Universidade Federal da Bahia DEE – DEPARTAMENTO DE ENGENHARIA ELÉTRICA
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
Igor Moura Queiroz
OTIMIZAÇÃO DE RECURSOS EM REDES
ÓPTICAS ELÁSTICAS (SLICE)
Dissertação de Mestrado
Salvador
2014
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA
ELÉTRICA
UFBA - EP - PPGEE, SALVADOR - BA
Igor Moura Queiroz
Otimização de Recursos em Redes Ópticas
Elásticas (SLICE)
Salvador
2014
Dissertação apresentada ao Programa de
Pós-Graduação em Engenharia Elétrica da
Universidade Federal da Bahia como parte
dos requisitos necessários para a obtenção
do título de Mestre em Engenharia Elétrica
Orientador: Prof. Dr. Karcius Day Rosário
Assis
Q3 Queiroz, Igor Moura
Otimização de recursos em redes ópticas elásticas
(SLICE) /Igor Moura Queiroz. – Salvador, 2014.
181 f. : il. color.
Orientador: Prof. Dr. Karcius Day Rosário Assis
Dissertação (mestrado) – Universidade Federal da
Bahia. Escola Politécnica, 2014.
1. Redes ópticas elásticas. 2. Otimização. 3. Sistemas de
comunicação. I. Assis, Karcius Day Rosário. II. Universida-
de Federal da Bahia. III. Título.
CDD: 621.319
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA
ELÉTRICA
UFBA - EP - PPGEE, SALVADOR - BA
Otimização de Recursos em Redes Ópticas
Elásticas (SLICE)
Autor: Igor Moura Queiroz
Orientador: Prof. Dr. Karcius Day Rosário Assis
Banca Examinadora
________________________________________
Prof. Dr. Karcius Day Rosário de Assis
Universidade Federal da Bahia
________________________________________
Prof. Dr. Vitaly Félix Rodríguez Esquerre
Universidade Federal da Bahia
________________________________________
Prof. Dr. Antônio Cezar de Castro Lima
Universidade Federal da Bahia
________________________________________
Prof. Dr. Iguatemi Eduardo da Fonseca
Universidade Federal da Paraíba
Aprovada em 16 de dezembro de 2014
I
Resumo
Esta dissertação aborda o problema da otimização de recursos em redes ópticas elásticas
através da proposta de modelos matemáticos e heurísticas para redes moderadas. São
apresentados fundamentos sobre os principais componentes da camada física desta rede
e a teoria basilar do conceito SLICE, tendo como princípio a utilização da modulação
O-OFDM, que permite a elasticidade de espectro.
Simulações foram feitas considerando quatro cenários distintos, cada um tratando de um
recurso diferente. A relação de compromisso entre a economia de transceptores e a
utilização do espectro com tráfego agregado é demonstrada e analisada. As restrições da
camada física, tal como o ruído de emissão espontânea, são inseridas ao problema e o
conceito de modulação adaptativa é apresentado. Integrando-se a isso, a economia da
potência total consumida na rede é quantificada e analisada, trazendo à tona a
importância da sustentabilidade nas comunicações ópticas, apresentando o conceito de
redes ópticas elásticas verdes.
Palavras-chave: SLICE, OFDM, redes ópticas elásticas, restrições da camada física,
modulação adaptativa, redes verdes, agregação de tráfego.
II
Abstract
This dissertation addresses the problem of resources optimization in elastic optical path
networks by the proposition of mathematical models and heuristics for large networks.
There are presented the fundamentals of the principal components of physical layer and
SLICE basilar theory, which has the principle of utilizing O-OFDM modulation, which
permits spectrum elasticity.
The simulations were held considering four distinct scenarios, each one treating of one
different resource. The trade-off over transceivers economy and spectrum utilization,
with traffic grooming, is demonstrated and analyzed. The physical layer impairments, as
spontaneous emission noise, are inserted in the problem and the concept of adaptive
modulation is presented. Integrated to this, the economy of total power consumption is
quantified and analyzed, bringing to tone the importance of optical networks
sustainability, showing the concept of green elastic optical path networks.
Keywords: SLICE, OFDM, elastic optical path networks, physical layer impairments,
adaptive modulation, green networks, traffic grooming.
III
Agradecimentos
A Deus pela oportunidade;
À minha família pelo suporte e incentivo;
Ao meu orientador e colega Prof. Dr. Karcius Day Rosário Assis pelo apoio e
confiança;
A todos os professores, amigos e colegas que me apoiaram de alguma forma.
IV
Dedicatória
À minha família.
V
Citação
“O tempo é o tempo que se tem”
- Anônimo
VI
Lista de Acrônimos
SIGLAS EM INGLÊS:
AMPL: A Mathematical Programming Language.
ASE: Amplified Spontaneous Emission.
BVT: Bandwidth Variable Transponder.
BV-OXC: Bandwidth Variable Optical Cross-Connect.
BV-WSS: Bandwidth Variable Wavelength Seletive Switch.
BV-WXC: Bandwidth Variable Wavelength Cross-Connect.
DRA: Distributed Raman Amplifier.
EDFA: Erbium Doped Fiber Amplifier.
EDRA: Erbium Doped Raman Amplifier.
EOP: Elastic Optical Path.
ILP: Integer Linear Programming.
LCoS: Liquid Crystal on Silicon Switching Elements.
MEMS: Micro-electro-mechanics Systems.
MILP: Mixed Integer Linear Programming.
MRR: Micro-Ring Ressonator.
MW: Multiple-Wavelength.
OADM: Optical Add Drop Multiplexer.
OFDM: Orthogonal Frequency Division Multiplexing.
O-OFDM: Optical Orthogonal Frequency Division Multiplexing.
OSI: Open Systems Interconnect.
VII
OSNR: Optical Signal Noise Ratio.
OXC: Optical Cross-Connect.
PS-FOPA: Phase Sensitive Fiber Optical Parametric Amplifier.
PSK: Phase Shift Keying.
QPSK: Quadrature Phase Shift Keying.
QAM: Quadrature Amplitude Modulation.
ROADM: Reconfigurable Optical Add Drop Multiplexer.
RSA: Routing and Spectrum Assignment.
SBVT: Sliceable Bandwidth Variable Transponder
SLICE: Spectrum-Sliced Optical Path Networks.
SOA: Semiconductor Optical Amplifier.
VOA: Variable Optical Attenuator.
WDM: Wavelength Division Multiplexing.
WSS: Wavelength Selective Switch.
WXC: Wavelength Cross-Connect.
SIGLAS EM PORTUGUÊS:
AOS-MILP : Algoritmo de otimização sequencial com formulação MILP.
VIII
Lista de Figuras
Figura 2.1. EDRA de próxima geração ............................................................................ 5
Figura 2.2. Modelo de rede SLICE ................................................................................... 6
Figura 2.3. Variação da taxa de transmissão pelo ajuste de sub-portadoras .................... 7
Figura 2.4. Suporte para uma demanda de três sub-comprimentos de onda utilizando:
(a) BVTs fixos; (b) BVTs Elásticos ................................................................................. 8
Figura 2.5. Modelo de nó SLICE: BV-OXC .................................................................... 9
Figura 2.6. ROADM de 3 graus baseado em WSS ........................................................ 10
Figura 2.7. ROADM de 16 portas .................................................................................. 11
Figura 2.8. Bandas de guarda entre canais numa rede SLICE ....................................... 12
Figura 3.1. Espectro dos sinais WDM e OFDM ............................................................ 16
Figura 3.2. Alocação de espectro em rede SLICE com distância adaptativa: (a) recursos
espectrais alocados em vários caminhos ópticos; (b) Largura de banda do filtro óptico e
do sinal ............................................................................................................................ 18
Figura 4.1. Topologia física da 6NET ............................................................................ 26
Figura 4.2. Análise estratégica ....................................................................................... 27
Figura 4.3. Rede moderada NSFNET ............................................................................. 29
Figura 4.4. Relação entre variáveis na NSFNET ............................................................ 30
Figura 4.5. Rede Cost239 ............................................................................................... 31
Figura 4.6. Relação entre variáveis na Cost239 ............................................................. 32
Figura 4.7. Rede Brasileira ............................................................................................. 32
Figura 4.8. Análise na Rede Brasileira ........................................................................... 34
Figura 4.9. (a). Demanda atendida em função do número de slots na 6NET para
diferentes cenários de demanda; (b). Demanda atendida em função do limiar de ruído na
6NET para diferentes cenários de demanda ................................................................... 39
Figura 4.10. Topologia física da NSFNET ..................................................................... 40
Figura 4.11. (a). Demanda atendida em função do número de slots na NSFNET para
diferentes cenários de ruído; (b). Demanda atendida em função do limiar de ruído na
NSFNET para diferentes cenários de ruído .................................................................... 42
Figura 4.12. (a). Topologia física da rede Cost239; (b). Topologia física da rede
Brasileira ......................................................................................................................... 43
IX
Figura 4.13. Demanda atendida em função do número de slots na 6NET para diferentes
cenários de modulação .................................................................................................... 50
Figura 4.14. Topologia física da NSFNET ..................................................................... 50
Figura 4.15. Demanda atendida em função do número de slots na Cost239 para
diferentes cenários de modulação ................................................................................... 53
Figura 4.16. Demanda atendida em função do número de slots na Brasileira para
diferentes cenários de modulação ................................................................................... 54
Figura 4.17. Potência total consumida em função do número de slots por enlace na
6NET .............................................................................................................................. 59
Figura 4.18. Potência total consumida em função do número de slots por enlace na
NSFNET ......................................................................................................................... 60
Figura 4.19. Potência total consumida em função do número de slots por enlace na
Cost239 ........................................................................................................................... 61
Figura 4.20. Potência total consumida em função do número de slots por enlace na
Brasileira ......................................................................................................................... 61
X
Lista de Tabelas
Tabela 3.1. Parâmetros de ajuste para diferentes formatos de modulação ..................... 19
Tabela 4.1. Matriz de tráfego 0 na 6NET ..................................................................... 25
Tabela 4.2. Análise estratégica ....................................................................................... 26
Tabela 4.3. Topologias virtuais para a 6NET ................................................................. 28
Tabela 4.4. Resultados com MILP (NSFNET) ............................................................... 29
Tabela 4.5. Topologia Original ( ......................... 30
Tabela 4.6. Comparação entre topologia original e otimizada ....................................... 30
Tabela 4.7. Resultados com MILP (Cost239) ................................................................. 31
Tabela 4.8. Comparação entre topologia original e otimizada ....................................... 32
Tabela 4.9. Resultados com MILP (Brasileira) ............................................................... 33
Tabela 4.10. Comparação entre topologia original e otimizada ..................................... 33
Tabela 4.11. Matriz de tráfego 0 para 6NET ................................................................ 38
Tabela 4.12. Matriz de Tráfego 0 para NSFNET ......................................................... 41
Tabela 4.13. Simulações na COST239 ........................................................................... 44
Tabela 4.14. Simulações na Brasileira ............................................................................ 44
Tabela 4.15. Limiar de ruído aumentado na Brasileira .................................................. 45
Tabela 4.16. Matriz de tráfego (em Gbit/s) para a NSFNET ......................................... 51
Tabela 4.17. Ca em função MS para diferentes modulações na NSFNET ..................... 51
Tabela 4.18. Comprimento dos enlaces na Cost239 ....................................................... 52
Tabela 4.19. Matriz de tráfego para a Cost239 ............................................................... 52
Tabela 4.20. Matriz de tráfego na Brasileira .................................................................. 53
XI
Conteúdo
1. Introdução ...................................................................................................................... 1
1.1 Motivação e Objetivos ............................................................................................. 1
1.2 Estado da Arte .......................................................................................................... 2
1.3 Contribuições ........................................................................................................... 3
1.4 Organização da Dissertação .................................................................................... 3
2. Componentes da camada física ..................................................................................... 5
2.1 Amplificador Óptico ............................................................................................... 5
2.2 Transceptor de Banda Variável (BVT) .................................................................... 6
2.3 Chave Óptica (WXC/OXC) ..................................................................................... 8
2.4 Multiplexador Óptico Reconfigurável (ROADM) ................................................. 10
2.5 Filtro de Banda de Guarda (FGB) .......................................................................... 12
2.6 Conclusão .............................................................................................................. 13
3. Multiplexação/Modulação O-OFDM ......................................................................... 14
3.1 Introdução ............................................................................................................. 14
3.2 Princípios .............................................................................................................. 15
3.3 Modulação Adaptativa .......................................................................................... 16
3.4 Formatos de Modulação ........................................................................................ 18
3.5 Conclusão .............................................................................................................. 19
4. Caracterização dos Modelos para Redes Ópticas ........................................................ 21
4.1 Objetivos ................................................................................................................ 21
4.2 Cenário 1: Relação de compromisso entre Transceptores e Espectro ................... 21
4.2.1 Resultados Numéricos .................................................................................... 25
4.2.2 Conclusões ...................................................................................................... 34
4.3 Cenário 2: Consideração de Ruído de Emissão Amplificado (ASE) ..................... 35
4.3.1 Resultados Numéricos .................................................................................... 38
4.3.2 Conclusões ...................................................................................................... 45
4.4 Cenário 3: Consideração de Modulação Adaptativa .............................................. 46
4.4.1 Resultados Numéricos .................................................................................... 49
4.4.2 Conclusões ...................................................................................................... 54
4.5 Cenário 4: Consideração da Potência Consumida ................................................. 55
4.5.1 Resultados Numéricos .................................................................................... 58
XII
4.5.2 Conclusões ...................................................................................................... 62
5. Conclusões e sugestões para trabalho futuros ............................................................. 63
Referências ...................................................................................................................... 65
Publicações Associadas ................................................................................................... 72
Outras Publicações .......................................................................................................... 72
Apêndice A: Algoritmo do Cenário 3 ............................................................................ 73
Apêndice B: Algoritmo do Cenário 4 .............................................................................. 77
1
1 Introdução
A demanda de tráfego cresce a cada dia o que implica o aumento das redes e a melhor
gestão desse tráfego como solução do problema, proporcionada pela introdução de
novas tecnologias. Nas redes ópticas baseadas em multiplexação por divisão de
comprimento de onda (WDM – Wavelength Division Multiplexing) comprimentos de
onda são alocados e transmitidos em um único caminho óptico, proporcionando ampla
utilização da largura de banda da fibra óptica, para evitar o aumento desnecessário da
rede. Nessas redes, o tráfego é roteado inteiramente no domínio óptico em que a largura
de banda de uma fibra é alocada em diferentes raias espectrais com espaçamentos
uniformes, chamadas de comprimentos de onda. Essa configuração forma uma espécie
de grade, devido à separação entre os comprimentos de onda, inutilizando esta parte do
espectro [2].
Para contornar esse problema e tornar a configuração sem grades foi introduzida
uma nova tecnologia, onde os elementos da rede dão suporte para tornar a largura de
banda dos caminhos ópticos flexível, ou seja, possa se expandir ou contrair-se de acordo
com a demanda e volume de tráfego. Essas redes são denominadas Redes Ópticas
Elásticas (SLICE – Spectrum-Sliced Elastic Optical Path Networks), e foram
originalmente introduzidas em [1]. Nelas o espectro é um fator contínuo, o que permite
maior eficiência e atendimento às requisições da rede. Nesse novo tipo de rede, a
largura de banda de uma onda no espectro é elástica para acomodar a demanda de
tráfego da camada superior, em vez de usar um múltiplo inteiro de canais no espectro
como em redes WDM convencionais. Dessa forma, sem as grades, uma fração
considerável de banda pode ser salva. Para gerar este efeito a nova arquitetura de rede
proposta utiliza filtros ópticos de largura de banda variável, chaveadores de
comprimento de onda seletivos (WSS – Wavelength Seletive Switches) e tecnologias de
modulação adaptativa (como a multiplexação ortogonal por divisão de frequência –
OFDM), permitindo a flexibilidade da granularidade no domínio óptico [3].
1.1 Motivação e Objetivos
As redes ópticas constituem um dos pilares básicos das comunicações no cenário atual.
Com o aumento do tráfego de informações, essas redes têm cumprido seu papel em
2
atender à demanda dos usuários. Novas tecnologias têm surgido para suprir inúmeras
deficiências e problemas de rede, antes sem solução.
Nesse contexto, este trabalho teve como objetivo desenvolver modificações em
modelos matemáticos baseados em técnicas de programação linear inteira (ILP –
Integer Linear Programming) e linear inteira mista (MILP – Mixed Integer Linear
Programming) e heurísticas para otimização de diferentes recursos em redes ópticas
elásticas, de forma a servir de auxílio ao planejamento dessas redes. Serão apresentados
quatro diferentes cenários, que tratam cada um de um recurso diferente, quais sejam: o
primeiro trata da relação de compromisso entre a economia de transceptores e espectro;
o segundo considera restrições da camada física, tal como o ruído de emissão
espontânea amplificado (ASE – Amplified Spontaneous Emission); o terceiro apresenta
o conceito da modulação adaptativa; e o quarto integra o conceito de modulação
adaptativa à consideração de ruído ASE e à economia de potência total consumida na
rede, trazendo à tona o conceito de sustentabilidade das comunicações nas chamadas
redes verdes. As simulações foram feitas utilizando a linguagem matemática AMPL em
conjunto com o software de otimização CPLEX.
