Resumen

Las heurísticas utilizadas para la solución del problema de enrutamiento y asignación de longitud de onda en redes ópticas en escenarios dinámicos han tenido resultados parcialmente buenos y sobre todo no responden bien cuando son sometidas a estrés. El presente artículo se propone una nueva estrategia llamada Snake-Two que utiliza el algoritmo Snake-One junto al monitoreo de los enlaces de la red, procurando concentrar el tráfico en los sectores más utilizados dejando más disponibilidad en el resto de la red, esto permite que disminuya la probabilidad de bloqueo instantánea de las solicitudes entrantes a la red. Los resultados obtenidos mejoran la probabilidad de bloqueo media hasta en 37,7% de los resultados más altos obtenidos; sin embargo, la utilización de la red continúa su aumento. Estos resultados permiten garantizar que la atención de solicitudes mejora para escenarios inferiores a los 140 Erlangs.

INTRODUCCIÓN

Las redes ópticas WDM (Wavelength Division Multiplexing) o Multiplexación por división de Longitud de Onda (MDL) sin conversión de longitud de onda son actualmente las redes más estudiadas y la problemática radica en buscar la ruta entre el nodo origen y el nodo destino y la longitud de onda asociada que además tiene la restricción de ser la misma a lo largo de toda la ruta. Estas redes están sometidas a dos tipos de tráficos conocidos como estático y dinámico. El escenario estático permite la búsqueda de soluciones óptimas, debido a que el universo disponible se mantiene constante por largos períodos; mientras que el escenario dinámico no permite optimización debido a que el universo disponible cambia constantemente, por lo que solo se buscan buenas rutas. Los algoritmos heurísticos son procesos que permiten encontrar soluciones rápidas, pero no necesariamente óptimas. Se han realizado estudios con algoritmos heurísticos como genéticos, Simulated Annealing, búsqueda tabú y Snake-One comparándolos mediante indicadores como probabilidad de bloqueo (PB) y utilización de la red (UR) [11-12]; los que no han mejorado sustancialmente. Hoy se desarrollan diferentes metas heurísticas que procuran mejorar los resultados de estas heurísticas (1-4, 9, 11).

La metaheurística mostrada en este artículo se denomina Snake-Two, que utiliza el algoritmo Snake-One pero concentrando el tráfico en los enlaces más utilizados (LMU - Link More Used) buscando saturar la operación del enlace (máxima capacidad); de esta forma los enlaces menos utilizados estarán menos demandados por los lightpath y podrán atender la demanda entrante, y de esta manera disminuir la PB de la red [1,6,8].

• Materias:Algoritmos (Computadores) Algoritmos (Matemáticas) Ciencia de datos Datos masivos Técnica heurística
• Subjects:Computer algorithms Agorithms (Math) Data science Big data Metaheuristic technique
• Palabras claves:Snake-One; Algoritmos heurísticos; NSFNET; Snake-Two
• Keywords:Snake-One; Heuristic algorithm; NSFNET; Snake-Two