Scientia et Technica Ao XIV , No 39, Septiembre de 2008. Universidad Tecnolgica de Pereira.

ISSN 0122-1701

332

TCNICA DE OPTIMIZACIN COMBINATORIAL APLICADA AL DISEO DE REDES DE COMUNICACIN POR CABLE

Combinatorial Optimization Technique for Cable Communication Network Design
RESUMEN Este trabajo muestra un algoritmo gentico especializado para solucionar el problema del diseo de redes de sistemas de comunicacin por cable con el fin de minimizar el costo de inversin. El modelaje matemtico del problema de las redes de comunicacin por cable es un problema de programacin no lineal entero mixto (PNLEM) con una explosin combinatorial del nmero de topologas posibles, siendo la exigencia de radialidad un factor complicante en la solucin del problema. En este trabajo se presenta un mtodo perteneciente al grupo de los denominados algoritmos combinatoriales. El algoritmo utilizado presenta excelentes resultados en un sistema de prueba de la vida real. PALABRAS CLAVES: Sistemas de Comunicacin, Algoritmos Genticos, Optimizacin Combinatorial, Redes de Comunicacin por cable. ABSTRACT This paper presents a specialized genetic algorithm to solve the problem of cable communication network design with the purpose of minimizing the investment cost. The mathematical model of this problem is a mixed integer non linear programming problem (PNLEM) with a combinatorial explosion of the number of possible topologies. The methodology proposed using a specialized genetic algorithm is probed in a real life test system. KEYWORDS: Communication Systems, Genetic Algorithms, Combinatorial Optimization, Cable communication Network. 1. INTRODUCCIN El diseo y operacin de las redes de comunicacin por cable considera una estructura radial. En este contexto aparece el problema de cmo configurar la estructura de estas redes para encontrar una topologa radial ptima. Encontrar la topologa ptima exige analizar implcita y/o explcitamente todas las topologas radiales posibles en el sistema. Una forma de caracterizar el problema consiste en encontrar un rbol del grafo que minimice la inversin y satisfaga las restricciones de operacin que son: (1) nivel de seal, (2) capacidad de los circuitos y (3) ecuaciones de flujo de seal. Los circuitos que forman el rbol de un grafo son denominados ramas del rbol y los circuitos que estn fuera del rbol son denominados ramas de conexin o ramas del corbol. * El modelo matemtico del problema mencionado es un problema de programacin no lineal entero mixto (PNLEM) con una explosin combinatorial del nmero de topologas posibles. La exigencia de radialidad es un factor complicante adicional en la solucin del problema. La figura 1 muestra una red de datos y televisin por cable que utiliza una arquitectura tipo Blaster [1, 2]. Luis Fernando Galindres Ingeniero de Sistemas. Universidad Tecnolgica de Pereira. lugal@utp.edu.co Antonio H. Escobar Z Ingeniero Electricista, M. Sc. Profesor de la Universidad Tecnolgica de Pereira. aescobar@utp.edu.co Ramn A. Gallego Rendn Ingeniero Electricista, Ph.D. Profesor de la Universidad Tecnolgica de Pereira. ragr@utp.edu.co

Integrantes del Grupo de Investigacin en Planeamiento de Sistema Elctricos y Desarrollo en Investigacin Operativa DINOP- UTP

Figura 1: Sistema de 8 nodos Se puede verificar que este sistema de 8 nodos tiene muchos rboles o topologas candidatas. Cuando aumenta el nmero de ramas de conexin del grafo de un sistema como este entonces el nmero de soluciones posibles del problema crece de forma combinatorial haciendo inviables las tcnicas de optimizacin clsicas para encontrar la topologa ptima de este problema. En este artculo se presenta un algoritmo gentico especializado para resolver el problema del diseo de la

Fecha de Recepcin: 4 de Junio de 2008. Fecha de Aceptacin: 5 de Septiembre de 2008.