Como fruto deste trabalho, foi produzido um artigo científico [3] apresentado em
conferência, que versa sobre a otimização de recursos em redes elásticas.
1.2 Estado da Arte
Desenvolvidas por pequisadores japoneses da NTT Corporation em meados de 2009
[1], as redes ópticas elásticas trouxeram um novo paradigma aos sistemas de
comunicações ópticas. Apesar de suas vantagens em relação às redes WDM [2-4], essas
redes ainda não têm um projeto físico com um custo-benefício relevante para atender
grandes cidades, mas pesquisas estão sendo feitas para sua implementação, de forma a
torná-las economicamente viáveis a médio prazo [67-70].
Vários tipos de heurísticas e modelos matemáticos estão sendo desenvolvidos ao
redor do mundo para otimizar, em diversos aspectos, o planejamento e manutenção
destas redes antes mesmo do seu lançamento comercial. Novas técnicas que abordam a
análise de fragmentação, defragmentação, proteção, sobrevivência, agregação de
tráfego, e simulação dinâmica da rede, estão sendo desenvolvidas para prover maior
atendimento em termos de demanda para os nós clientes [46-65].
3
Espera-se que num futuro próximo, a instalação das redes ópticas elásticas seja
economicamente possível no Brasil, de forma a atender a crescente demanda por
espectro, decorrente da globalização e desenvolvimento de novos serviços e meios de
comunicação.
1.3 Contribuições
As principais contribuições do presente trabalho estão descritas a seguir:
Foi proposta uma formulação linear inteira mista (MILP) modificada e uma nova
heurística para redes moderadas [3], que maximizam o número remanescente de
transceptores, fazendo o uso eficiente do espectro;
Foi introduzida uma formulação ILP mono-objetiva para maximizar o número de
conexões suportadas sob restrições físicas da rede;
Foi apresentada uma formulação MILP de [4] que além de considerar restrições da
camada física, aborda o conceito de modulação adaptativa para maximizar a
demanda suportada na rede. Sua análise foi ampliada para mais duas redes
moderadas.
Foi abordado o conceito de rede óptica elástica verde, introduzido originalmente em
[17], através da proposta de uma formulação MILP modificada e um algoritmo
sequencial que minimizam a potência total consumida pelos componentes da
camada física da rede.
1.4 Organização da Dissertação
O Capítulo 1 apresenta uma breve introdução sobre o trabalho, seus objetivos e
contribuições para o cenário atual, bem como um resumo sobre seu estado da arte. No
Capítulo 2 são abordados os fundamentos teóricos sobre os principais componentes da
camada física das redes ópticas elásticas. O Capítulo 3 aborda a técnica que
4
conceitualmente permitiu o surgimento das redes ópticas elásticas, através da contração
ou expansão do espectro: a modulação O-OFDM. Já no Capítulo 4 são apresentados
quatro cenários de simulação que consideram diferentes recursos para otimização. Nele
os resultados decorrentes da introdução de formulações modificadas e heurísticas são
discutidos e analisados, gerando um produto de auxílio ao planejamento de redes
ópticas elásticas. Por fim, no Capítulo 5 é apresentada uma breve conclusão do trabalho
e alguns temas em potencial são sugeridos para trabalhos futuros.
5
2 Componentes da Camada Física
2.1 Amplificador Óptico
A maior limitação para as redes ópticas de alta velocidade e de longas distâncias é a
atenuação do sinal. A regeneração eletrônica do sinal é usada para solucionar este
problema, mas isso aumenta o custo da rede e introduz atrasos. Para resolver isto, a
regeneração eletrônica é substituída por amplificadores ópticos, que eliminam a
necessidade de conversões de sinais ópticos em eletrônicos e vice-versa [5].
Diversos amplificadores são apresentados na literatura e utilizados atualmente.
Os mais difundidos são o amplificador de fibra dopado com érbio (EDFA – Erbium
Dopped Fiber Amplifier), amplificador raman dopado com érbio (EDRA – Erbium
Dopped Raman Amplifier), e amplificador óptico a semicondutor (SOA –
Semiconductor Optical Amplifier). A característica em comum entre eles é a capacidade
de prover um longo alcance do sinal e uma alta razão sinal-ruído óptica (OSNR –
Optical Sinal Noise Ratio), o que implica menor custo de implementação da rede [6].
Em [5] é apresentado um estudo detalhado do desempenho dos EDFAs comparados
com os SOAs, e os autores concluiram que o EDFA obteve resultados mais favoráveis
que o SOA para os parâmetros de simulação fixados. Em [7] é apresentado os
amplificadores EDRAs de próxima geração. A Figura 2.1 ilustra este equipamento.
Figura 2.1. EDRA de próxima geração [7].
Estes amplificadores empregam as propriedades intrínsecas à fibra de silício
para obter a amplificação do sinal, de forma que as fibras de transmissão são usadas
como um meio para amplificação ao longo de todo o percurso. Um amplificador
6
operando com base neste princípio é comumente chamado de amplificador Raman
distribuído (DRA – Distributed Raman Amplifier) ou simplesmente amplificador
Raman [7].
Atualmente outros amplificadores têm surgido como alternativa para futuras
gerações como o amplificador óptico paramétrico com sensibilidade de fase (PS-FOPA
– Phase-sensitive fiber optic parametric amplifiers), que é baseado no efeito Kerr. Entre
outras funcionalidades, ele permite amplificação livre de ruído do sinal em fase e
permite uma drástica redução da figura de ruído nos enlaces ópticos, aumentando sua
capacidade [8]. Já em [69] o autor estuda a eficiência energética da amplificação através
da utilização de equipamentos sintéticos, sugerindo uma tecnologia promissora.
2.2 Transceptor de Banda Variável (BVT)
A arquitetura SLICE consiste basicamente de transceptores de banda variável (BVTs –
Bandwidth Variable Transponders) nas bordas da rede e conectores de passagem de
espetro (WXCs – Wavelength Cross Connects) no núcleo da rede [9], como ilustra a
Figura 2.2.
Figura 2.2. Modelo de rede SLICE. Adaptada de [1].
O BVT é capaz de suportar múltiplas taxas de sub-comprimentos de onda e
super-comprimentos de onda. Para alcançar eficiência na utilização de recursos
espectrais, o BVT precisa gerar um sinal óptico utilizando somente os recursos
necessários, de acordo com a taxa do cliente e as condições do canal [10]. Este tipo de
transceptor pode gerar caminhos ópticos elásticos (EOPs – Elastic Optical Paths), ou
seja, caminhos com taxas de transmissão flexíveis, variando a largura de banda nas
7
bordas da rede. Como exemplificado na Figura 2.3, conforme o número de sub-
portadoras OFDM é variado, a taxa de transmissão também varia. O controle do número
de sub-portadoras é feito ajustando um feixe de luz contínuo com diferentes frequências
de oscilação, e a granularidade desse ajuste corresponde à taxa de transmissão de cada
sub-portadora [10].
Figura 2.3. Variação da taxa de transmissão pelo ajuste de sub-portadoras. Adaptada de [10].
Entre outras funcionalidades, o BVT pode ajustar a modulação para um formato
que ocupe menos espectro óptico, mantendo a conexão livre de erros em caminhos de
curtas distâncias devido à redução de restrições físicas (ex., ruído de emissão
espontânea dos amplificadores). Além disso, se uma demanda é menor que a capacidade
de um BVT, ele pode ser “repartido” para carregar a demanda independentemente em
um sub-canal, e se a demanda é maior que sua capacidade, múltiplos canais serão
agregados em um único super-canal que implementará esta demanda [11].
A Figura 2.4(b) ilustra um exemplo de um BVT elástico de 400 Gbit/s que é
“repartido” em vários “transceptores virtuais” que servem EOPs diferentes de 100
Gbit/s, 100 Gbit/s, e 200 Gbit/s. Essa flexibilidade é essencial para a economia de
espectro em redes ópticas elásticas, pois é díficil justificar um “desperdício” de 400
Gbit/s, por exemplo, no caso de um único EOP de 100 Gbit/s na Figura 2.4(a). Nesse
caso, poderia-se usar agregação de sub-comprimentos de onda para preencher os 300
8
Gbit/s restantes, mas isso introduziria outra camada e eliminaria alguns ganhos das
redes SLICE. Essa flexibilidade parece possível na próxima geração de BVTs, assim
como a habilidade de usar diferentes formatos de modulação para cada transceptor
virtual. Embora tal característica represente um desafio para o projeto do transceptor, os
custos adicionais parecem ser modestos [11].
Figura 2.4. Suporte para uma demanda de três sub-comprimentos de onda utilizando:
(a) BVTs fixos; (b) BVTs Elásticos. Adaptada de [11].
Por fim, em [68] é proposta uma nova arquitetura de transponder de banda
variável elástico (SBVT – Sliceable Bandwidth Variable Transponder) baseada em
fontes de múltiplos comprimentos de onda (MW – Multiple Wavelength) e ressonadores
de micro-anéis (MRRs – Micro Ring Ressonators), que suporta super-canal e
elasticidade, representando uma tecnologia promissora para reduzir o número de lasers
instalados e, consequentemente, os custos da rede.
2.3 Chave Óptica (WXC/OXC)
Nas redes ópticas elásticas, um conjunto de chaves seletivas de comprimento de onda
são organizadas para formar as chaves ópticas (OXCs – Optical Cross Connects). Em
geral, uma chave WSS faz a multiplexação/demultiplexação e chaveamento óptico
utilizando a tecnologia de óptica integrada. Elas podem ser utilizadas para difusão e
9
seleção e para prover funções de adição e exclusão de sinais locais, assim como
agregação de tráfego, e funções de roteamento de sinais em trânsito [1]. Atualmente,
para fabricação das chaves seletivas de comprimento de onda com banda variável (BV-
WSSs – Bandwidth Variable Wavelength Seletive Switches), são utilizadas duas
tecnologias principais: sistemas micro-eletro-mecânicos (MEMS –
Microelectromechanical systems) [15] ou cristal líquido em silicone (LcoS – Liquid
crystal on silicon) [14].
Os OXCs operam simultaneamente com os BVTs da seguinte forma: Os BVTs
geram um sinal óptico utilizando o mínimo de recursos espectrais para transmitir o sinal
do cliente enquanto minimizam a separação entre caminhos ópticos adjacentes (essa
separação chama-se banda de guarda). Enquanto isto, os OXCs filtram os caminhos
ópticos alocando conexões de passagem com a correspondente largura de banda para
criar caminhos ópticos de tamanho apropriado. Se a demanda de espectro aumentar, o
transmissor aumenta a capacidade do enlace e os OXCs expandem a janela de
chaveamento, aumentando a largura de banda do caminho óptico elástico [1].
Figura 2.5. Modelo de nó SLICE: BV-OXC. Adaptada de [1].
A Figura 2.5 mostra uma nova classe de OXC chamado de conector de
passagem de espectro com banda variável (BV-OXC – Bandwidth Variable Optical
Cross-Connect). Um BV-OXC pode arbitrariamente chavear e separar canais ópticos
com diferentes larguras de banda. Isso provê maior flexibilidade e controlabilidade na
operação de redes ópticas SLICE [12]. Para operar nessas redes, uma estrutura BV-
10
OXC deve suportar as seguintes características: colorless (inclusão e retirada de
qualquer comprimento de onda), directionless (inclusão e retirada para qualquer
direção), e contentionless (inclusão e retirada do mesmo comprimento de onda para
diferentes direções) [10].
Por fim, em [67] é proposta uma nova arquitetura OXC baseada em BV-WSSs
de fina granularidade, representando uma tecnologia promissora que provê maior
eficiência em escala e, consequentemente, menor custo para a rede.
2.4 Multiplexador Óptico Reconfigurável (ROADM)
Para o planejamento da rede não é mais necessário predizer exatamente o padrão de
crescimento de tráfego desde que a rede possa ser reconfigurada quando requisitado.
Isso dá ao operador da rede grande flexibilidade para o projeto e manutenção da rede.
Com a característica de reconfiguração, o OADM é agora referido como ROADM [15].
É um módulo constituído de blocos de WXCs que, por sua vez, são constituídos de
WSSs, como mencionado no item anterior. Em sua implementação inicial, a
reconfiguração era limitada em selecionar se um canal atravessa, é inserido, ou retirado
de um nó. A Figura 2.6 mostra um ROADM de 3 graus baseado em WSS [12].
Figura 2.6. ROADM de 3 graus baseado em WSS. Adaptada de [12].
11
Cada bloco contém um par de fibras de entrada e saída. O sinal da fibra de
entrada passa pelo WSS que separa os canais de comprimento de onda nas três portas de
saída. O WSS pode arbitrariamente e seletivamente dividir o sinal de entrada em
diferentes combinações espectrais nas três portas de saída em uma granularidade quase
contínua. A fibra de saída de um bloco é conectada em um acoplador óptico, que
combina os sinais de outros blocos e os sinais inseridos provenientes do transmissor
coerente (bloco Co-Tx). O receptor coerente (bloco Co-Rx) possui portas de retirada
que implementam detecção coerente e funcionam como filtros para selecionar um canal
óptico em cada porta [12].
Assim como numa estrutura WXC apresentada no item anterior, uma estrutura
ROADM deve satisfazer três condições: colorless (quando um comprimento de onda
pode ser controlado via software e não é fixado pela porta física de inserção/retirada do
ROADM), directionless (quando um comprimento de onda pode ser inserido ou retirado
para qualquer direção via software), e contentionless (permite múltiplas cópias do
mesmo comprimento de onda numa única estrutura de inserção/retirada) [15]. A Figura
2.7 mostra um equipamento ROADM de 16 portas WXCs, que possui tais
funcionalidades [7].
Figura 2.7. ROADM de 16 portas [7].
Recentemente, novas tecnologias WSS têm sido produzidas e permitem o
chaveamento de grande fatia do espectro, possibilitando ROADMs elásticos. Devido ao
baixo custo calculado para esses equipamentos, pode-se esperar que eles se tornem
comuns na próxima geração de ROADMs [11]. Vários esquemas com ROADM
elásticos têm sido propostos, entretanto, geralmente precisam de um grande número de
fontes de lasers para transmissão e de osciladores. Em [70] é proposto um esquema
eficiente de aplicação de ROADMs em redes ópticas elásticas, baseado em pente óptico
12
(optical comb), representando uma tecnologia promissora, para reduzir a complexidade
do sistema e o custo total da rede.
2.5 Filtro de Banda de Guarda (FGB)
Teoricamente, um sinal de espectro contínuo baseado em OFDM não precisa de uma
banda de guarda no intervalo da frequência entre os canais ópticos. Entretanto, quando
um sinal de espectro OFDM viaja através de múltiplos BV-WXCs, as sub-portadoras na
borda do espectro são penalizadas devido às imperfeições dos filtros WSS. Uma banda
de guarda entre caminhos ópticos adjacentes pode aliviar este problema ao custo de
reduzir a eficiência espectral [10]. A Figura 2.8 mostra as bandas de guarda entre canais
ópticos em uma rede SLICE. Percebe-se que parte do espectro é “desperdiçado”.
Figura 2.8. Bandas de guarda entre canais numa rede SLICE. Adaptada de [9].
O tamanho da banda de guarda depende do número de filtros (nós WXC) em
cascata, e as características de filtragem do WSS. A relação de compromisso entre o
tipo de filtro e largura da banda de guarda foi numericamente analisado em [18].
Resultados mostraram que, para o caso da transmissão com 10 estágios de filtros
Gaussianos de segunda ordem em cascata, a banda de guarda ótima para canais OFDM
com sub-portadoras de 10 Gbit/s é 30 GHz. Espera-se maior estreitamento da banda de
guarda no futuro, por exemplo com o aumento da ordem do filtro.
13
2.6 Conclusão
Neste capítulo foram apresentados os componentes essenciais que compõem a camada
física da rede óptica elástica e seu cenário atual, sendo de essencial importância para o
entendimento das análises que se seguem adiante. Percebe-se que ainda há muito o que
se desenvolver para melhorar a eficiência destes equipamentos. São eles que fisicamente
proporcionam o surgimento da elasticidade de espectro através da aplicação da
tecnologia de modulação O-OFDM que será apresentada em detalhes no Capítulo
seguinte.
14
3 Multiplexação/Modulação O-OFDM
3.1 Introdução
Recentemente, a multiplexação por divisão de frequência ortogonal (OFDM),
originalmente utilizada em sistemas de transmissão sem fio [19], foi proposta como uma
técnica de modulação em redes ópticas [20-26]. A modulação OFDM óptica, também
chamada de O-OFDM, distribui os dados para algumas sub-portadoras de baixa taxa de
transmissão. O espectro das sub-portadoras adjacentes podem se sobrepôr, pois são
moduladas ortogonalmente, aumentando assim a eficiência espectral da transmissão.
Além disso, O-OFDM pode prover maior granularidade às conexões pela alocação
flexível das sub-portadoras de baixa taxa de dados, se comparado aos sistemas WDM
tradicionais [4].
Um transponder OFDM de largura de banda variável (transponder BV) gera um
sinal óptico utilizando somente os recursos espectrais necessários, em termos de sub-
portadoras com o nível apropriado de modulação, para atender a demanda do cliente.
