Tecnología evolutiva aplicada al diseño de redes de comunicación confiables

Abstract

En los últimos años las redes de comunicación han adquirido una enorme importancia en una gran variedad de aplicaciones. Esto ha producido un rápido desarrollo de la infraestructura de redes, del software y de los servicios, lo que ha renovado el interés por los problemas de diseño de redes, generando un enorme desafío, pues son necesarias redes cada vez más complejas, más confiables, más eficientes y más económicas. El continuo crecimiento en el tamaño de los problemas ha llevado a los investigadores a proponer alternativas a los enfoques exactos tradicionales para la solución de problemas complejos. En este contexto varias técnicas y heurísticas se han aplicado al problema de diseño de redes. De estas técnicas los algoritmos genéticos AG han experimentado un notable adelanto como alternativa a las técnicas clásicas, los AG son muy atractivos como herramientas para tareas de optimización, se cree que los AG pueden encontrar soluciones mucho mejores en tiempos más cortos y dado que trabajan al nivel de la codificación, es difícil de que obtengan resultados engañosos aún cuando la función pueda ser muy difícil para los esquemas tradicionales. De lo señalado más arriba y considerando una red de comunicaciones, el problema de Steiner generalizado GSP, se refiere al diseño de una red de mínimo costo que verifique ciertos requerimientos prefijados de conexión. Con respecto a otros problemas de diseño, el GSP incorpora requisitos adicionales de conectividad para garantizar la alta confiabilidad, haciendo al funcionamiento de la red más tolerante y resistente a fallas de sus componentes. El presente trabajo, propone estudiar y resolver el problema de diseño óptimo de redes, tomando en cuenta para esta tarea, distintos criterios de optimización: diseño de redes de mínimo costo y diseño de redes de máxima confiabilidad; esto a través de la resolución del Problema de Steiner mediante tecnologías evolutivas. No obstante, la metodología propuesta permite abordar distintos problemas de diseño con otros criterios de optimización, por ejemplo la confiabilidad con restricciones económicas, puede ser resuelta con las herramientas presentadas en este trabajo mediante la adaptación de la función objetivo.