333

Scientia et Technica Ao XIV, No 39, Septiembre de 2008. Universidad Tecnolgica de Pereira.

red de comunicacin por cable con el fin de minimizar el costo de inversin. Las soluciones obtenidas con este algoritmo se comparan con las soluciones encontradas con la ayuda de un programa comercial utilizado para esta clase de diseo denominado Lode data [3].

2. FORMULACIN PROBLEMA

MATEMTICA

DEL

de operacin, foper frecuencia de la seal, K1 nmero de salidas de seal del splitter, K2 nmero de salidas de seal del acoplador, factor de conversin de decibeles a pesos, se estima que por cada decibel abajo del lmite se debe tener una penalizacin en la funcin objetivo. Este factor podr se seleccionado en un rango entre el [20 100]%, conjunto de caminos candidatos y F caminos entre los nodos terminales y el nodo fuente. La funcin objetivo del problema (1) tiene dos partes: la primera parte representa el costo de inversin en elementos de la red; la segunda representa un costo de penalizacin asociado al dficit de seal en el nodo a la entrada del amplificador dada en pesos/decibeles. 3. TECNICA DE SOLUCION En esta seccin son representadas las principales caractersticas del algoritmo gentico modificado para el problema redes de comunicacin tipo Blaster. Tambin es presentado, de forma resumida, el algoritmo gentico propuesto. El algoritmo gentico es una tcnica de optimizacin de problemas complejos, cuya teora se basa en la seleccin natural de los seres vivos y la evolucin de las especies. Los operadores genticos del algoritmo simulan la dinmica de funcionamiento de los cromosomas en los seres vivos y las informaciones genticas contenidas en esos cromosomas. Entretanto, pueden ser desarrollados operadores genticos que no simulan mecnicamente el trabajo del cdigo gentico de los seres vivos sino que intentan simular la lgica fundamental del funcionamiento de la informacin gentica existente en ellos. Con esta lgica aparecen los denominados algoritmos evolutivos. La teora bsica sobre algoritmos genticos y/o evolutivos pueden ser encontradas en [4,5,6,7,8,9]. El algoritmo gentico inicia el proceso de optimizacin de un problema complejo a partir de un conjunto de topologas iniciales que conforman la denominada poblacin inicial, la cual puede ser encontrada de forma aleatoria o usando algoritmos heursticos constructivos rpidos. En forma iterativa se determina el conjunto de topologas, que corresponden a la poblacin de la nueva generacin, a partir de la poblacin actual, usando los operadores de seleccin, recombinacin y mutacin. As, en cada nueva iteracin son encontradas topologas de mejor calidad y eventualmente, se puede encontrar la solucin ptima del problema. En cada paso se actualiza la incumbente, la cual, al final del proceso representa la solucin del proceso iterativo. En otras palabras, un algoritmo gentico realiza una bsqueda usando un conjunto de soluciones y a travs de un proceso iterativo son encontradas nuevas soluciones. Dado que el nmero de soluciones evaluadas corresponde a un nmero muy reducido del espacio de soluciones posibles, el algoritmo gentico debe adecuarse para que explore las regiones

El ptimo del problema de las redes de comunicacin por cable consiste en determinar la cantidad de cable coaxial y de elementos para divisin de seal (acopladores direccionales y divisores de seal), que permita llevar la seal a todos los abonados, de tal forma que cada usuario tenga una seal de buena calidad y que el costo de inversin sea mnimo. La funcin objetivo fo, es formulada como la suma del costo de inversin y de un factor de penalizacin como se muestra a continuacin:

Donde G(dbi) corresponde a n-1 ecuaciones que describen el problema de flujo de seal y son de la forma (dbi dbj atenuacin i-j - prdidas por conexin en j = 0), H(dbi) corresponde a n inecuaciones de la forma (dbi 0), cantidad de decibeles en el nodo i, cij costo del cable coaxial entre los nodos i-j, dil variable binaria que define si existe o no un splitter de l divisiones en el nodo i,