Devido às suas características peculiares, várias propriedades de transmissão do sinal
OFDM podem ser determinadas, possibilitando a escolha do número de bits por símbolo
da modulação das sub-portadoras, ou seja, a eficiência espectral da transmissão. Para
estabelecer uma conexão, cada chave óptica de largura de banda variável (BV-OXC) na
rota aloca uma conexão cruzada com espectro suficiente para criar um caminho óptico
de tamanho apropriado de início a fim. Novas tecnologias e sub-sistemas, como
transceptores BV e BV-OXCs, têm sido desenvolvidas para as redes ópticas elásticas
(SLICE) [10-16, 67-70].
A tecnologia OFDM possui algumas vantagens em relação aos sistemas WDM
tradicionais, entre outras [10]:
1) Transmite alta taxa de dados dividindo-a em múltiplas sub-portadoras de baixa
taxa de dados, o que permite o aumento da taxa simbólica;
2) Permite alterar a taxa de transmissão aumentando o número de sub-portadoras e
o espectro, sem maiores mudanças no projeto do sistema;
3) Alta eficiência espectral alcançada pelo arranjo de sub-portadoras sobrepostas, o
que permite o aumento da capacidade do sistema;
15
4) Alta eficiência espectral alcançada pela capacidade de adaptação ao enlace, pelo
emprego de modulação adaptativa (ajuste de bits por símbolo);
5) Redução do consumo de energia pelo emprego de modulação adaptativa e
chaveamento de sub-portadoras de acordo com a condição do canal e
requisições.
Apesar de suas vantagens, a modulação OFDM possui algumas desvantagens,
das quais duas merecem ser citadas:
1) Alta razão potência de pico/potência média, o que requer transceptores com
extensa faixa de alcance, para não distorcer o sinal;
2) Requer estrita ortogonalidade entre sub-portadoras, e por isso é mais sensível
aos ruídos de frequência e fase.
3.2 Princípios
A modulação OFDM é uma classe especial de modulação multi-portadoras, que
transmite dados com alta taxa de transmissão dividindo-os em canais ortogonais,
chamados de sub-portadoras, cada uma carregando baixa taxa de dados [35].
Comparando com sistemas WDM, em que um espaçamento fixo do canal entre os
comprimentos de onda é preciso para eliminar o crosstalk, OFDM permite que os
espectros de sub-portadoras individuais sejam sobrepostos devido à sua ortogonalidade,
como exemplificado na Figura 3.1. Além disso, a interferência intersimbólica do sinal
OFDM é menor quando comparado aos sistemas de uma única portadora com a mesma
taxa de dados [10].
16
Figura 3.1. Espectro dos sinais WDM e OFDM. Adaptada de [10].
A condição ortogonal entre múltiplas subportadoras é satisfeita quando suas
frequências centrais são espaçadas em n/Ts, em que n é inteiro e Ts é a duração do
símbolo. Dessa forma, o pico de espectro de uma sub-portadora corresponde ao início
do espectro de outra sub-portadora. Portanto, quando uma sub-portadora é amostrada no
seu pico, todas as outras sub-portadoras tem valores nulos naquele ponto e isso não
interfere na amostragem da primeira sub-portadora. Essa ortogonalidade leva ao uso
mais eficiente de recursos espectrais, que são limitados para a maioria das mídias de
comunicação [10].
3.3 Modulação Adaptativa
Recentemente, várias técnicas de modulação adaptativa que permitem alta eficiência na
transmissão foram desenvolvidas, entre elas: taxa de dados adaptativa [36-38] e
distância adaptativa [4, 27-34]. Na alocação de espectro pela taxa de dados adaptativa, o
formato de modulação é mantido constante, enquanto a taxa de dados é variada para
compensar a degradação da OSNR, que está sujeita ao comprimento físico do enlace.
Na modulação por distância adaptativa, o número máximo de bits por símbolo
(eficiência espectral), sujeito às características da transmissão, por exemplo ao ruído de
emissão espontânea, é selecionado para cada caminho óptico. Essa adaptação é possível
17
se for selecionado um formato eficiente como 16-QAM para caminhos curtos e uma
modulação mais robusta como QPSK para caminhos longos. Dessa forma, somente as
sub-portadoras OFDM necessárias são alocadas em cada caminho óptico para carregar a
demanda requisitada [27].
O conceito da alocação elástica de espectro pela distância adaptativa em redes
SLICE é ilustrado na Figura 3.2, utilizando uma rede óptica em anel que possui 12 nós.
Os arcos com setas em ambas as terminações na Figura 3.2(a) indicam os caminhos
ópticos. A espessura dos arcos indica a largura espectral alocada. Na modulação por
distância adaptativa o conjunto de parâmetros de maior eficiência é escolhido para
minimizar os recursos espectrais alocados sob condições definidas, enquanto mantém a
taxa de dados invariável. Os parâmetros a serem adaptados incluem o nível de
modulação e a largura de banda do filtro óptico. Uma alocação flexível dos recursos
espectrais pode ser feita como se segue: devido ao caminho mais curto, A, possuir
menor degradação da OSNR e menor efeito de estreitamento do filtro óptico, o conjunto
de parâmetros mais eficiente em termos espectrais é selecionado (por exemplo, 16-
QAM e filtro de 37.5 GHz). Para os caminhos C ou D, devido a um maior número de
salto de nós (hops), um conjunto mais robusto de parâmetros é escolhido (por exemplo,
QPSK e 50 GHz). Devido ao efeito de estreitamento de filtro ser mais crucial para o
caminho mais longo, B, a maior largura de banda deve ser utilizada (por exemplo, 62.5
GHz) para garantir uma banda passante aceitável no nó de saída [28].
Os recursos espectrais em redes ópticas elásticas são quantizados em uma
unidade chamada de slot de frequência, ou sub-portadora de frequência. Se a largura de
um slot for de 12.5 GHz, espectros de 37.5, 50, e 62.5 GHz correspondem à 3, 4, e 5
slots, respectivamente. Exemplos de alocação de slots de frequência são mostrados na
Figura 3.2(b).
18
Figura 3.2. Alocação de espectro em rede SLICE com distância adaptativa: (a) recursos
espectrais alocados em vários caminhos ópticos; (b) Largura de banda do filtro óptico e do sinal.
Adaptada de [28].
3.4 Formatos de Modulação
A alocação de espectro por distância adaptativa nas redes ópticas elásticas tem a
vantagem da distribuição de espectro de acordo com o comprimento dos caminhos
ópticos na topologia virtual [29]. Neste contexto, alguns tipos de modulação têm sido
bastante utilizados atualmente, das quais se destacam as variantes N-QAM e N-PSK.
Alguns parâmetros para ajustar a largura espectral para três diferentes níveis de
modulação são mostrados na Tabela 3.1, quais sejam: QPSK, 16-QAM, 64-QAM [28].
19
Tabela 3.1. Parâmetros de ajuste para diferentes formatos de modulação
Abordagem com portadora única
Nível de modulação QPSK 16-QAM 64-QAM
Taxa simbólica (Hz) B/2 B/4 B/6
Sub-portadoras 1 1 1
Bits por símbolo 2 4 6
Taxa de dados por polarização
(bit/s)
B B B
Abordagem multi-portadoras
Nível de modulação OFDM-
QPSK
OFDM-16
QAM
OFDM-64
QAM
Taxa simbólica (Hz) B/2n B/2n B/2n
Sub-portadoras n n/2 n/3
Bits por símbolo 2 4 6
Taxa de dados por polarização
(bit/s)
B B B
Para a mesma taxa de dados, a modulação 16-QAM carrega o dobro de bits por
símbolo que QPSK, portanto requer metade da taxa simbólica e, consequentemente,
metade da largura de banda. Similarmente, 64-QAM carrega três vezes o número de bits
por símbolo que QPSK, e requer um terço da largura de banda. Dessa forma, a largura
de banda espectral pode ser economizada reduzindo a taxa simbólica e aumentando o
número de bits por símbolo (eficiência espectral) para transmitir a mesma taxa de dados.
Em contrapartida, 16-QAM e 64-QAM sofrem maiores perdas ópticas em relação a
QPSK [31], o que é aceitável para caminhos ópticos curtos [28].
O desenvolvimento de uma modulação ajustável à largura espectral com taxa de
dados constante pode ser empregado tanto com uma abordagem com portadora única
quanto multi-portadoras, como visto na Tabela 3.1. Na abordagem de portadora única, a
taxa simbólica é reduzida para obter uma largura espectral mais estreita enquanto
aumenta o número de bits por símbolo para manter a taxa de dados constante. Em
contrapartida, na abordagem multi-portadoras o número de sub-portadoras, com taxa
simbólica uniforme, é alterada para ajustar a largura de banda [28].
3.5 Conclusão
Neste capítulo foram apresentados os conceitos fundamentais da tecnologia de
modulação O-OFDM, originalmente criada para atender sistemas de transmissão sem
20
fio, mas que devido à sua autonomia e flexibilidade, foi adaptada às redes de
comunicação óptica, introduzindo o conceito de redes ópticas elásticas (SLICE).
Comparado a sistemas WDM, a modulação O-OFDM permite maior economia
de espectro devido à superposição de sub-portadoras adjacentes. A possibilidade de se
escolher o tipo de modulação para cada caminho óptico, de acordo com as
características do enlace, permite maior gerência dos recursos espectrais disponíveis na
rede. Dessa forma, a modulação O-OFDM tem sido objeto de intenso estudo e pesquisa,
e acredita-se no seu potencial em atender as futuras redes ópticas.
21
4 Caracterização dos Modelos para Redes
Ópticas
4.1 Objetivos
O objetivo deste capítulo é apresentar os resultados e suas análises decorrentes da
introdução de formulações modificadas e heurísticas para otimização de diferentes
recursos em redes ópticas elásticas, de forma a servir de auxílio ao planejamento dessas
redes. Serão apresentados 4 diferentes cenários, descritos em detalhes a seguir.
4.2 Cenário 1: Relação de compromisso entre
Transceptores e Espectro
Em [39, 40] foram propostas formulações MILP para acomodar o tráfego em redes
SLICE. O desempenho das redes com e sem tráfego agregado (grooming) é comparado.
Com agregação de tráfego um conjunto de caminhos ópticos cria uma topologia lógica,
que é implementada sobre uma rede SLICE. Entretanto, essa topologia normalmente
não é em malha completa (full-mesh) pois não há recursos ou transceptores suficientes
para criar um caminho óptico entre qualquer par de nós.
Os modelos SLICE de [39, 40] não consideram o número de transceptores. Além
disso, em redes reais, demandas de tráfego entre par de nós mudam consideravelmente
com o tempo. Dessa forma, a reconfiguração dos modelos de topologias lógicas é
necessária para manter o desempenho da rede. Se todos os recursos são usados para a
topologia corrente, movendo-se para uma nova topologia vai, definitivamente, causar
interrupção porque um novo caminhos ópticos poderá ser alocado antes de deletar pelo
menos um caminho óptico existente. Dessa maneira, há uma relação de compromisso
entre o desempenho da rede e a utilização de recursos.
Seja = (sd
) a matriz de tráfego, ou seja, sd
é a razão de encaminhamento de
pacotes (ou Gbit/s) do nó s ao nó d. Seja o comprimento das fibras na topologia de rede
o peso dos enlaces no modelo. Seja FGB (Filtro de Banda de Guarda) a largura mínima
de espectro entre bandas, C (capacidade em GHz) a capacidade de cada fibra e a razão
do tráfego de dados sobre largura de banda é a eficiência espectral (Gbit/s/Hz). A
22
utilização média de espectro () como objetivo é um valor médio ponderado em termos
do comprimento da fibra. Em formulação, a abordagem com agregação de tráfego tem o
processo de estabelecer caminhos ópticos de largura de banda variável e topologia
virtual. Uma descrição informal do problema da modelagem da topologia SLICE com
agregação de tráfego segue abaixo [3]:
min
Tal que:
i. Conservação de tráfego na topologia virtual deve ser satisfeita (camada de
agregação);
ii. Fluxos de tráfego de baixa taxa de transmissão são agregados em caminhos
ópticos de largura de banda variável;
iii. Variáveis de conservação de tráfego são roteadas na camada óptica;
iv. A largura de banda utilizada (incluindo o Filtro de banda de guarda) não
deve exceder a capacidade de espectro da fibra.
Uma definição precisa tal como um programa linear inteiro misto (MILP) é como se
segue:
A. Notação
s e d denotam, respectivamente, os nós fonte e destino das demandas de tráfego
na rede;
i e j denotam nós de origem e final, respectivamente, de um caminho óptico;
m e n denotam pontos finais de um enlace físico na rede.
B. Dados
Número de nós numa rede: N;
Elemento da matriz de tráfego: sd
, que denota a intensidade de tráfego do nó
fonte s ao nó de destino d;
Topologia Física: Fmn, que representa o número de fibras conectando o nó m ao
nó n;
Comprimento da fibra do link m-n: Dmn;
Capacidade de cada fibra: C;
23
Filtro de Banda de Guarda (em Hz): FGB, que é a mínima largura espectral entre
bandas;
Um grande número M utilizado para fazer algumas variáveis inteiras.
C. Variáveis
Largura de banda do caminho óptico Vij: largura de banda de um caminho óptico
elástico do nó i ao nó j;
Roteamento de tráfego
: fluxo de tráfego do nó fonte s ao nó destino d,
empregando o caminho óptico do nó i ao nó j;
Roteamento na topologia física
: quantidade de banda que um caminho
óptico do nó i ao nó j utiliza em um enlace de fibra m-n;
Uma variável binária
para indicar quando o caminho óptico do nó i ao nó j
passa pelo enlace m-n.
é igual a 1 se
; e igual a 0 se
.
D. Formulação MILP
Minimizar
Em que =
(4.2.1)
Sujeito a:
-
i,s,d N
(4.2.2)
i,j N (4.2.3)
-
m,i,j N
(4.2.4)
m,n N (4.2.5)
i,j,m,n N (4.2.6)
24
A Eq. (4.2.1) representa a função objetivo, que minimiza a utilização média de
espectro com agregação de tráfego. Na Eq. (4.2.2) estão as variáveis de conservação de
fluxo na topologia virtual (camada de agregação). Eq. (4.2.3) denota que o fluxo de
tráfego de baixa taxa de transmissão é agregado em caminhos ópticos de largura de
banda variáveis. Na Eq. (4.2.4) estão as variáveis de conservação de fluxo de
roteamento na camada óptica. Eq. (4.2.5) representa que a largura de banda utilizada
não deve exceder a capacidade espectral da fibra. Eq. (4.2.6) é usada para contabilizar a
quantidade de FGBs.
E. Número de transceptores
Como já citado, as formulações MILP de [39, 40] não consideram o número de
transceptores. Dessa forma, foi proposta e definida uma nova variável: a variável
binária, , que é 1 se houver um caminho óptico (ou seja, um transceptor) do nó i ao
nó j e 0 de outra forma. Também foram inseridas as seguintes variáveis, da Eq. (4.2.7) a
(4.2.10), ajustando o MILP para considerar o número de transceptores.
i,j (4.2.7)
(4.2.8)
(4.2.9)
(4.2.10)
A variável é usada para contabilizar a quantidade de caminho
ópticos. A variável
assegura que se = 0, =0 para todos os valores
de s e d. Então se o enlace i-j não existe na topologia, nenhum tráfego pode ser roteado
naquele enlace. Se o enlace i-j existir na topologia ( = 1), essa variável simplesmente
confirma que ≤ , o que é sempre verdade. Nesse caso não impõe-se variáveis
nos valores de . Similarmente, a variável
assegura que se = 0,
= 0
para todos os valores de i e j. Então se o caminho óptico i-j não existir na topologia, ele
não pode ser roteado no enlace físico m-n. Se o caminho óptico i-j existir na topologia
25
( = 1), então ele pode ser roteado no enlace físico m-n. As variáveis degrau asseguram
que a topologia modelada não tem mais que ∆ transceptores (significa ∆ caminhos
ópticos entrando e saindo que cada nó). Foram inseridas mais duas equações:
Eq. (4.2.11) é utilizada para contabilizar a quantidade de caminhos ópticos e Eq.
(4.2.12) introduz a função costij (A ponderação da largura de banda que um caminho
óptico do nó i ao nó j utiliza no enlace de fibra m-n que atravessa).
Pode-se pensar que minimizando o número de caminho ópticos (NL), que são
alocados na topologia lógica, levará a uma utilização eficiente de recursos.
Minimizando o número de caminhos ópticos também levará à economia de
transceptores. Isso só funciona se sempre houver espectro livre. Assim, minimizando e
limitando ∆ assegura a eficiência na utilização de recursos.
4.2.1 Resultados Numéricos
Para confirmar a efetividade da otimização proposta, serão analisados dois cenários com
topologias de redes diferentes (uma rede pequena e uma rede moderada). Foi utilizado
IBM ILOG CPLEX v.12.4 [41] em um computador Intel Dual Core 2.1 GHz, com 3GB
de memória para solucionar o MILP. Primeiramente será analisado o desempenho numa
rede pequena (6NET) em detalhes e depois numa rede moderada através da heurística
proposta.
A. Rede pequena
Tabela 4.1. Matriz de tráfego 0 na 6NET.
- 2 2 1 2 1
2 - 0 1 2 2
0 1 - 1 3 0
2 3 3 - 3 1
0 3 0 3 - 2
2 0 2 1 1 -
(4.2.11)
i,j (4.2.12)
26
2
61 5
43
Figura 4.1. Topologia física da 6NET.
