Você está na página 1de 1

VII ERMAC - Encontro Regional de Matemática Aplicada e Computacional 215

Análise de desempenho dos algoritmos genéticos e algoritmos


exatos aplicados ao Roteamento Multicast
Guilherme G. da Silva, Stéfano V. Vita, Márcia A. Fernandes, Gina B. de Oliveira
guigodoi007@yahoo.com.br, stefano@pos.facom.ufu.br, {marcia, gina}@facom.ufu.br

RESUMO teoria dos grafos para resolver problemas


similares ao roteamento multicast. Os métodos
O roteamento multicast em redes é analisados foram o algoritmo de Dijsktra [1]
caracterizado pela entrega de dados a vários que encontra o menor caminho entre vértices
destinatários, partindo-se de uma única de um grafo e o algoritmo de Prim [1], que
origem. Esse roteamento necessita de uma encontra a árvore de custo mínimo geradora de
estratégia eficiente para definição da melhor um grafo. Os dois algoritmos já foram
rota, de tal forma que o custo final da entrega implementados e avaliados em grafos retirados
a todos os destinos seja minimizado. Os da literatura [1], [3]. Entretanto, esses métodos
algoritmos avaliados nessa pesquisa trabalham não resolvem o problema do roteamento
com redes representadas através de grafos não multicast propriamente dito, já que não é esse
direcionados e com uma única métrica que o propósito deles. No momento, estamos
representa o custo de um nó à sua adjacência. realizando a adequação dos algoritmos exatos
Como entrada, os algoritmos utilizam um para a obtenção de limites mínimos e máximos
arquivo de texto onde o grafo é representado que possam ser aplicados ao roteamento
com seus vértices, custos e adjacências. Dessa multicast. Dessa forma, será realizada a
forma, os algoritmos trabalham com qualquer comparação dos resultados obtidos pelas duas
rede que seja representada nesse arquivo de abordagens (exata e evolutiva) e teremos uma
entrada. A Fig. 1 apresenta um exemplo de real avaliação do desempenho do AG proposto
rede de 15 nós com uma rota multicast em [2] em diversas redes retiradas da literatura
destacada. O objetivo desse trabalho é ou geradas aleatoriamente.
comparar o desempenho de um algoritmo
genético implementado especificamente para
esse problema em [2] com outras técnicas
exatas advindas da teoria dos grafos. O
ambiente desenvolvido em [2] apresentou
melhorias em relação a outro AG apresentado
em [3]. O AG tem como objetivo encontrar
rotas multicast com custo mínimo, ou seja, o Figura 1. Rota multicast, sendo o nó 0 a origem do
roteamento ótimo. O AG foi totalmente roteamento e os nós 1, 4, 5, 8 e 12 os destinos.
especificado em [2]: população inicial,
métodos de avaliação dos indivíduos,
recombinação e mutação. A partir dessas
Referências
especificações, o ambiente em [2] foi [1] Cormen, T., Leiserson, C., Rivest, R., e
reproduzido. É importante ressaltar que a Stein, C., Introduction to Algorithms, 2º
etapa de recombinação demandou maior ed., MIT Press & McGraw-Hill, (2001)
tempo de implementação já que envolve [2] Araújo, P. e Oliveira, G. AGs aplicados ao
operações em árvores. Diversas simulações Roteamento MultiCast na Internet,
foram realizadas com o AG, alterando-se os Contemplando Requisitos de QoS e
parâmetros de tamanho de população e Engenharia de Tráfego, Dissertação de
número de gerações. Duas redes extraídas de Mestrado, Universidade Presbiteriana
[2] foram utilizadas. Na melhor configuração Mackenzie (2002).
avaliada, o AG retornou uma convergência [3] Zhengying, Wang. et al. “Bandwidth delay
para o ótimo em 100% das execuções. O constraint least cost multicast routing
tempo de processamento foi em média de 0,22 based on heuristic genetic algorithm”.
seg, considerado satisfatório. Computer Communications. Vol. 24. pp
A segunda etapa desse trabalho refere-se ao 685 – 692. (2001).
estudo e aplicação de algoritmos exatos da

Você também pode gostar