[cd ]li costo del splitter localizado en el nodo i y con kl

divisiones, eim variable binaria que define si existe o no un acoplador de seal localizado en el nodo i y m divisiones,

[c a ]lm

costo del acoplador de seal

localizado en el nodo i y con km divisiones, dbi cantidad de decibeles a la entrada del amplificador i, ri cantidad de decibeles por debajo del mnimo en el nodo i, fmin frecuencia mnima de operacin, fmax frecuencia mxima

Scientia et Technica Ao XIV, No 39, Septiembre de 2008. Universidad Tecnolgica de Pereira

334

ms atractivas del espacio de soluciones evitando quedar atrapado en ptimos locales de baja calidad. 3.1 Codificacin del problema El problema de diseo de redes de comunicacin por cable tiene variables binarias y reales, y un conjunto de restricciones de operacin entre las cuales se encuentra la restriccin de radialidad. La codificacin usada en este trabajo es igual a la propuesta presentada en [10] donde se codifican solamente las variables binarias correspondientes a las ramas del grafo de la red. El flujo de seal y el estado de las seales, se evala usando un algoritmo de flujo de seal. As, la codificacin de la topologa mostrada en la figura 1 asume la forma mostrada en la figura 2. Por lo tanto, solamente las ramas del grafo son codificadas como variables binarias.

3.4 El proceso de recombinacin La recombinacin consiste en seleccionar dos topologas con derecho a generar descendientes para que intercambien informacin y permitan generar dos nuevas topologas. La implementacin de la recombinacin requiere un especial cuidado ya que presenta dos aspectos crticos que pueden afectar el desempeo de un algoritmo gentico. El principal problema es que una recombinacin de dos topologas radiales, usando el tipo de codificacin seleccionado, puede dar origen a topologas no radiales, limitando de manera significativa el desempeo de este operador gentico. En este trabajo se implementan dos tipos de recombinacin: la recombinacin propuesta en [10] que denominamos recombinacin tipo I y una nueva propuesta de recombinacin que denominamos recombinacin tipo II. En la recombinacin tipo I, una vez seleccionadas las dos topologas que deben ser recombinadas, se generan los descendientes a travs de los siguientes pasos: (1) las ramas de conexin que estn presentes en ambas topologas, con valores iguales a cero en la codificacin, son copiadas en ambos descendientes, (2) las ramas de conexin diferentes en las topologas generadoras son copiadas en los descendientes de forma aleatoria y, (3) las ramas del rbol de cada topologa generadora son copiadas sin modificaciones. En este tipo de recombinacin pueden surgir configuraciones no radiales o con secciones aisladas. Estas configuraciones deben ser descartadas y sustituidas. En la recombinacin tipo II, propuesta en este trabajo, se busca preservar la lgica de trabajo de la recombinacin gentica donde son generados gametos formados por grupos de genes iguales a uno o dos cromosomas gemelos que genera el gameto. En esta propuesta, una topologa descendiente es generada a travs de los siguientes pasos: (1) escoger una de las topologas seleccionadas, (2) identificar todas las ramas extremas del rbol de la topologa seleccionada, (3) escoger una de esas ramas extremas aleatoriamente e identificar todas las ramas de ese rbol que estn en el camino de la rama extrema hacia el nodo ptico, (4) copiar todas las ramas identificadas en el paso anterior de la nueva topologa y, (5) completar un rbol de la nueva topologa usando las ramas de la otra topologa seleccionada. En este tipo de recombinacin, todas las configuraciones obtenidas son radiales y se preserva el material gentico de los padres evitando la prdida de diversidad durante el proceso evolutivo con el propsito de impedir la homogenizacin de la poblacin. 3.5 El proceso de mutacin