Inicialmente foi utilizada uma topologia de 6 nós e 14 enlaces (Figura 4.1) para
avaliar o desempenho da formulação MILP proposta. Assume-se que há um par de
fibras bi-direcionais em cada enlace e a largura espectral disponível de cada fibra é 7.5
GHz. O Filtro de Banda de Guarda entre bandas é 0.25 GHz. A eficiência espectral é 4
bit/s/Hz e a demanda de tráfego é não-uniforme (Gbit/s) para cada par fonte-destino
(Tabela 4.1).
A Tabela 4.2 mostra os resultados para ∆=1xN, 2xN, 3xN and 4xN, onde N é o
número de nós na rede. A diferença entre a utilização de espectro média no MILP com
∆=2xN e ∆=4xN é somente 0.02 e há uma economia de 2 caminhos ópticos com
∆=2xN. Somente com ∆=1xN a utilização de espectro é maior, mas só 6 caminhos
ópticos são precisos, economizando 8 caminhos ópticos em relação a ∆=3xN or ∆=4xN.
Devido à necessidade de largura de banda extra, a abordagem com ∆´s pequenos
apresenta um alto valor de utilização de espectro quando comparado com a abordagem
com ∆´s livremente disponíveis. Entretanto, quando comparado ao NL (Número de
caminhos ópticos), pode-se notar em todos os casos analisados uma grande economia no
NL que a formulação linear modificada pode prover.
De forma a confirmar a eficiência da estratégia, a Tabela 4.2 também compara
os resultados com tráfego uniforme (2 Gbit/s para todos os pares s-d). Na Figura 4.2
percebe-se a relação em termos de utilização de espectro para cenários com demanda
uniforme e não-uniforme. Assim, os benefícios são confirmados.
Tabela 4.2. Análise estratégica.
Não Uniforme (Tabela 4.1) Uniforme (2Gbit/s)
∆ NL Cost NL Cost
1xN 6 .335714 135 6 .514286 192
2xN 12 .207143 75 12 .285714 108
3xN 14 .202381 71 14 .271429 100
4xN 14 .202381 71 14 .271429 100
27
Figura 4.2. Análise estratégica.
B. Algoritmo Heurístico para modelagem SLICE iterativa
Aqui é introduzido um algoritmo heurístico baseado no modelo SLICE. Percebe-se que
este algoritmo (no Passo 2) descreve pelo MILP como a topologia virtual é realizada na
rede física.
Passo 1: Dada uma matriz de tráfego estática e a capacidade do sistema C, ache os
enlaces virtuais (Gv original);
Passo 2: Roteie o tráfego estático dado nos enlaces virtuais (bij´s) com o MILP e ache
max e costij.
Passo 3: Se max C e é a primeira iteração, então pare. Ou se max C e qualquer
enlace virtual já foi removido, vá para o passo 6). Do contrário, continue;
Passo 4: Remova o menor costij do enlace virtual (costij) min;
Passo 5: Se todos os nós permanecerem virtualmente conectados, retorne ao passo 2.
Se qualquer nó for desconectado, continue.
Passo 6: Readicione o último enlace virtual removido, de forma a recuperar o último
estado da rede, e continue.
Passo 7: Pare e mostre NL e .
28
A heurística acima foi resolvida para a rede de 6 nós ilustrada na Figura 4.1, com
programação linear, utilizando a rotina CPLEX. A matriz de tráfego utilizada é a mesma
da Tabela 4.1. A topologia virtual original (Passo 1) foi modelada pelo MILP com
∆=3xN (Resultado ótimo da Tabela 4.2, considerando o NL máximo).
Com C = 7.5 GHz/30Gbit/s, FGB = 0.25 GHz, eficiência espectral de 4 bit/s/Hz
e demanda não-uniforme (Gbit/s) para cada para fonte-destino (Tabela 4.1), há 8
topologias virtuais possíveis descritas na Tabela 4.3. A Tabela 4.3(a) é a topologia
virtual original com costmax= 7 e costmin= 2 no enlace virtual 6-1 ou 3-4 (a heurística
decidiu aleatoriamente deletar o enlace 6-1 na primeira iteração), = 0.2024 e NL = 14.
A Tabela 4.3(h) é a topologia otimizada com costmax= 28, costmin= 11, = 0.2810 e NL =
7 na décima sétima iteração. Percebe-se que mais uma iteração faria com que a
topologia virtual fosse inviável, pois algum nó seria desconectado virtualmente, pela
eliminação de mais um caminho óptico.
Tabela 4.3. Topologias virtuais para a 6NET.
. 4 0 0 0 6 . 4 0 0 0 4 6 . 3 0 5 0 6 . 2 0 5 0 0 6 . 2 0 0 0 1 . 4 0 0 0 0 7 . 7 0 0 0 5 . 12 0 0 6 0 7 . 3 0 10 0 8 . 5 2 0 0 0 7 . 0 0 0 0 9 .
(a) Topologia Original
=0.2024, NL=14, cost=71.
(b) 1 lightpath eliminado
=0.2095, NL=13, cost=75.
. 7 0 0 0 3 . 6 0 0 0 7 8 . 6 0 4 0 11 . 5 0 4 0 0 0 . 7 0 0 0 0 . 6 0 0 0 0 3 . 13 0 0 0 3 . 13 0 0 13 0 4 . 3 0 16 0 5 . 0 0 0 0 0 6 . 0 0 0 0 7 .
(c) 2 lightpaths eliminados
=0.2119, NL=12, cost=77.
(d) 3 lightpaths eliminados
=0.2238, NL=11, cost=83.
. 7 0 0 0 6 . 4 0 0 0 9 11 . 7 0 6 0 11 . 10 0 0 0 0 0 . 5 0 0 0 0 . 8 0 0 0 0 0 . 16 0 0 0 0 . 18 0 0 19 0 6 . 0 0 19 0 5 . 0 0 0 0 0 6 . 0 0 0 0 9 .
(e) 4 lightpaths eliminados
=0.2357, NL=10, cost=89.
(f) 5 lightpaths eliminados
=0.2429, NL=9, cost=93.
. 0 0 0 0 15 . 0 0 0 0 15 13 . 8 0 0 0 13 . 13 0 0 0 0 0 . 6 0 0 0 0 . 11 0 0 0 0 0 . 16 0 0 0 0 . 16 0 0 23 0 5 . 0 0 28 0 0 . 0 0 0 0 0 15 . 0 0 0 0 15 .
(g) 6 lightpaths eliminados
=0.2595, NL=8, cost=101.
(h) 7 lightpaths eliminados
=0.2810, NL=7, cost=111
(topologia otimizada)
29
Mesmo com o uso de tais pacotes, a formulação MILP necessita de muito tempo
para resolver, exceto para problemas de pequeno escalão, como para a rede de 6 nós
apresentada. Dessa forma, a heurística foi desenvolvida com a finalidade de achar
soluções aproximadas para redes maiores. Então, foram feitos experimentos similares
para uma rede moderada (NSFNET) com 14 nós e 21 enlaces (Figura 4.3),
primeiramente com o modelo MILP e depois com a heurística proposta.
Figura 4.3. Rede moderada NSFNET.
Novamente, assumiu-se que há um par de fibras bidirecionais por enlace. A
largura espectral disponível de cada fibra é 1 THz. A banda de guarda entre bandas é 10
GHz. A eficiência espectral é 4 bit/s/Hz. A demanda de tráfego é uniforme para cada
par fonte-destino e seu valor é 20 Gbit/s. A Tabela 4.4 mostra os resultados para o
modelo MILP e pode-se concluir que o tempo de simulação é muito alto.
Tabela 4.4. Resultados com MILP (NSFNET).
Uniforme (20Gbit/s)
∆ NL γ Cost (s)
14 * * * 115530.326
17 17 .0967 98760 178244.292
28 26 .0583 56980 7490.399
42 34 .0546 50600 298.100
56 34 .0546 50600 168.027 *inviável
Aplicando a estratégia heurística, os enlaces virtuais encontrados no Passo 1 são
mostrados na Tabela 4.5. A função objetivo encontrada no Passo 1 foi 0.0546
(Utilização média de espectro) e o número de transceptores (NL) 34. Depois de 18
iterações a topologia otimizada tinha = 0.1331, mas somente 17 transceptores. Na
Tabela 4.6, ∆avg representa o número de caminhos ópticos por nó.
30
Tabela 4.5. Topologia Original ( .
1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 . 1 0 0 0 0 0 0 1 0 0 0 0 0
2 1 . 1 1 0 0 0 0 0 0 0 0 0 0
3 0 1 . 0 0 0 0 0 0 0 0 0 0 0
4 0 1 0 . 1 0 0 0 0 0 1 0 0 0
5 0 0 0 1 . 1 1 0 0 0 0 0 0 0
6 0 0 0 0 1 . 0 1 0 0 0 0 0 0
7 0 0 0 0 1 0 . 0 1 0 0 0 0 0
8 0 0 0 0 0 1 0 . 0 1 0 0 0 0
9 1 0 0 0 0 0 1 0 . 1 0 0 0 0
10 0 0 0 0 0 0 0 1 1 . 0 1 0 1
11 0 0 0 1 0 0 0 0 0 0 . 1 0 0
12 0 0 0 0 0 0 0 0 0 1 1 . 1 0
13 0 0 0 0 0 0 0 0 0 0 0 1 . 1
14 0 0 0 0 0 0 0 0 0 1 0 0 1 .
Tabela 4.6. Comparação entre topologia original e otimizada.
Topologia Original Topologia Otimizada
NL ∆avg Cost NL ∆avg Cost
34 0.0546 2.4286 50600 17 .1331 1.2143 137920
Pode-se ver uma relação aproximadamente linear entre o número de
transceptores e a utilização de espectro na Figura 4.4. Quando transceptores são
minimizados, a utilização de espectro aumenta para atender a demanda de tráfego na
rede. Entretanto, os benefícios são confirmados pois os transceptores possuem grande
influência no desempenho e custo de uma rede óptica.
Figura 4.4. Relação entre variáveis na NSFNET.
31
A mesma análise foi feita para mais duas redes, a Cost239 (Figura 4.5) e
Brasileira (Figura 4.7), redes de 11 e 12 nós, respectivamente. Os mesmos parâmetros
de simulação utilizados na NSFNET foram utilizados nelas, exceto o comprimento dos
enlaces.
Figura 4.5. Rede Cost239.
A Tabela 4.7 mostra os resultados obtidos com o modelo exato na Cost239.
Tabela 4.7. Resultados com MILP (Cost239).
Uniforme (20Gbit/s)
∆ NL γ Cost 11 * * * *
14 14 .0290 3232400 138244.639
16 16 .0253 2790400 49071.457
18 18 .0231 2481500 9951.332
22 22 .0197 2048000 215.373
33 22 .0197 2048000 47.673
44 22 .0197 2048000 36.925 *inviável
Novamente, o tempo de simulação é muito grande. Por exemplo, com ∆=14,
tem-se 38 horas de simulação, o que expressa altos esforços para o MILP resolver o
problema. Aplicando a estratégia heurística para essa rede, os resultados obtidos estão
listados na Tabela 4.8. Com ∆=22, a função objetivo encontrada no Passo 1 () foi
0.0197 e o número de transceptores (NL) foi 22. Depois de 7 iterações a topologia
otimizada tinha =0.0267, mas somente 16 transceptores.
32
Tabela 4.8. Comparação entre topologia original e otimizada.
Topologia Original Topologia Otimizada
NL ∆avg Cost NL ∆avg Cost
22 0.0197 2 2048000 16 .0267 1.4545 2986100
A Figura 4.6 ilustra como a variável Cost varia em função do número de
caminhos ópticos. Percebe-se que minimizando o número de transceptores aumenta e
também Cost. Entretanto, esse aumento não é significativo se comparado com a
economia de transceptores. No final houve uma economia de 6 transceptores.
Figura 4.6. Relação entre variáveis na Cost239.
Para a Rede Brasileira (Figura 4.7) os resultados foram semelhantes. A Tabela
4.9 mostra os resultados para o modelo MILP exato.
Figura 4.7. Rede Brasileira.
33
A coluna “Limite” indica se o tempo de simulação foi limitado ou não. Pode-se
ver que o MILP encontrou o número mínimo de transceptores nessa rede (NL=12).
Entretanto, este não é o resultado ótimo, pois o tempo de simulação foi limitado. Se não
fosse, poderia ser menor que 0.0984.
Tabela 4.9. Resultados com MILP (Brasileira).
Uniforme (20Gbit/s)
∆ NL γ Cost Limite
12 12 .0984 14764200 311463.110 Yes
16 16 .0579 8364200 175514.978 No
18 18 .0517 7318820 9333.949 No
24 24 .0439 5971520 1096.882 No
36 28 .0433 5623280 118.600 No
48 28 .0433 5623280 117.088 No
Aplicando a estratégia heurística para esta rede, os resultados estão listados na
Tabela 4.10. Com ∆=36, a função objetivo encontrada no Passo 1 () foi 0.0433 e o
número de transceptores (NL) foi 28. Depois de 13 iterações a topologia otimizada tinha
=0.716, mas somente 16 transceptores.
Tabela 4.10. Comparação entre topologia original e otimizada.
Topologia Original Topologia Otimizada
NL ∆avg Cost NL ∆avg Cost
28 0.0433 2.33 5623280 16 .0716 1.33 10536100
Finalmente na Fig. 4.8 pode-se ver a relação entre a utilização de espectro (), o
número de transceptores (NL) e o custo (Cost) para a Rede Brasileira para cada iteração
da estratégia heurística.
34
Figura 4.8. Análise na Rede Brasileira.
Na Figura 4.8 percebe-se que e Cost são inversamente proporcionais ao
número de transceptores. Quando o número de caminhos ópticos é reduzido,
consequentemente a distribuição de espectro é restrita a poucos caminhos ópticos.
Então, para atender à demanda da rede, deve haver espectro livre disponível.
4.2.2 Conclusões
Os experimentos computacionais claramente mostram que a formulação linear
aqui apresentada dá boas soluções para maximizar o número remanescentes de
transceptores, fazendo o uso eficiente de recursos (transceptores e espectro). Além
disso, o algoritmo proposto economiza recursos nos nós para possibilitar a
movimentação de uma antiga demanda a uma demanda futura sem interrupção de rede.
35
4.3 Cenário 2: Consideração de Ruído de Emissão
Amplificado (ASE)
Na prática o ruído de emissão espontânea de um amplificador pode tanto ser medido
como estimado. Em [42] é introduzido um exemplo onde o ruído de emissão espontânea
de um amplificador de ganho saturado G pode ser estimado como p(G-1), onde p é o
fator de emissão espontânea associado ao amplificador. Para um span de fibra de
comprimento l, a perda de potência associada é e−αl
, em que α é o coeficiente de
atenuação da fibra. Dessa forma, o ganho saturado para o amplificador é G = eαl
e seu
ruído de emissão espontânea é dado por p(eαl
- 1). Entretanto, na prática, o desempenho
de um amplificador geralmente se torna pobre para um span muito curto (o que resulta
em um ganho saturado muito pequeno para o amplificador).
Uma forma de resolver esse problema é inserir um pequeno span aumentando o
atenuador óptico variável (VOA – Variable Optical Atenuator) na saída do amplificador
antecessor. Com isso, a perda de potência associada a um span de comprimento l torna-
se max(k, eαl
), onde k é a perda de potência mínima para um span. Nesse caso, o ruído
de emissão espontânea de um amplificador com ganho saturado é p(max(k, eαl
) – 1)
pmax(k, eαl
) (desde que em geral k>>1). Assim como em [42], deve ser enfatizado que
os resultados deste trabalho são independentes de qualquer fórmula utilizada para
estimar o ruído de emissão espontânea de um amplificador.
Aqui, será descrita formalmente a formulação matemática do problema. O
principal objetivo é maximizar o número total de conexões sujeitas a um número
máximo fixo de slots por enlace. Além disso, o número máximo de conexões é obtido
considerando restrições físicas ao longo do caminho.
É assumido que o desempenho do sistema é também limitado por dois fatores:
(i) o acúmulo do ruído de emissão espontânea amplificado quando um sinal se propaga
ao longo de um enlace, e (ii) a limiar de potência para cada canal. Primeiramente
introduz-se o seguinte:
A. Notação
i e j denotam nós de origem e final, respectivamente, de um caminho óptico;
m e n denotam pontos finais de um enlace físico na rede.
36
B. Dados
Número de nós numa rede: N;
Elemento da matriz de tráfego: ij , que denota a intensidade de tráfego (número de
slots) do nó fonte i ao nó de destino j;
Topologia Física: dmn, que representa o comprimento das fibras interconectando o
nó m ao nó n;
Capacidade de cada fibra: MS, número máximo de slots por enlace;
Filtro de Banda de Guarda (em Hz): GC, que é a mínima largura espectral entre
bandas (em termos de número de slots);
Um grande número K utilizado para fazer algumas variáveis inteiras;
Emax: limite do ruído de emissão espontânea acumulado;
l: o comprimento do span de fibra entre dois amplificadores;
f(l): o ruído de emissão espontânea produzido por um span de fibra de comprimento
l.
C. Variáveis
Largura de banda do caminho óptico bij: largura de banda de um caminho óptico
elástico do nó i ao nó j;
Roteamento na topologia física
: quantidade de banda que um caminho óptico
do nó i ao nó j utiliza em um enlace de fibra m-n;
Uma variável binária
para indicar quando o caminho óptico do nó i ao nó j
passa pelo link m-n.
