLOGIA PACIFICBELL
Alg. Nebuloso
MH
SP
CASP
SCSP
1
0,98
0,96
0,94
0,92
0,9
0,88
300
310
320
330
340
350
360
370
380
CARGA DA REDE (ERLANG)
VAZÃO

Figura 27: Vazão média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg. Nebuloso na topologia Pacific Bell.

A Tabela 6 apresenta a vazão em função da carga em percentual para os 5 pontos de carga

com os diferentes algoritmos implementados. na topologia Pacific Bell.

55

Tabela 6: Vazão média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg. Nebuloso na topologia Pacific Bell.

Carga (Erl)

Nebuloso

MH

SP

CASP

SCSP

300

98,83%

95,63%

98,52%

96,75%

97,37%

320

98,09%

94,46%

97,72%

95,81%

96,18%

340

97,28%

93,26%

96,82%

94,67%

94,96%

360

96,61%

91,65%

95,33%

93,42%

94,14%

380

95,57%

89,56%

94,03%

92,20%

92,98%

Observa-se na Tabela 6 que o algoritmo nebuloso obteve um melhor desempenho em vazão quando comparado com com os algoritmos SP, MH, CASP e SCSP.

A Figura 28 ilustra os traços da vazão em função da carga para a topologia NSFNet.

TOPOLOGIA NFSNET Alg. Nebuloso MH SP CASP SCSP 1 0,98 0,96 0,94 0,92 0,9 0,88
TOPOLOGIA NFSNET
Alg. Nebuloso
MH
SP
CASP
SCSP
1
0,98
0,96
0,94
0,92
0,9
0,88
0,86
380
390
400
410
420
430
440
450
460
CARGA DA REDE (ERLANG)
VAZÃO

Figura 28: Vazão média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg. Nebuloso na topologia NSFNet.

A Tabela 7 apresenta a vazão em função da carga em percentual para os 5 pontos de carga

com os diferentes algoritmos implementados. na topologia NSFNet.

Tabela 7: Vazão média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg. Nebuloso na topologia NSFNet.

Carga (Erl)

Nebuloso

MH

SP

CASP

SCSP

380

99,40%

98,69%

93,50%

99,12%

99,17%

400

98,78%

97,38%

92,19%

98,43%

98,65%

420

97,73%

96,42%

90,60%

97,18%

97,49%

440

96,71%

95,15%

88,94%

95,81%

96,36%

460

95,65%

93,21%

87,61%

95,14%

94,86%

56

Observa-se na Tabela 7 que o algoritmo nebuloso obteve um melhor desempenho em vazão quando comparado com com os algoritmos SP, MH, CASP e SCSP.

A Figura 29 ilustra os traços da vazão em função da carga para a topologia Finlândia.

TOPOLOGIA FINLÂNDIA Alg. Nebuloso MH SP CASP SCSP 1 0,98 0,96 0,94 0,92 0,9 0,88
TOPOLOGIA FINLÂNDIA
Alg. Nebuloso
MH
SP
CASP
SCSP
1
0,98
0,96
0,94
0,92
0,9
0,88
300
310
320
330
340
350
360
370
380
CARGA DA REDE (ERLANG)
VAZÃO

Figura 29: Vazão média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg. Nebuloso na topologia Finlândia.

A Tabela 8 apresenta a vazão em função da carga em percentual para os 5 pontos de carga

com os diferentes algoritmos implementados. na topologia Finlândia

Tabela 8: Vazão média em função da carga para os algoritmos SP, MH, CASP, SCSP e Alg. Nebuloso na topologia Finlândia.

Carga (Erl)

Nebuloso

MH

SP

CASP

SCSP

300

99,65%

96,39%

97,54%

97,40%

97,30%

320

99,38%

95,09%

96,17%

96,45%

96,65%

340

98,80%

94,18%

94,88%

95,38%

96,08%

360

97,92%

93,19%

92,89%

94,69%

95,04%

380

96,71%

91,63%

91,11%

93,25%

93,56%

Observa-se na Tabela 8 que o algoritmo nebuloso obteve um melhor desempenho em vazão quando comparado com com os algoritmos SP, MH, CASP e SCSP.

A Figura 30, Figura 31 e Figura 32 apresenta o tempo de execução em função da carga da

rede para os algoritmos de roteamento SP, MH, CASP, SCSP e algoritmo nebuloso nas três topologias de rede apresentadas na Figura 12, Figura 13 e Figura 14. Verifica-se que nas três topologias o tempo de execução do algoritmo nebuloso é o terceiro melhor, estando atrás dos

57

algoritmos SP e MH que possuem baixa complexidade computacional e temdo um melhor desempenho que os algoritmos CASP e SCSP para todas as topologias.

A Figura 30 ilustra os traços do tempo de execução dos algoritmos para 10 5 chamadas em