Figura 2: Codificacin de la topologa de la figura 1. En la figura 2, se puede verificar que las ramas del rbol son representadas por 1 y las ramas del grfico que estn fuera del rbol, denominadas ramas de conexin, son representadas por 0. Esta propuesta tiene la ventaja de codificar nicamente a las variables binarias lo cual permite controlar fcilmente la radialidad de la topologa. 3.2 Determinacin de la poblacin inicial En relacin a la poblacin, se debe especificar su tamao y el mtodo utilizado para generarla. En este trabajo se analizaron tres formas de generar la poblacin inicial: (1) usando una heurstica simple, (2) usando un algoritmo de rbol de expansin mnima y (3) usando una estrategia aleatoria controlada. En la primera estrategia, a partir de una topologa bsica, se selecciona una rama de conexin y se retira una rama del rbol que forme un lazo con la rama de conexin escogida, esto con el fin de mantener la radialidad. En el segundo caso se genera una topologa radial correspondiente al rbol de expansin mnima. Para la estrategia de generacin del rbol usando el mtodo de expansin mnima se resuelve el algoritmo heurstico de Kruskal [11]. La tercera forma de generar las topologas de la poblacin inicial es un proceso aleatorio controlado. En este proceso, a partir del nodo ptico se escoge en cada paso, de forma aleatoria, una rama que debe hacer parte del rbol. 3.3 El proceso de seleccin En este trabajo se implementaron tres tipos de seleccin presentados en la literatura: (1) la seleccin proporcional, (2) la seleccin estocstica del residuo y, (3) la seleccin basada en torneo.

La mutacin se implement usando la misma estrategia propuesta en [10,12] que se considera la ms adecuada. En esta propuesta, se escoge una rama de conexin aleatoriamente y, tambin aleatoriamente, una rama del

335

Scientia et Technica Ao XIV, No 39, Septiembre de 2008. Universidad Tecnolgica de Pereira.

rbol que hace un lazo con esa rama de conexin. despus es implementado un intercambio de la rama del rbol con la rama de conexin seleccionadas. Ese proceso de intercambio permite que la mutacin genere siempre topologas radiales. Es evidente que una mutacin realizada en la forma convencional propuesta por un algoritmo gentico produce topologas no radiales en este problema. En caso de ser necesario aumentar la diversidad y disminuir el tiempo de convergencia, se pueden implementar mutaciones dobles o triples [13]. 4. ALGORITMO PROPUESTO El algoritmo gentico propuesto puede ser resumido en los siguientes pasos:
Paso 1: Parmetros de control y poblacion inicial. Se seleccionan los parmetros del proceso y se genera la poblacin inicial. Paso 2: Clculo de funcin objetivo de la poblacin. Paso 3: Seleccin. Se verifica factibilidad de las topologas de la poblacion y se aplica uno de los modos de seleccin. Paso 4. Recombinacin. Se aplica recombinacin de un punto. La incumbente pasa a la siguiente generacin sin recombinacin. Paso 5: Mutacin. Se aplica mutacin a un porcentaje de la poblacin y se verifica factibilidad para aceptar la mutacin. Paso 6: Criterio de parada. Si la incumbente no es mejorada durante un cierto nmero de generaciones, finaliza. Si no, regresa al paso 2.

Figura 3: Zona 2 del barrio gama de Pereira

Figura 4: Desempeo del tipo de seleccin

5.

PRUEBAS Y RESULTADOS

Para verificar el desempeo del algoritmo propuesto fueron probados dos sistemas de la vida real: un sistema de 11 nodos del Barrio Gama de la ciudad de Pereira (Colombia) y un sistema de 38 nodos de los Barrios Gama y Corales de la ciudad de Pereira. A. Sistema Gama de 11 nodos y 49 ramas: Este sistema de pequeo tamao correspondiente a la zona 2 del barrio Gama de la ciudad de Pereira, y que es presentado en la figura 1, es utilizado para mostrar el comportamiento de los parmetros mas importantes asociados al mtodo de los algoritmos genticos, y el cual es descrito a travs de las siguientes caractersticas: Sistema de 11 nodos y 49 ramas. 50 decibeles de salida en el receptor ptico, nivel mnimo de entrada a los amplificadores 16 decibeles, calibre de cable 0.500. Frecuencia mnima 5 Megahertz, Frecuencia Crtica 870 Megahertz. Porcentaje de penalizacin 20 %.