é igual a 1 se
; e igual a 0 se
;
f(i,j): o ruído de emissão espontânea acumulado em um caminho óptico do nó i ao
nó j;
Ca: número de conexões suportadas.
D. Formulação
Max Ca (4.3.1)
37
-
m,i,j N (4.3.2)
i,j N (4.3.3)
(4.3.4)
(4.3.5)
(4.3.6)
m,n N (4.3.7)
i,j,m,n N (4.3.8)
i,j N (4.3.9)
i,j N (4.3.10)
i,j N (4.3.11)
Eq.(4.3.1) denota a função objetivo, isto é, a maximização das conexões
suportadas para um número fixo de sub-portadoras por enlace (MS). Eq.(4.3.2)
representa as restrições de conservação de fluxo para as demandas. Eq.(4.3.3) limita a
capacidade de serviço para o número de sub-portadoras demandadas. Eq.(4.3.4) é a
definição de Ca. Eq.(4.3.5) contabiliza o número de sub-portadoras que não são
atendidas. Eq.(4.3.6) denota o número total de sub-portadoras requeridas. Eq.(4.3.7)
denota que a largura de banda utilizada (incluindo a banda de guarda) não deve exceder
a capacidade espectral da fibra (MS). Eq. (4.3.8) representa uma variável que assiste na
contabilização das bandas de guarda, GCs, utilizadas em cada enlace físico. Eq. (4.3.9)
representa o ruído de emissão espontânea acumulado de um caminho óptico do nó i ao
nó j, em que
é o comprimento total coberto por um caminho óptico
ativo i,j na rede. Eq.(4.3.10) dá um limiar de ruído para cada caminho óptico.
Finalmente, Eq.(4.3.11) contabiliza o número de amplificadores utilizados.
38
4.3.1 Resultados Numéricos
Para avaliar a efetividade da otimização proposta foi utilizado o software IBM ILOG
CPLEX v.12.4, em um computador AMD Turion™ X2 Dual-Core 64-bit 2.1GHz, com
3GB de memória, para resolver a formulação ILP proposta. Em seguida é avaliado o
desempenho em uma rede pequena e três redes grandes e os resultados são analisados.
A. Rede Pequena
Inicialmente foi utilizada a 6NET (Figura 4.1) para avaliar o desempenho da formulação
MILP modificada proposta. Assume-se que há um par de fibras bidirecionais em cada
enlace e o Filtro de Banda de Guarda entre bandas é 1 GHz. A demanda de tráfego para
cada par fonte-destino é não-uniforme, como descrito na Tabela 4.11, onde o valor na
linha i e coluna j na tabela corresponde à demanda de tráfego em Gbit/s entre os nós i e
j.
Tabela 4.11. Matriz de tráfego 0 para 6NET.
- 2 2 1 2 1
2 - 0 1 2 2
0 1 - 1 3 0
2 3 3 - 3 1
0 3 0 3 - 2
2 0 2 1 1 -
Para a 6NET foi fixado o limiar de ruído, Emax = 20. O comprimento do span de
fibra entre dois amplificadores, l = 0,1 km, e o comprimento dos enlaces é uniforme, dmn
= 1 km. Pela matriz de tráfego 0, tem-se o número total de subportadoras requisitadas,
= 46. O ruído de emissão espontânea, f(l), é uniforme e igual a 1, independente do
span de fibra entre amplificadores. A Figura 4.9(a) mostra o número de conexões
suportadas em função do número de slots por enlace em dois diferentes cenários:
demanda uniforme (0 = 2 Gbit/s) e não-uniforme (ver Tabela 4.11).
39
(a)
(b)
Figura 4.9.(a). Demanda atendida em função do número de slots na 6NET para diferentes
cenários de demanda;
(b). Demanda atendida em função do limiar de ruído na 6NET para diferentes cenários de
demanda.
40
Percebe-se que o número de conexões suportadas aumenta com o número de
slots por enlace. Fica claro que mais subportadoras são atendidas quando há mais slots
disponíveis. Para atingir um ponto bidimensional ótimo, é preciso ter uma maior
prioridade para max[Ca] e uma média prioridade para min[MS]. Isso ocorre no ponto
(MS=8;Ca=52) na curva de demanda uniforme e no ponto (MS=9;Ca=41) na curva de
demanda não-uniforme. A despeito da formulação aqui apresentada ser mono-objetivo,
através dessa abordagem torna-se possível analisar as variáveis que mantém uma
relação de compromisso com a função objetivo.
Na Figura 4.9(b) pode-se ver o número de conexões suportadas em função do
limiar de ruído em dois diferentes cenários de demanda. Ca cresce com o aumento do
limiar de ruído, pois quanto mais tráfego flui, haverá mais emissão de ruído na rede. De
forma similar ao esquema apresentado acima, para atingir um ponto bidimensional
ótimo, é preciso ter uma prioridade alta para max[Ca] com uma prioridade média para
min[Emax]. Os pontos ótimos são (Emax=30;Ca=60) na curva de demanda uniforme e
(Emax=30;Ca=46) na curva de demanda não-uniforme. É importante dizer que
dependendo das definições de prioridade na otimização, esse esquema pode variar de
acordo com os objetivos do planejamento de rede.
B. Rede Grande
Foram feitas simulações similares para uma rede grande (NSFNET) com 14 nós e 21
enlaces bidirecionais (ver Figura 4.10) utilizando o modelo ILP proposto. Assume-se
que há um par de fibras bidirecionais por enlace e a banda de guarda é 1 GHz.
Figura 4.10. Topologia física da NSFNET.
41
Além disso, o limiar de ruído é Emax = 20. O comprimento do span de fibra entre
dois amplificadores, l = 100 km, e o comprimento dos enlaces é não-uniforme como
ilustrado na Figura 4.10. O ruído de emissão espontânea, f(l), é uniforme e igual a 1. A
demanda de tráfego é não-uniforme para cada par fonte-destino como mostrado na
Tabela 4.12. Da matriz de tráfego 0, tira-se o número total de subportadoras
requisitadas, = 295.
Tabela 4.12. Matriz de Tráfego 0 para NSFNET.
- 1 3 1 2 3 0 2 3 3 1 0 2 0
2 - 3 3 1 1 2 1 2 1 2 3 0 2
2 3 - 0 0 3 1 1 1 0 1 0 2 2
2 1 3 - 0 1 1 3 3 3 2 1 3 0
0 0 3 2 - 0 0 1 2 1 3 3 0 2
2 3 3 3 2 - 3 2 3 2 1 2 2 3
3 1 3 3 2 0 - 0 0 3 0 2 3 1
2 2 3 2 1 3 0 - 3 0 1 2 3 3
1 3 0 1 0 2 3 0 - 3 1 0 2 2
0 3 3 0 1 2 3 3 3 - 3 3 2 3
3 1 2 0 2 3 1 0 0 1 - 0 2 1
2 3 1 0 1 0 1 2 1 1 0 - 3 1
3 1 0 1 3 3 0 1 3 0 0 1 - 2
3 1 3 2 0 3 2 1 1 2 2 1 0 -
As simulações daqui em diante terão como objetivo analisar o comportamento
do tráfego da rede em função da variação de um novo parâmetro: o ruído de emissão
espontânea. Desde que f(l) não varia com o comprimento da fibra neste exemplo, então
pode-se considerar f(l) como uma constante, aqui definida como REE. Sua influência
será resumida a seguir.
42
(a)
(b)
Figura 4.11.(a). Demanda atendida em função do número de slots na NSFNET para diferentes
cenários de ruído;
(b). Demanda atendida em função do limiar de ruído na NSFNET para diferentes cenários de
ruído.
43
Na Figura 4.11(a) percebe-se a relação entre o número de slots por enlace e o
número de conexões suportadas em duas curvas distintas (REE = 1 e REE = 2). Fica
clara a proporcionalidade entre tais variáveis. Quando REE é aumentada Ca diminui
para manter o ruído total no enlace dentro do limite, Emax. Seguindo o esquema multi-
objetivo apresentado, os pontos ótimos são (MS=6;Ca=46), para REE = 1, e
(MS=7;Ca=17), para REE = 2.
Figura 4.11(b) mostra que Ca aumenta com o limiar de ruído. Como explicado
anteriormente, aumentar Emax dá a chance de aumentar o ruído de emissão espontânea
em cada enlace, e então mais conexões devem ser satisfeitas. Novamente, quando REE
aumenta Ca diminui para manter o ruído dentro do limite.
Em soma, também foi realizada a mesma análise para duas outras redes
moderadas, a Cost239 (Figura4.12(a)) e a rede Brasileira (Figura4.12(b)), com 11 e 12
nós, respectivamente. Os mesmos parâmetros de simulação utilizados para a NSFNET
são utilizados para essas redes, exceto o comprimento dos enlaces, e o comprimento das
fibras entre amplificadores.
(a) (b)
Figura 4.12.(a). Topologia física da rede Cost239;
(b). Topologia física da rede Brasileira.
Para a Cost239, l = 20 km, =184 e para a rede Brasileira, l = 10 km, = 212.
O ruído de emissão espontânea, f(l) = REE, novamente varia. Nesta simulação, o
número total de amplificadores, Nas, é incluída para ver sua influência na rede. Os
44
resultados para essas redes podem ser vistos nas Tabelas 4.13 e 4.14, respectivamente.
Para ambas as redes, foi estudado um novo esquema de otimização descrito adiante.
Tabela 4.13. Simulações na Cost239. Tabela 4.14. Simulações na Brasileira.
A Tabela 4.13 mostra a relação entre MS, Ca, Nas e REE para um limiar de
ruído fixo, Emax na rede Cost239. Agora tem-se um problema de otimização tri-
dimensional: (min[MS], max[Ca], min[Nas]). Se Ca tiver alta prioridade na otimização,
e MS e Nas (número total de amplificadores) média prioridade na otimização, os
candidatos a ponto ótimo são (MS=3;Ca=41;Nas=705), (MS=4;Ca=41;Nas=505),
(MS=5;Ca=41;Nas=440), para REE = 1, e (MS=3;Ca=5;Nas=30), para REE = 2.
Na Tabela 4.14 pode-se ver a relação entre Emax, Ca, Nas, e REE para um
número fixo de slots por enlace, MS, na rede Brasileira. Um novo problema de
otimização tri-dimensional surge: (min[Emax], max[Ca], min[Nas]). Se Ca tiver alta
prioridade na otimização, e Emax e Nas tiverem média prioridade, os candidatos a ponto
ótimo são (Emax=20;Ca=63;Nas=2400), (Emax=25;Ca=63;Nas=2000), (Emax
=30;Ca=63;Nas=1700), para REE = 1, e (Emax =0;Ca=0;Nas=0), para REE = 2, o que
significa que o planejamento da rede não é possível neste caso. Uma solução é aumentar
o limiar de ruído, Emax (ver Tabela 4.15).
Emax = 20 REE = 1 REE = 2
MS Ca Nas Ca Nas
1 20 310 2 30
2 33 370 4 30
3 41 705 5 30
4 41 505 5 40
5 41 440 5 40
6 41 1330 5 20
7 41 1360 5 20
8 41 350 5 20
9 41 350 5 20
10 41 330 5 20
11 41 310 5 20
12 41 1305 5 20
13 41 1350 5 20
14 41 960 5 20
15 41 880 5 20
MS = 11 REE = 1 REE = 2
Emax Ca Nas Ca Nas
5 0 0 0 0
10 0 0 0 0
15 0 0 0 0
20 63 2400 0 0
25 63 2000 0 0
30 63 1700 0 0
35 63 2000 0 0
45
Tabela 4.15. Limiar de ruído aumentado na Brasileira.
A Tabela 4.15 mostra a influência do aumento do limiar de ruído para 50. Agora
o planejamento da rede se torna possível e tem-se três candidatos a ponto ótimo, (Emax
=40;Ca=63;Nas=2520), (Emax =45;Ca=63;Nas=1940), (Emax =50;Ca=63;Nas=1920).
Novamente, é importante frisar que o projetista tem a opção de decidir pelo melhor
ponto, entre os candidatos, que satisfaça suas prioridades na otimização para o
planejamento da rede.
4.3.2 Conclusões
Foi apresentada uma formulação ILP mono-objetiva para maximizar o número de
conexões suportadas sob restrições físicas ao longo do caminho, como o ruído de
emissão espontânea, limiar de ruído, capacidade do enlace e número de amplificadores.
Os experimentos computacionais claramente mostraram, a despeito da formulação
apresentada ser mono-objetiva, que é possível analisar a influência das variáveis que
mantém uma relação de compromisso com a função objetivo. Algumas conclusões
foram atingidas: (i) mais sub-portadoras são atendidas quando há mais slots disponíveis;
(ii) aumentando o limiar de ruído dá a chance de aumentar o ruído total em cada enlace,
e então mais conexões podem ser satisfeitas; (iii) quando o ruído de emissão espontânea
é aumentado, o número de conexões cai para manter a OSNR no enlace sob o limite;
(iv) a formulação apresentada consome relativamente pouco tempo para redes
moderadas, o que significa grande vantagem.
Finalmente, cabe ao projetista decidir a importância das variáveis na otimização
para o planejamento da rede. Dessa forma, pode-se concluir que a formulação ILP
apresentada é eficiente e além disso, sob outras circunstâncias, novas variáveis
MS = 11 REE = 2
Emax Ca Nas
5 0 0
10 0 0
15 0 0
20 0 0
25 0 0
30 0 0
35 0 0
40 63 2520
45 63 1940
50 63 1920
46
poderiam ser adicionadas à formulação. Em trabalhos futuros, novas heurísticas
poderiam ser propostas para atingir a otimização em redes ainda maiores com menores
tempos de simulação e comparações poderiam ser feitas entre elas e modelos exatos.
4.4 Cenário 3: Consideração de Modulação Adaptativa
Há algumas referências na literatura sobre redes SLICE que enfatizam a importância de
diferentes formatos de modulação no custo total da rede e sua eficiência espectral [27,
44, 45]. Entretanto, a primeira a avaliar o real impacto dos diferentes formatos de
modulação no planejamento da rede foi [4]. Neste Cenário, a análise feita em [4] será
ampliada para garantir a efetividade do algoritmo aqui utilizado, e depois ser
modificado em uma nova abordagem no Cenário 4.
Enquanto realiza-se o planejamento de uma rede com ênfase na otimização de
recursos, uma rede SLICE com formatos múltiplos de modulação provê uma relação de
compromisso entre o alcance do caminho óptico, o formato de modulação e o número
de slots demandados na rede. Um modelo matemático apropriado para quantificar este
relação de compromisso é apresentado a seguir.
A. Notação
i e j denotam nós de origem e final, respectivamente, de um caminho óptico;
m e n denotam pontos finais de um enlace físico na rede;
z denota o formato de modulação utilizado.
B. Dados
Número de nós numa rede: N;
Elemento da matriz de tráfego: ij , que denota a intensidade de tráfego (número de
slots) do nó fonte i ao nó de destino j;
Topologia Física: dmn, que representa o comprimento das fibras conectando o nó m
ao nó n;
Capacidade de cada fibra: MS, número máximo de slots por enlace;
47
Filtro de Banda de Guarda (em Hz): GC, que é a mínima largura espectral entre
bandas (em termos de número de slots);
Um grande número K utilizado para fazer algumas variáveis inteiras;
E(z)max: limite do ruído de emissão espontânea acumulado em um sinal com formato
de modulação “z”;
l: o comprimento do span de fibra entre dois amplificadores;
f(l): o ruído de emissão espontânea produzido por um span de fibra de comprimento
l;
Ω: largura do slot em Hz;
ɛz: eficiência espectral (bit/s/Hz) para o formato de modulação “z”.
C. Variáveis
Largura de banda do caminho óptico bijz: largura de banda de um caminho óptico
elástico do nó i ao nó j com formato de modulação “z”;
Roteamento na topologia física
: quantidade de banda que um caminho óptico
do nó i ao nó j com formato de modulação “z” utiliza em um enlace de fibra m-n;
Uma variável binária
para indicar quando o caminho óptico do nó i ao nó jcom
formato de modulação “z” passa pelo enlace m-n.
é igual a 1 se
; e
igual a 0 se
;
f(l): o ruído de emissão espontânea produzido por um amplificador para compensar
um span de comprimento l;
Ca: número de conexões suportadas;
f(i,j,z): o ruído de emissão espontânea acumulado para um caminho óptico do nó i
ao nó j com formato de modulação “z”;
Mijz: uma variável binária que indica qual o formato de modulação “z” foi utilizado
no caminho óptico do nó i ao nó j.
