Este documento compara o desempenho de algoritmos genéticos e algoritmos exatos aplicados ao problema do roteamento multicast em redes. Os algoritmos genéticos foram implementados anteriormente e mostraram melhores resultados do que outros métodos. Agora, os autores estão adequando algoritmos exatos como Dijkstra e Prim para encontrar limites ótimos de comparação e avaliar melhor o desempenho dos algoritmos genéticos em diversas redes.
Este documento compara o desempenho de algoritmos genéticos e algoritmos exatos aplicados ao problema do roteamento multicast em redes. Os algoritmos genéticos foram implementados anteriormente e mostraram melhores resultados do que outros métodos. Agora, os autores estão adequando algoritmos exatos como Dijkstra e Prim para encontrar limites ótimos de comparação e avaliar melhor o desempenho dos algoritmos genéticos em diversas redes.
Este documento compara o desempenho de algoritmos genéticos e algoritmos exatos aplicados ao problema do roteamento multicast em redes. Os algoritmos genéticos foram implementados anteriormente e mostraram melhores resultados do que outros métodos. Agora, os autores estão adequando algoritmos exatos como Dijkstra e Prim para encontrar limites ótimos de comparação e avaliar melhor o desempenho dos algoritmos genéticos em diversas redes.
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