D. Formulação
Max Ca (4.4.1)
48
-
m,i,j N (4.4.2)
i,j N (4.4.3)
i,j N (4.4.4)
(4.4.5)
(4.4.6)
m,n N (4.4.7)
i,j,m,n N (4.4.8)
i,j N (4.4.9)
i,j N (4.4.10)
(4.4.11)
Eq.(4.4.1) denota a função objetivo, que é maximizar o número de conexões
suportadas. Eq.(4.4.2) representa as restrições de conservação de fluxo para as
demandas. Eq.(4.4.3) denota o número de slots (com ) com formato de
modulação “z”. Eq.(4.4.4) é a definição de Ca. Eq.(4.4.5) garante que cada caminho
óptico tenha apenas um formato de modulação. Eq.(4.4.6) determina qual formato de
modulação “z” é utilizado no caminho óptico entre os nós i e j. Eq.(4.4.7) denota que a
largura de banda utilizada (incluindo a banda de guarda) não deve exceder a capacidade
espectral da fibra (MS). Eq. (4.4.8) representa uma variável que assiste na
contabilização das bandas de guarda, GCs, utilizadas em cada enlace físico. Eq. (4.4.9)
representa o ruído de emissão espontânea acumulado de um caminho óptico do nó i ao
nó j com formato de modulação “z”, em que
é o comprimento total
coberto por um caminho óptico ativo i,j na rede. Eq.(4.4.10) dá um limiar de ruído para
cada caminho óptico i,j com modulação “z”. Finalmente, Eq.(4.4.11) contabiliza o
número de amplificadores utilizados.
49
4.4.1 Resultados Numéricos
Como nos cenários anteriores foi utilizado o software IBM ILOG CPLEX v.12.4, em
um computador AMD Turion™ X2 Dual-Core 64-bit 2.1GHz, com 3GB de memória,
para resolver a formulação MILP proposta. Em seguida é avaliado o desempenho em
uma rede pequena e em redes moderadas. As simulações foram limitadas a 5 minutos.
A. Rede Pequena
Inicialmente foi utilizada a 6NET (Figura 4.1) para avaliar o desempenho da formulação
MILP proposta. Assume-se que há um par de fibras bidirecionais em cada enlace, o
Filtro de Banda de Guarda entre bandas é 1 slot, o comprimento do span de fibra entre
dois amplificadores é l = 100 km, a distância entre enlaces é dmn =1000 km, e cada slot
de frequência possui 12.5 GHz. O ruído de emissão espontânea, f(l), é uniforme e igual
a 1. A demanda de tráfego para cada par fonte-destino é 100 Gbit/s.
Foram utilizados três formatos de modulação no exemplo (Mod. Fixa 1, Mod.
Fixa 2 e Mod. Fixa 3), com eficiências espectrais ɛ1 = 1, ɛ2 = 2 e ɛ3 = 4 (Gbit/s/Hz), e
com limiar de ruído E(1)max = 40, E(2)max= 30, e E(3)max= 20 (em unidades de ruído),
respectivamente. O número total de subportadoras requisitadas é =3000. A Figura
4.13 mostra a demanda atendida em função do número de slots por enlace em 4
diferentes cenários de modulação: modulação adaptativa, modulação fixa 1, modulação
fixa 2 e modulação fixa 3.
Percebe-se que o cenário com modulação adaptativa obtém resultados melhores
que os de qualquer modulação fixa, ou seja, provê uma maior demanda atendida. Os
resultados são equivalentes aos de [4] validando o algoritmo aqui utilizado para redes
pequenas.
50
Figura 4.13. Demanda atendida em função do número de slots na 6NET para diferentes cenários
de modulação.
B. Rede Grande
Foram feitas simulações similares para uma rede grande (NSFNET) com 14 nós e 21
enlaces bidirecionais (ver Figura 4.14) utilizando o modelo MILP proposto.
Figura 4.14. Topologia física da NSFNET.
Assume-se que há um par de fibras bidirecionais em cada enlace, o Filtro de
Banda de Guarda entre bandas é 1 slot, o comprimento do span de fibra entre dois
amplificadores é l = 100 km, a distância entre enlaces dmn pode ser vista na Figura 4.14,
e cada slot de frequência possui 12.5 GHz. O ruído de emissão espontânea, f(l), é
uniforme e igual a 1. A demanda de tráfego para cada par fonte-destino é não-uniforme
e pode ser vista na Tabela 4.16.
51
Tabela 4.16. Matriz de tráfego (em Gbit/s) para a NSFNET.
- 100 100 100 100 100 100 200 200 200 50 200 100 200
200 - 50 100 200 200 200 100 50 200 200 100 200 50
200 100 - 200 200 50 100 200 200 200 100 50 200 200
100 200 50 - 200 100 200 200 50 100 200 200 200 100
50 200 200 100 - 200 50 200 100 200 200 50 100 200
200 200 100 50 200 - 200 100 200 50 200 100 200 200
50 100 200 200 200 100 - 50 200 200 100 200 50 200
100 200 200 50 100 200 200 - 200 100 50 200 200 100
200 50 200 100 200 200 50 100 - 200 200 200 100 50
200 200 100 200 50 200 100 200 200 - 50 100 200 200
200 100 50 200 200 100 200 50 200 100 - 200 200 50
100 200 200 200 100 50 200 200 100 200 50 - 200 100
200 200 50 100 200 200 200 100 50 200 200 100 - 200
50 200 100 200 200 50 100 200 200 200 100 50 200 -
Foram utilizados três formatos de modulação no exemplo (Mod. Fixa 1, Mod.
Fixa 2 e Mod. Fixa 3), com eficiências espectrais ɛ1 = 1, ɛ2 = 2 e ɛ3 = 4 (Gbit/s/Hz), e
com limiar de ruído E(1)max = 800, E(2)max = 600, e E(3)max = 300 (em unidades de
ruído), respectivamente. O número total de subportadoras requisitadas é =26550. A
Tabela 4.17 mostra a demanda atendida em função do número de slots por enlace em 4
diferentes cenários de modulação: modulação adaptativa, modulação fixa 1, modulação
fixa 2 e modulação fixa 3.
Tabela 4.17.Ca em função de MS para diferentes modulações na NSFNET. MS Ca
(Modadap.) Ca
(Mod. 1) Ca
(Mod. 2) Ca
(Mod. 3)
30 21150 9600 14850 20950
40 24100 9600 18450 24000
50 26050 14050 20450 26050
75 26550 18050 24800 26550
100 26550 20950 26550 26550
300 26550 26550 26550 26550
400 26550 26550 26550 26550
Da mesma forma que para a rede pequena anteriormente analisada, percebe-se
que o cenário com modulação adaptativa obtém resultados melhores que os de qualquer
modulação fixa, ou seja, provê uma maior demanda atendida. Os resultados foram
próximos aos obtidos em [4]. Esse pequeno gap deve-se à diferença entre os ambientes
de simulação daqui e de [4]. Dessa forma a eficiência do algoritmo aqui utilizado para a
NSFNET, nas condições apresentadas, é comprovada.
52
Em soma, também foi realizada a mesma análise para duas outras redes
moderadas, a Cost239 (Figura 4.12(a)) e a rede Brasileira (Figura 4.12(b)). Os mesmos
parâmetros de simulação utilizados para a NSFNET são utilizados para essas redes,
exceto o comprimento dos enlaces (Tabela 4.18 e dmn = 2000km, respectivamente), e a
demanda de tráfego para cada par fonte-destino (Tabela 4.19 e 4.20, respectivamente).
Tabela 4.18. Comprimento dos enlaces na Cost239.
- 1300 700 300 - - 700 - - - -
1300 - 500 - 300 - - 400 - - -
700 500 - 600 200 300 - - - - -
300 - 600 - - - 300 1000 - 600 -
- 300 200 - - 200 - 300 - - 900
- - 300 - 200 - 700 400 300 - -
700 - - 300 - 700 - - 500 300 -
- 400 - 1000 300 400 - - 600 - 800
- - - - - 300 500 600 - 700 300
- - - 600 - - 300 - 700 - 800
- - - - 900 - - 800 300 800 -
Para a rede Cost239 foram utilizados três formatos de modulação, com
eficiências espectrais ɛ1 = 1, ɛ2 = 2 e ɛ3 = 4 (Gbit/s/Hz), e com limiar de ruído E(1)max
= 20, E(2)max = 10, e E(3)max = 5 (em unidades de ruído), respectivamente. O número
total de subportadoras requisitadas é = 20600. A Figura 4.15 mostra a demanda
atendida em função do número de slots por enlace nos diferentes cenários de
modulação.
Tabela 4.19. Matriz de tráfego para a Cost239.
- 100 300 100 200 300 0 200 300 300 100
200 - 300 300 100 100 200 100 200 100 200
200 300 - 100 100 300 100 100 100 100 100
200 100 300 - 100 100 100 300 300 300 200
100 100 300 200 - 100 100 100 200 100 300
200 300 300 300 200 - 300 200 300 200 100
300 100 300 300 200 100 - 100 100 300 100
200 200 300 200 100 300 100 - 300 100 100
100 300 100 100 100 200 300 100 - 300 100
100 300 300 100 100 200 300 300 300 - 300
300 100 200 100 200 300 100 100 100 100 -
53
Figura 4.15. Demanda atendida em função do número de slots na Cost239 para diferentes
cenários de modulação.
Já para a rede Brasileira foram utilizados os ruídos limites E(1)max = 80, E(2)max
= 40, e E(3)max = 20 (em unidades de ruído), respectivamente. O número total de
subportadoras requisitadas é = 24200. A Figura 4.16 mostra a demanda atendida em
função do número de slots por enlace nos diferentes cenários de modulação.
Tabela 4.20. Matriz de tráfego para a Brasileira.
- 100 300 100 200 300 100 200 300 300 100 100
200 - 300 300 100 100 200 100 200 100 200 300
200 300 - 100 100 300 100 100 100 100 100 100
200 100 300 - 100 100 100 300 300 300 200 100
100 100 300 200 - 100 100 100 200 100 300 300
200 300 300 300 200 - 300 200 300 200 100 200
300 100 300 300 200 100 - 100 100 300 100 200
200 200 300 200 100 300 100 - 300 100 100 200
100 300 100 100 100 200 300 100 - 300 100 100
100 300 300 100 100 200 300 300 300 - 300 300
300 100 200 100 200 300 100 100 100 100 - 100
200 300 100 100 100 100 100 200 100 100 100 -
54
Figura 4.16. Demanda atendida em função do número de slots na Brasileira para diferentes
cenários de modulação.
Percebe-se, mais uma vez, que o cenário com modulação adaptativa obtém
resultados melhores em termos de demanda atendida que os de qualquer modulação
fixa, para as redes Cost239 e Brasileira. Dessa forma a eficiência da formulação é
ratificada.
4.4.2 Conclusões
Foi apresentada uma formulação MILP de [4] que além de considerar restrições da
camada física, introduz o conceito de modulação adaptativa para maximizar o número
de subportadoras suportadas em redes ópticas elásticas. As simulações, tanto para a rede
pequena quanto para as redes moderadas, comprovaram a eficiência da formulação e
validaram o algoritmo aqui utilizado. Em trabalhos futuros novas heurísticas para
simulações em redes maiores poderão ser desenvolvidas, além da aplicação em
abordagens diferentes, como a consideração da operação dinâmica da rede.
55
4.5 Cenário 4: Consideração da Potência Consumida
Atualmente algumas referências na literatura enfatizam a importância da eficiência
energética na operacionalidade das redes ópticas elásticas [17,20,21, 46-51]. Entretanto,
nenhuma delas avalia o consumo da rede sujeita à modulação adaptativa e ao ruído de
emissão espontânea simultaneamente. Neste contexto, este Cenário apresenta uma
formulação MILP modificada com modulação adaptativa e consideração de ruído ASE
que minimiza a potência total consumida por alguns componentes da camada física do
modelo OSI em redes SLICE, considerando as chaves ópticas, transponders de banda
variável e amplificadores ópticos, como os elementos de maior influência no consumo
de energia na rede. Para isso foi introduzido um algoritmo de otimização sequencial
chamado de AOS-MILP que otimiza o número de requisições atendidas e a potência
total consumida na rede em passos subsequentes.
A. Notação
i e j denotam nós de origem e final, respectivamente, de um caminho óptico;
m e n denotam pontos finais de um enlace físico na rede;
z denota o formato de modulação utilizado.
B. Dados
Número de nós numa rede: N;
Elemento da matriz de tráfego: ij , que denota a intensidade de tráfego (número de
slots) do nó fonte i ao nó de destino j;
Topologia Física: dmn, que representa o comprimento das fibras interconectando o
nó m ao nó n;
Capacidade de cada fibra: MS, número máximo de slots por enlace;
Filtro de Banda de Guarda (em Hz): GC, que é a mínima largura espectral entre
bandas (em termos de número de slots);
Um grande número K utilizado para fazer algumas variáveis inteiras;
E(z)max: limite do ruído de emissão espontânea acumulado em um sinal com formato
de modulação “z”;
56
l: o comprimento do span de fibra entre dois amplificadores;
f(l): o ruído de emissão espontânea produzido por um span de fibra de comprimento
l;
Ω: largura do slot em Hz;
ɛz: eficiência espectral (bit/s/Hz) para o formato de modulação “z”;
: potência consumida (em W) por um amplificador óptico;
α: grau do OADM/OXC (nº de canais que podem ser inseridos/excluídos).
C. Variáveis
Largura de banda do caminho óptico bijz: largura de banda de um caminho óptico
elástico do nó i ao nó j com formato de modulação “z”;
Roteamento na topologia física
: quantidade de banda que um caminho óptico
do nó i ao nó jcom formato de modulação “z” utiliza em um enlace de fibra m-n;
Uma variável binária
para indicar quando o caminho óptico do nó i ao nó jcom
formato de modulação “z” passa pelo enlace m-n.
é igual a 1 se
; e
igual a 0 se
;
Ca: número de conexões suportadas;
f(i,j,z): o ruído de emissão espontânea acumulado para um caminho óptico do nó i
ao nó j com formato de modulação “z”;
Mijz: uma variável binária que indica qual o formato de modulação “z” foi utilizado
no caminho óptico do nó i ao nó j;
: potência consumida por um OXC;
: potência consumida por um transponder BV;
: grau do nó m (nº de fibras conectadas ao nó m);
: variável binária utilizada para contabilizar o grau do nó;
:taxa de transmissão do transponder que envia o caminho óptico (i,j) com
modulação “z”.
D. Formulação Modificada
57
Min PCtotal (4.5.1)
-
m,i,j N (4.5.2)
i,j (4.5.3)
i,j (4.5.4)
N (4.5.5)
N (4.5.6)
m,n N (4.5.7)
i,j,m,n N (4.5.8)
i,j (4.5.9)
i,j (4.5.10)
(4.5.11)
(4.5.12)
(4.5.13)
(4.5.14)
(4.5.15)
(4.5.16)
(4.5.17)
(4.5.18)
Eq.(4.5.1) denota a função objetivo, que é minimizar a potência total consumida
pelos componentes da camada física. Eq.(4.5.2) representa as restrições de conservação
de fluxo para as demandas. Eq.(4.5.3) denota o número de slots (com ) com
58
formato de modulação “z”. Eq.(4.5.4) é a definição de Ca. Eq.(4.5.5) garante que cada
caminho óptico tenha apenas um formato de modulação. Eq.(4.5.6) determina qual
formato de modulação “z” é utilizado no caminho óptico entre os nós i e j. Eq.(4.5.7)
denota que a largura de banda utilizada (incluindo a banda de guarda) não deve exceder
a capacidade espectral da fibra (MS). Eq. (4.5.8) representa uma variável que assiste na
contabilização das bandas de guarda, GCs, utilizadas em cada enlace físico. Eq. (4.5.9)
representa o ruído de emissão espontânea acumulado de um caminho óptico do nó i ao
nó j com formato de modulação “z”, em que
é o comprimento total
coberto por um caminho óptico ativo i,j na rede. Eq.(4.5.10) dá um limite de ruído para
cada caminho óptico i,j com modulação “z”. A Eq.(4.5.11) é a definição de .
Eq.(4.5.12) define a potência consumida por cada OXC. Eq.(4.5.13) define a potência
consumida por cada transponder BV. Eq.(4.5.14) define a potência consumida por cada
amplificador óptico. Eq.(4.5.15) representa o grau do nó m (número de fibras
conectadas ao nó m). Eq.(4.5.16) denota uma variável binária utilizada para contabilizar
o grau do nó. A Eq.(4.5.17) representa a taxa de transmissão do transponder que envia o
caminho óptico (i,j) com modulação “z”. Por fim a Eq.(4.5.18) denota o número de
amplificadores utilizados.
4.5.1 Resultados Numéricos
As simulações foram feitas em redes de pequena e de grande dimensão, utilizando um
computador de mesma configuração do Cenário anterior. Os valores dos parâmetros de
modulação adaptativa e de restrição de ruído também são os mesmos, com a adição dos
parâmetros de consideração de energia. O algoritmo de simulação utilizado é o seguinte:
AOS-MILP
Passo 1: Rodar MILP tradicional (Cenário 3) para achar o valor da função objetivo
[max Ca] e o valor da variável PCtotal_passo1 para qualquer vetor de valores ;
Passo 2: Com o valor de [max Ca] rodar MILP modificado (Cenário 4) para achar o
valor da nova função objetivo [min PCtotal] para a mesma faixa de valores de ;
Passo 3: Pare e mostre PCtotal_passo1, PCtotal e [PCtotal_passo1- PCtotal].
59
A. Rede Pequena
Para a 6NET (Figura 4.1) o α (grau do OADM/OXC) foi considerado igual a 3 e a
potência consumida por cada amplificador óptico igual a 170 W [71]. A Figura 4.17
mostra a potência total consumida em função do número de slots por enlace em 2
diferentes cenários: com a formulação tradicional desconsiderando a minimização de
potência, e com a formulação modificada. A demanda atendida em função do número
de slots por enlace foi mantida a mesma em ambos os cenários, devido ao AOS-MILP.
As simulações foram limitadas a 5 minutos.
Figura 4.17. Potência total consumida em função do número de slots por enlace na 6NET.
Percebe-se que com esta nova abordagem, a economia de potência na rede chega a ser
da ordem de 25 KW nos pontos onde MS = 17, comprovando a eficiência da formulação
MILP modificada proposta para redes pequenas.
B. Rede Grande
Para a NSFNET (Figura 4.14) o α (grau do OADM/OXC) também foi considerado igual
a 3 e a potência consumida por cada amplificador óptico igual a 170 W. A Figura 4.18
60
mostra a potência total consumida em função do número de slots por enlace nos 2
diferentes cenários já citados. As simulações foram limitadas a 5 minutos.
Figura 4.18. Potência total consumida em função do número de slots por enlace na NSFNET.
Percebe-se agora que a economia de potência é ainda maior devido à maior
quantidade de conexões da rede, chegando a ser da ordem de 2 MW nos pontos onde
MS = 100. Isso comprova a eficiência da formulação MILP modificada proposta para a
rede NSFNET.
Em soma, sob parâmetros equivalentes, para as redes Cost239 e Brasileira
(Figura 4.12(a) e Figura 4.12(b), respectivamente) a potência total consumida em
função do número de slots por enlace nos 2 diferentes cenários é mostrada nas Figuras
4.19 e 4.20, respectivamente. Percebe-se uma economia máxima da ordem de 70 KW
para a Cost239 e de 0,6 MW para a Brasileira, ratificando a eficiência da formulação
proposta para redes moderadas.
61
Figura 4.19. Potência total consumida em função do número de slots por enlace na Cost239.
Figura 4.20. Potência total consumida em função do número de slots por enlace na Brasileira.
62
4.5.2 Conclusões
Nesta seção foi apresentada uma formulação modificada e um algoritmo sequencial cujo
objetivo é minimizar a potência total consumida em uma rede óptica elástica sob
modulação adaptativa e restrições da camada física. As simulações comprovaram a
eficiência do modelo MILP proposto em redes pequenas e moderadas. A potência total
consumida foi reduzida devido ao melhor ajuste das modulações (modulação
adaptativa) e à redução do número de amplificadores da rede proporcionadas pela
formulação modificada. Para redes maiores novas heurísticas podem ser desenvolvidas
baseadas nesta abordagem.
63
5 Conclusões e sugestões para trabalhos futuros
Ao longo desta dissertação utilizou-se a modelagem matemática para representar o
fluxo de tráfego nas redes ópticas elásticas apresentadas, e suas restrições. Os principais
objetivos traçados, desde o início e durante o desenvolvimento da dissertação foram
alcançados. O objetivo principal consistiu no desenvolvimento de modificações em
modelos matemáticos e heurísticas para otimização de diferentes recursos em redes
ópticas elásticas. As conclusões do trabalho são resumidas por capítulo, como se segue.
No Capítulo 2 foi realizada uma revisão bibliográfica sobre os principais
componentes da camada física das redes SLICE. Tema este de essencial importância
para o entendimento do desenvolvimento deste trabalho.
O Capítulo 3 apresenta os conceitos fundamentais da técnica de modulação O-
OFDM, abordando os princípios básicos das redes ópticas elásticas e apresentando a
teoria da modulação adaptativa.
O Capítulo 4 apresenta a caracterização dos modelos matemáticos, suas
simulações e análise de resultados. Na Seção 4.2, os experimentos computacionais
claramente mostraram que as formulações apresentadas dão boas soluções para
maximizar o número remanescentes de transceptores, fazendo o uso eficiente de
recursos (transceptores e espectro). Na Seção 4.3 foi apresentada uma formulação ILP
para minimizar o número de conexões suportadas sob restrições físicas ao longo do
caminho. Concluiu-se que: mais sub-portadoras são atendidas quando há mais slots
disponíveis; aumentando o limiar de ruído dá a chance de aumentar o ruído total em
cada enlace, e então mais conexões podem ser satisfeitas; quando o ruído de emissão
espontânea é aumentado, o número de conexões cai para manter a OSNR no enlace sob
o limite; e a formulação apresentada consome relativamente pouco tempo para redes
moderadas, o que significa grande vantagem. Na Seção 4.4 foi apresentada e analisada
de forma ampliada uma formulação MILP de [4] que além de considerar restrições da
camada física, introduz o conceito de modulação adaptativa para maximizar o número
de subportadoras suportadas em redes ópticas elásticas. As simulações, tanto para a rede
pequena quanto para a rede moderada, comprovaram a eficiência da formulação e
ratificaram a validade do algoritmo aqui utilizado. Na Seção 4.5 foi introduzida uma
formulação modificada e um algoritmo sequencial que minimizam a potência total
consumida em uma rede óptica elástica, abordando o conceito de redes ópticas elásticas
64
verdes. As simulações comprovaram a eficiência do modelo MILP proposto em redes
pequenas e moderadas. Como já citado, a potência total consumida foi reduzida devido
ao melhor ajuste das modulações (modulação adaptativa) e à redução do número de
amplificadores da rede proporcionadas pela formulação modificada.
Por fim, cabe ao projetista decidir a importância das variáveis na otimização
para o planejamento da rede. Dessa forma, pode-se concluir que as formulações aqui
apresentadas são eficientes e, sob outras circunstâncias, novas variáveis poderiam ser
adicionadas a elas. Em trabalhos futuros, novas heurísticas ou heurísticas híbridas
poderiam ser propostas para atingir a otimização em redes ainda maiores com menores
tempos de simulação e comparações poderiam ser feitas entre elas e modelos exatos. As
simulações poderiam também ser realizadas com abordagens diferentes, como a
consideração da operação dinâmica da rede (RSA dinâmico) [53-56], e dos conceitos de
fragmentação [57-59], desfragmentação [60-62], e proteção/sobrevivência [63-65].
65
Referências
[1] M. Jinno, H. Takara, B. Kozicki, Y. Tsukishima, Y. Sone, S. Matsuoka, “Spectrum-
Efficient and Scalable Elastic Optical Path Network: Architecture, Benefits, and
Enabling Technologies,” IEEE Comm. Mag., vol.47, pp. 66-73, 2009.
[2] S. Talebi, E. Bampis, G. Lucarelli, I. Katib, G. N. Rouskas, “The Spectrum
Assigment (SA) Problem in Optical Networks: A Multiprocessor Scheduling
Perspective,” IEEE/OSA Journal of Optical Comm. and Net., vol.6, pp. 754 - 763,
2014.
[3] K.D.R Assis, I. Queiroz, R.C. Almeida Jr., H. Waldman, “MILP Formulation for
Resource Optimization in Spectrum-Sliced Elastic Optical Path Networks,” Proc.
IMOC, pp. 1-4, 2013.
[4] K.D.R Assis, R.C. Almeida Jr., A.V.T. Cartaxo, A. F. dos Santos, H. Waldman,
“Flexgrid Optical Networks Design under Multiple Modulation Formats,” Proc. ITS,
pp. 1-5, 2014
[5] A. Kumar, A. Sharma, V.K. Sharma, “Optical amplifier: A key element of high
speed optical network,” Proc. ICICT, pp. 450-452, 2014.
[6] B. W. Kang, C. H. Kim, “Performance Evaluation of Bidirectional Optical
Amplifiers for Amplified Passive,” Journal of the Optical Society of Korea, vol.15, pp.
4-8, 2011.
[7] Cisco, “Cisco Network Convergence System 2000 ROADM and Amplifier Line
Cards Data Sheet,” 2013.
[8] F. Alishahi, A. Vedadi, M. A. Soto, A. Denisov, K. Mehrany, L. Thévenaz e C. S.
Brès, “Distributed Measurement of Signal Power Evolution in a Phase Sensitive
Parametric Amplifier,” Proc. OFC/NFOEC, pp. Th1H-4, 2014.
[9] A. F. Santos, C. C. Santos, G. M. Durães e K. D. R. Assis, “Roteamento e Alocação
de Espectro em Redes Ópticas: O Conceito SLICE,” Proc. SBrT, 2012.
66
[10] G. Zhang, M. De Leenheer, A. Morea, B. Mukherjee, “A Survey on OFDM-Based
Elastic Core Optical Networking,” IEEE Comm. Surveys & Tutorials, vol.15, pp. 65-
87, 2013.
[11] O. Gerstel, M. Jinno, A. Lord, S.J.B. Yoo, “Elastic Optical Networking: A New
Dawn for the Optical Layer,” IEEE Comm. Mag., vol.50, pp. s12-s20, 2012.
[12] G. Shen, M. Zukerman, “Spectrum-efficient and agile CO-OFDM optical transport
networks: architecture, design, and operation,” IEEE Comm. Mag., vol.50, pp. 82-89,
2012.
[13] R. Ryf, S. Yikai, L. Moller, S. Chandrasekhar, L. Xiang; D. T. Neilson, C. R.
Giles, “Wavelength Blocking Filter with Flexible Data Rates and Channel Spacing,”
Journal of Lightwave Technology, vol.23, pp. 54-61, 2005.
[14] G. Baxter, S. Frisken, D. Abakoumov, H. Zhou, I. Clarke, A. Bartos, S. Poole,
“Highly Programmable Wavelength Selective Switch Based on Liquid Crystal on
Silicon Switching Elements,” Proc. OFC/NFOEC, pp. OTuF2, 2006.
[15] S. Gringeri, B. Basch, V. Shukla, R. Egorov, T. J. Xia, “Flexible Architectures for
Optical Transport Nodes and Networks,” IEEE Comm. Mag., vol.48, pp. 40-50, 2010.
[16] K. Christodoulopoulos, I. Tomkos, E. A. Varvarigos, “Elastic Bandwidth
Allocation in Flexible OFDM based Optical Networks,” Journal of Lightwave
Technology, vol.29, pp. 1354-1366, 2011.
[17] J. L. Vizcaíno, Y. Ye, I. T. Monroy, “Energy efficiency analysis for flexible-grid
OFDM-based optical networks,” Computer Networks, vol. 56, pp. 2400-2419, 2012.
[18] B. Kozicki, H. Takara, T. Yoshimatsu, K. Yonenaga, and M. Jinno, “Filtering
Characteristics of Highly-Spectrum Efficient Spectrum-Sliced Elastic Optical Path
(SLICE) Network,” Proc. OFC/NFOEC, pp. JWA43, 2009.
[19] K. Christodoulopoulos, I. Tomkos, E. A. Varvarigos, “Routing and Spectrum
Allocation in OFDM-based Optical Networks with Elastic Bandwidth Allocation,”
Proc. GlobeCom, pp. 1-6, 2010.
67
[20] T. E. H. El-Gorashi, X. Dong, J. M. H. Elmirghani, “Green optical orthogonal
frequency-division multiplexing networks,” IET Optoelectronics, vol.8, pp. 137-148,
2014.
[21] B. Wang, P. Ho, C. Lin, “A Novel Energy-Efficient Transmission Scheme in CO-
OFDM Elastic Optical Networks,” Journal of Lightwave Technology, vol.32, pp. 3380-
3388, 2014
[22] Y. Wei, G. Shen, S. You, “Span Restoration for CO-OFDM-based Elastic Optical
Networks under Spectrum Conversion,” Proc. Comm. and Photonics Conference
(ACP), pp. AF3E-7, 2012.
[23] M. Klinkowski, M. Ruiz, L. Velasco, D. Careglio, V. Lopez, J. Comellas “Elastic
Spectrum Allocation for Time-Varying Traffic in FlexGrid Optical Networks,” IEEE
Journal on Selected Areas in Comm., vol. 31, pp. 26-38, 2013.
[24] A. F. Santos, G. S. C. Júnior, R. H. C. Maniçoba, K.D.R. Assis, R.C. Almeida Jr,
“SimRSA: An Education Tool for Network Planning in Spectrum-Sliced Elastic Optical
Path Networks,” Proc. ICTON, pp. 1-4, 2014.
[25] X. Chen, A. Jukan, A. Gumaste, “Optimized Parallel Transmission in Elastic
Optical Networks to Support High-Speed Ethernet,” Journal of Lightwave Technology,
vol.32, pp. 228-238, 2014.
[26] A. Horota, G. Figueiredo, N. da Fonseca, “Routing and Spectrum Assignment
Algorithm with Fragmentation Minimization in Elastic Optical Networks,” Proc. SBRC,
pp. 436-442, 2014.
[27] T. Takagi, H. Hasegawa, K. Sato, Y. Sone, B. Kozicki, A. Hirano, M. Jinno,
“Dynamic Routing and Frequency Slot Assignment for Elastic Optical Path Networks
that Adopt Distance Adaptive Modulation,” Proc. OFC/NFOEC, pp. OTuI7, 2011.
[28] M. Jinno, B. Kozicki, H. Takara, A. Watanabe, Y. Sone, T. Tanaka, A. Hirano,
“Distance-Adaptive Spectrum Resource Allocation in Spectrum-Sliced Elastic Optical
Path Network,” IEEE Comm. Mag., vol.48, pp. 138-145, 2010.
68
[29] H. Takara, B. Kozicki, Y. Sone, T. Tanaka, A. Watanabe, A. Hirano, K. Yonenaga,
M. Jinno, “Distance-Adaptive Super-Wavelength Routing in Elastic Optical Path
Network (SLICE) with Optical OFDM,” Proc. ECOC, pp. We.8, 2010.
[30] T. Takagi, H. Hasegawa, K. Sato, T. Tanaka, B, Kozicki, Y. Sone, M. Jinno,
“Algorithm for Maximizing Spectrum Efficiency in Elastic Optical Path Networks that
Adapt Distance Adaptive Modulation,” Proc. ECOC, pp. We.8.D.5, 2010.
[31] B. Kozicki, H. Takara, Y. Sone, A. Watanabe, M. Jinno, “Distance-Adaptive
Spectrum Allocation in Elastic Optical Path Network (SLICE) with Bit per Symbol
Adjustment,” Proc. OFC/NFOEC, pp. OMU3, 2010.
[32] A. Pagès, J. Perelló, S. Spadaro, J. Comellas, “Optimal Route, Spectrum, and
Modulation Level Assignment in Split-Spectrum-Enabled Dynamic Elastic Optical
Networks,” Journal Opt. Comm. Netw., vol. 6, pp. 114-126, 2014.
[33] G. Gao, J. Zhang, L. Wang, W. Gu, Y. Ji, “Influence of Physical Layer
Configuration on Performance of Elastic Optical OFDM Networks,” IEEE Comm.
Letters, vol. 18, pp. 672-675, 2014.
[34] S. J. Savory, “Congestion Aware Routing in Nonlinear Elastic Optical Networks,”
IEEE Phot. Tech. Letters, vol. 26, pp. 1057-1060, 2014.
[35] G. Zhang, M. De Leenheer, A. Morea, B. Mukherjee, “A Survey on OFDM-Based
Elastic Core Optical Networking,” IEEE Comm. Surveys & Tutorials, vol. 15, pp. 65-
87, 2013.
[36] A. Gumaste, N. Ghani, “Reach Optimized Architecture for Multi-rate Transport
System (ROAMTS): One Size Does Not Fit All,” Proc. OFC/NFOEC, pp. OMQ3,
2010.
[37] K. Christodoulopoulos, I. Tomkos, E. Varvarigos, “Spectrally/Bitrate Flexible
Optical Network Planning,” Proc. ECOC, pp. We.8.D.3, 2010.
[38] A. Klekamp, F. Buchali, R. Dischler, F. Ilchmann, “Comparison of DWDM
Network Topologies with Bit-Rate Adaptive Optical OFDM regarding Restoration,”
Proc. ECOC, pp. P5.05, 2010.
69
[39] Y. Zhang, X. Zheng, Q. Li, N. Hua, Y. Li, H. Zhang, “Traffic Grooming in
Spectrum-Elastic Optical Path Networks,” Proc. OFC/NFOEC, pp. OTuI1, 2011.
[40] I. M. Queiroz, K. D. R. Assis, “Redes Ópticas Elásticas: Planejamento e
Otimização”, Proc. CSBC, 2012.
[41] “IBM ILOG CPLEX: high-performance mathematical programming engine,”
http://www.ibm.com/, 2011.
[42] Y. Tao, J.Q. Hu, “Optimal Amplifier Placement for Optical Networks,” Technical
report, Department of Manufacturing Engineering, Boston University, Brookline, 2003.
[43] Yang, Song, F. Kuipers. “Impairment-aware routing in translucent spectrum-sliced
elastic optical path networks,” Proc. NOC, pp. 1-6, 2012.
[44] E. Palkopoulou, M. Angelou, D. Klonidis, K. Christodoulopoulos, A. Klekamp, F.
Buchali, E. Varvarigos, I. Tomkos, “Quantifying spectrum, cost, and energy efficiency
in fixed-grid and flex-grid networks [Invited],” IEEE/OSA Journal of Opt. Comm. and
Netw., vol. 4, pp. B42-B51, 2012.
[45] A. Nag, M. Tornatore, B. Mukherjee, “Optical Network Design With Mixed Line
Rates and Multiple Modulation Formats,” Journal of Lightwave Technology, vol. 28,
pp. 466-475 , 2010.
[46] J. López, et al. “Differentiated quality of protection to improve energy efficiency of
survivable optical transport networks,” Proc. OFC, pp. OM3A-1, 2013.
[47] J. Zhang, et al. “Energy efficiency of IP-over-elastic optical networks with
sliceable optical transponder,” Proc. OFC, pp. W3A-4, 2014.
[48] A. Fallahpour, et al. “Energy Efficient Routing and Spectrum Assignment With
Regenerator Placement in Elastic Optical Networks,” Journal of Lightwave Technology,
vol.32, pp. 2019-2027, 2014.
[49] Y. Wu, et al. “Green Grooming in Elastic Optical Networks,” Proc. OFC, pp.
W3A-3, 2014.
70
[50] A. Rasmussen, et al. “Improved Energy Efficiency for Optical Transport Networks
by Elastic Forward Error Correction,” J. of Opt. Comm. and Netw., vol. 6, pp. 397-407,
2014.
[51] B. Chen, et al. “Energy and Spectrum Efficiency with Multi-Flow Transponders
and Elastic Regenerators in Survivable Flexible Bandwidth Virtual Optical Networks,”
Proc. OFC, pp. W2A-27, 2014.
[52] X. Dong, T. E. H. El-Gorashi, J. M. H. Elmirghani, “Energy efficiency of optical
OFDM-based networks,” Proc. IEEE ICC, pp. 4131-4136, 2013.
[53] K. Kuang, et al. “Dynamic routing and spectrum allocation in elastic optical
networks with mixed line rates,” J. of Opt. Comm. and Netw., vol. 6, pp. 1115-1127,
2014.
[54] K. Walkowiak, A. Kasprzak, M. Klinkowski, “Dynamic routing of anycast and
unicast traffic in Elastic Optical Networks,” Proc. IEEE ICC, pp. 3313-3318, 2014.
[55] S. Sunny, et al. “Spectrum Allocation for Time-varying Traffic in Elastic Optical
Networks using Traffic Pattern,” Proc. OFC, pp. W2A-58, 2014.
[56] F. Ji, et al. “Dynamic p-Cycle protection in spectrum-sliced elastic optical
networks,” Journal of Lightwave Technology, vol.32, pp. 1190-1199, 2014.
[57] P. S. Khodashenas, et al. “Using Spectrum Fragmentation to Better Allocate Time-
Varying Connections in Elastic Optical Networks,” J. of Opt. Comm. and Netw., vol.6,
pp. 433-440, 2014.
[58] A. Pagès, et al. “Optimal Route, Spectrum, and Modulation Level Assignment in
Split-Spectrum-Enabled Dynamic Elastic Optical Networks,” J. of Opt. Comm. and
Netw., vol.6, pp. 114-126, 2014.
[59] A. Horota, G. B. Figueiredo, N. L. S. da Fonseca, “Routing and Spectrum
Assignment Algorithm with Fragmentation Minimization in Elastic Optical Networks,”
Proc. IEEE SBRC, pp. 436-442, 2014.
[60] G. Wu, Y. Yang. “A Novel Adaptive Spectrum Defragmentation Algorithm for
Elastic Optical Path Networks,” (CASE-13). Atlantis Press, 2013.
71
[61] M. Zhang, et al. “Dynamic and Adaptive Bandwidth Defragmentation in Spectrum-
Sliced Elastic Optical Networks With Time-Varying Traffic,” Journal of Lightwave
Technology, vol.32, pp. 1014-1023, 2014.
[62] J. Luo, et al. “Partial defragmentation in elastic optical networks,” Proc. IEEE
ICTON, pp. 1-4, 2014.
[63] Y. Wei, G. Shen, S. K. Bose, “Span-Restorable Elastic Optical Networks Under
Different Spectrum Conversion Capabilities,” IEEE Transactions on Reliability, vol.63,
pp. 401-411, 2014.
[64] G. Shen, Y. Wei, S. K. Bose, “Optimal Design for Shared Backup Path Protected
Elastic Optical Networks Under Single-Link Failure,” J. of Opt. Comm. and Netw.,
vol.6, pp. 649-659, 2014.
[65] R. Goscien, W. Krzysztof, M. Klinkowski, “Joint anycast and unicast routing and
spectrum allocation with dedicated path protection in Elastic Optical Networks,” Proc.
IEEE DRCN, pp. 1-8, 2014.
[67] X. Chen, et al. “Optimized hierarchical OXC architecture for elastic optical
network,” Proc. OECC/ACOFT, pp. 428-430, 2014.
[68] N. Sambo, et al. “Transponder architecture supporting multi-wavelength source,”
Proc. IEEE ONDM, pp. 156-161, 2014.
[69] M. Furdek, et al. “Efficient optical amplification in self-healing synthetic
ROADMs,” Proc. IEEE ONDM, pp.150-155, 2014.
[70] P. Zhu, et al. “Optical Comb-enabled Cost-effective ROADM Scheme for Elastic
Optical Networks,” Proc. OFC, pp. W3B-5, 2014.
[71] J. L. Vizcaino, et al. “On the energy efficiency of survivable optical transport
networks with flexible-grid,” Proc. ECEOC, pp. P5.05, 2012.
72
Publicações associadas
K.D.R Assis, I. Queiroz, R.C. Almeida Jr., H. Waldman, “MILP Formulation for
Resource Optimization in Spectrum-Sliced Elastic Optical Path Networks”, Proc.
IMOC, Rio de Janeiro, Brazil, pp. 1-4, 2013.
Outras Publicações
I. M. Queiroz, K. D. R. Assis, “Redes Ópticas Elásticas: Planejamento e Otimização”,
Proc. CSBC, Curitiba, Brazil, 2012.
73
Apêndice A: Algoritmo do Cenário 3
#option cplex_options 'timing 1';
option cplex_options 'timelimit = 300';
set NODES;
set EDGES within {NODES cross NODES};
set LIGHTPATHS within {NODES cross NODES};
set LIGHTPATHSxEDGES := LIGHTPATHS cross EDGES;
set MOD;
set LIGHTPATHSxMOD := LIGHTPATHS cross MOD;
set LIGHTPATHSxEDGESxMOD := LIGHTPATHSxEDGES cross MOD;
param GC:=1;
param D{(m,n) in EDGES};
param K:=1000;
param DEMAND{(i,j) in LIGHTPATHS};
param l:=100; #l_amp
param Namax{z in MOD}; #ruido
#param Namin:=20;
param MS:=23;
param Cr:= sum{(i,j) in LIGHTPATHS}DEMAND[i,j];
param REE:=1;
param epslon{z in MOD};
param sigma:=12.5;
param PC_amp:=170;
param alfa:=3;
var PFLOW{(i,j,m,n,z) in LIGHTPATHSxEDGESxMOD}>=0;
var A{(i,j,m,n,z) in LIGHTPATHSxEDGESxMOD}binary;
var b{(i,j,z) in LIGHTPATHSxMOD} integer;
var Na{(i,j,z) in LIGHTPATHSxMOD} integer >=0;
var Nas = sum{(i,j,z) in LIGHTPATHSxMOD}Na[i,j,z]/REE;
var M{(i,j,z) in LIGHTPATHSxMOD} binary;
var PC_oxc{m in NODES};
var PC_ofdm{(i,j,z) in LIGHTPATHSxMOD};
var N{m in NODES} integer >=0;
var Gf{(m,n) in EDGES} binary;
var TR{(i,j,z) in LIGHTPATHSxMOD};
var PCtotal;
var Mod{z in MOD};
maximize Ca:
sum{z in MOD,(i,j,z) in LIGHTPATHSxMOD}b[i,j,z]*epslon[z]*sigma;
subject to REST1{m in NODES, (i,j,z) in LIGHTPATHSxMOD}:
sum{n in NODES:(i,j,m,n,z) in LIGHTPATHSxEDGESxMOD}PFLOW[i,j,m,n,z]
-sum{n in NODES:(i,j,m,n,z) in LIGHTPATHSxEDGESxMOD}PFLOW[i,j,n,m,z]
=(if m=i then b[i,j,z]
74
else if m=j then -b[i,j,z]
else 0);
subject to REST2{(m,n) in EDGES}:
sum{(i,j,z) in LIGHTPATHSxMOD}(PFLOW[i,j,m,n,z]+GC*A[i,j,m,n,z])-GC <=
MS;
subject to REST3{(i,j,m,n,z) in LIGHTPATHSxEDGESxMOD}:
A[i,j,m,n,z] >= PFLOW[i,j,m,n,z]/K;
subject to REST4{(i,j) in LIGHTPATHS, z in MOD:(i,j,z) in LIGHTPATHSxMOD}:
b[i,j,z] = M[i,j,z]*DEMAND[i,j]/(epslon[z]*sigma);
subject to REST5{(i,j,z) in LIGHTPATHSxMOD}:
sum{(m,n) in EDGES:(i,j,m,n,z) in LIGHTPATHSxEDGESxMOD}
((A[i,j,m,n,z]*D[m,n])/l)*REE=Na[i,j,z];
subject to REST6{z in MOD,(i,j,z) in LIGHTPATHSxMOD}:
Na[i,j,z]<=Namax[z];
subject to REST7{(i,j,z) in LIGHTPATHSxMOD}:
M[i,j,z] >= b[i,j,z]/K;
subject to REST8{(i,j) in LIGHTPATHS}:
sum{z in MOD}M[i,j,z] <= 1;
subject to REST9{m in NODES}:
PC_oxc[m] = N[m]*85 + alfa*100 + 150;
subject to REST10{(m,n) in EDGES}:
Gf[m,n] = (if D[m,n]>0 then 1
else 0);
subject to REST11{m in NODES}:
N[m] = sum{n in NODES:(m,n) in EDGES}Gf[m,n];
subject to REST12{z in MOD, (i,j,z) in LIGHTPATHSxMOD}:
PC_ofdm[i,j,z] = 1.683*M[i,j,z]*epslon[z]*sigma + 91.333;
subject to REST13{z in MOD, (i,j,z) in LIGHTPATHSxMOD}:
TR[i,j,z] = M[i,j,z]*epslon[z]*sigma;
subject to REST14:
PCtotal = (sum{m in NODES}(PC_oxc[m])) + (sum{(i,j) in LIGHTPATHS}sum{z in
MOD}(PC_ofdm[i,j,z])) + Nas*PC_amp;
subject to REST15{z in MOD}:
Mod[z]=sum{(i,j) in LIGHTPATHS}M[i,j,z];
data;
75
set MOD:= 1 2 3;
set NODES := 1 2 3 4 5 6;
set EDGES:
1 2 3 4 5 6:=
1 - + - - - +
2 + - + - + -
3 - + - + - -
4 - - + - + -
5 - + - + - +
6 + - - - + -;
set LIGHTPATHS:
1 2 3 4 5 6:=
1 - + + + + +
2 + - + + + +
3 + + - + + +
4 + + + - + +
5 + + + + - +
6 + + + + + -;
param DEMAND[*,*]:
1 2 3 4 5 6:=
1 . 100 100 100 100 100
2 100 . 100 100 100 100
3 100 100 . 100 100 100
4 100 100 100 . 100 100
5 100 100 100 100 . 100
6 100 100 100 100 100 . ;
param D[*,*]:
1 2 3 4 5 6:=
1 . 1000 . . . 1000
2 1000 . 1000 . 1000 .
3 . 1000 . 1000 . .
4 . . 1000 . 1000 .
5 . 1000 . 1000 . 1000
6 1000 . . . 1000 .;
param epslon[*]:= 1 4
2 4
3 4;
param Namax[*]:= 1 20
2 20
3 20;
76
solve;
display Ca;
display Cr;
display Nas;
display PCtotal;
display Mod;
77
Apêndice B: Algoritmo do Cenário 4
#option cplex_options 'timing 1';
option cplex_options 'timelimit = 300';
set NODES;
set EDGES within {NODES cross NODES};
set LIGHTPATHS within {NODES cross NODES};
set LIGHTPATHSxEDGES := LIGHTPATHS cross EDGES;
set MOD;
set LIGHTPATHSxMOD := LIGHTPATHS cross MOD;
set LIGHTPATHSxEDGESxMOD := LIGHTPATHSxEDGES cross MOD;
param GC:=1;
param D{(m,n) in EDGES};
param K:=100000;
param DEMAND{(i,j) in LIGHTPATHS};
param l:=100; #l_amp
param Namax{z in MOD}; #ruido
param MS:=23;
param Cr:= sum{(i,j) in LIGHTPATHS}DEMAND[i,j];
param REE:=1;
param epslon{z in MOD};
param sigma:=12.5;
param PC_amp:=170;
param alfa:=3;
param Ca:= 2600;
var PFLOW{(i,j,m,n,z) in LIGHTPATHSxEDGESxMOD}>=0;
var A{(i,j,m,n,z) in LIGHTPATHSxEDGESxMOD}binary;
var b{(i,j,z) in LIGHTPATHSxMOD} integer;
var Na{(i,j,z) in LIGHTPATHSxMOD} integer >=0;
var Nas = sum{(i,j,z) in LIGHTPATHSxMOD}Na[i,j,z]/REE;
var M{(i,j,z) in LIGHTPATHSxMOD} binary;
var PC_oxc{m in NODES};
var PC_ofdm{(i,j,z) in LIGHTPATHSxMOD};
var N{m in NODES} integer >=0;
var Gf{(m,n) in EDGES} binary;
var TR{(i,j,z) in LIGHTPATHSxMOD};
var Mod{z in MOD};
minimize PCtotal:
(sum{m in NODES}(PC_oxc[m])) + (sum{(i,j) in LIGHTPATHS}sum{z in
MOD}(PC_ofdm[i,j,z])) + Nas*PC_amp;
subject to REST1{m in NODES, (i,j,z) in LIGHTPATHSxMOD}:
sum{n in NODES:(i,j,m,n,z) in LIGHTPATHSxEDGESxMOD}PFLOW[i,j,m,n,z]
-sum{n in NODES:(i,j,m,n,z) in LIGHTPATHSxEDGESxMOD}PFLOW[i,j,n,m,z]
78
=(if m=i then b[i,j,z]
else if m=j then -b[i,j,z]
else 0);
subject to REST2{(m,n) in EDGES}:
sum{(i,j,z) in LIGHTPATHSxMOD}(PFLOW[i,j,m,n,z]+GC*A[i,j,m,n,z])-GC <=
MS;
subject to REST3{(i,j,m,n,z) in LIGHTPATHSxEDGESxMOD}:
A[i,j,m,n,z] >= PFLOW[i,j,m,n,z]/K;
subject to REST4{(i,j) in LIGHTPATHS, z in MOD:(i,j,z) in LIGHTPATHSxMOD}:
b[i,j,z] = M[i,j,z]*DEMAND[i,j]/(epslon[z]*sigma);
subject to REST5{(i,j,z) in LIGHTPATHSxMOD}:
sum{(m,n) in EDGES:(i,j,m,n,z) in LIGHTPATHSxEDGESxMOD}
((A[i,j,m,n,z]*D[m,n])/l)*REE=Na[i,j,z];
subject to REST6{z in MOD,(i,j,z) in LIGHTPATHSxMOD}:
Na[i,j,z]<=Namax[z];
subject to REST7{(i,j,z) in LIGHTPATHSxMOD}:
M[i,j,z] >= b[i,j,z]/K;
subject to REST8{(i,j) in LIGHTPATHS}:
sum{z in MOD}M[i,j,z] <= 1;
subject to REST9{m in NODES}:
PC_oxc[m] = N[m]*85 + alfa*100 + 150;
subject to REST10{(m,n) in EDGES}:
Gf[m,n] = (if D[m,n]>0 then 1
else 0);
subject to REST11{m in NODES}:
N[m] = sum{n in NODES:(m,n) in EDGES}Gf[m,n];
subject to REST12{z in MOD, (i,j,z) in LIGHTPATHSxMOD}:
PC_ofdm[i,j,z] = 1.683*TR[i,j,z] + 91.333;
subject to REST13{z in MOD, (i,j,z) in LIGHTPATHSxMOD}:
TR[i,j,z] = M[i,j,z]*epslon[z]*sigma;
subject to REST14:
Ca = sum{z in MOD,(i,j,z) in LIGHTPATHSxMOD}b[i,j,z]*epslon[z]*sigma;
subject to REST15{z in MOD}:
Mod[z]=sum{(i,j) in LIGHTPATHS}M[i,j,z];
data;
79
set MOD:= 1 2 3;
set NODES := 1 2 3 4 5 6;
set EDGES:
1 2 3 4 5 6:=
1 - + - - - +
2 + - + - + -
3 - + - + - -
4 - - + - + -
5 - + - + - +
6 + - - - + -;
set LIGHTPATHS:
1 2 3 4 5 6:=
1 - + + + + +
2 + - + + + +
3 + + - + + +
4 + + + - + +
5 + + + + - +
6 + + + + + -;
param DEMAND[*,*]:
1 2 3 4 5 6:=
1 . 100 100 100 100 100
2 100 . 100 100 100 100
3 100 100 . 100 100 100
4 100 100 100 . 100 100
5 100 100 100 100 . 100
6 100 100 100 100 100 . ;
param D[*,*]:
1 2 3 4 5 6:=
1 . 1000 . . . 1000
2 1000 . 1000 . 1000 .
3 . 1000 . 1000 . .
4 . . 1000 . 1000 .
5 . 1000 . 1000 . 1000
6 1000 . . . 1000 .;
param epslon[*]:= 1 1
2 2
3 4;
param Namax[*]:= 1 40
2 30
3 20;
80
solve;
display MS;
display Ca;
display Cr;
display Nas;
display PCtotal;
display Mod;