Figura 5: Desempeo del tipo de mutacin De los resultados se observa una gran influencia del tamao de la poblacin, as como de la poblacin inicial y en el cual el mejor comportamiento se obtuvo usando una heurstica simple. El mximo nmero de descendientes deber ser menor o igual que 3. Las tasas de mutacin presentan un buen desempeo cuando estn en un rango del [0.5 3.0] %. Los tipos de seleccin de mejor desempeo fueron el proporcional y por torneo. La mejor tasa de recombinacin fue la del 70%.

Scientia et Technica Ao XIV, No 39, Septiembre de 2008. Universidad Tecnolgica de Pereira

336

Tabla 1 Costos de Inversin obtenidos con el software de diseo Lode Data y con los algoritmos genticos.

6.

CONCLUSIONES

Las redes de comunicacin por cable son operadas y diseadas en configuracin radial, muy semejante a las redes elctricas de distribucin [14]. Estas semejanzas son aprovechadas en esta investigacin para aplicarlas al problema del diseo de redes de comunicacin por cable. Figura 6: zonas 1 y 2 (Gama) El algoritmo gentico presentado tiene un desempeo superior a otras propuestas alternativas de algoritmos genticos presentados en la literatura [15]. La ventaja radica en el uso de operadores genticos especializados con los cuales siempre es satisfecha la restriccin de radialidad, esta caracterstica ya fue comprobada por los autores en el problema de la reconfiguracin de redes de distribucin, obteniendo resultados superiores a los logrados en el caso en el que no se emplean operadores genticos especializados. La recombinacin tipo II propuesta en este trabajo presenta excelentes resultados y se introdujeron mejoras adicionales, porque se considera que el operador de recombinacin es uno de los ms crticos en el desempeo de un algoritmo gentico o evolutivo. Se pudo comprobar como la forma en que son encontradas las topologas de la poblacin inicial determina la calidad y el esfuerzo computacional del algoritmo. La propuesta de mutacin tambin se mostr competitiva. El algoritmo implementado present excelentes resultados respecto a los obtenidos con la ayuda de un software especializado para el diseo de redes de datos y televisin por cable. Se pudo observar que cuando los sistemas de gran tamao se subdividen por zonas, segn algn criterio, y se resuelve el problema, la solucin encontrada es de peor calidad que cuando se resuelve el mismo problema sin subdividir. Se recomienda probar sistemas de mayor tamao para encontrar los puntos crticos de desempeo del algoritmo gentico.

B. Sistema Gama Corales de 38 nodos y 185 ramas: Estos sistemas son mostrados en las figuras 6 y 7 y fueron utilizados para llevar a cabo un anlisis comparativo entre las soluciones encontradas por el algoritmo gentico y por un experto con la ayuda de un programa especializado de diseo denominado Lode Data. La informacin de este sistema es la correspondiente a los barrios Gama y Corales de la ciudad de Pereira.

Figura 7: zonas 3 y 4 (Corales) Los parmetros empleados fueron: los siguientes: porcentaje de penalizacin 20 %, nivel de salida 50 decibeles, nivel mnimo de entrada a los amplificadores 16 decibeles, calibre de cable QR 540.

337 7. BIBLIOGRAFIA

Scientia et Technica Ao XIV, No 39, Septiembre de 2008. Universidad Tecnolgica de Pereira.

[1] Code of Federal Regulation. Title 47 - Telecommunications, chapter 1: Federal Communications Commision (FCC), part 76 - Multichannel video and cable television service. U.S.A.: 2001. Available from internet: http:// www.access.gpo.gov/nara/cfr/waisidx01/47cfr7601.htl [2] GENERAL INSTRUMENT. Blaster: Broadband layered architecture strategy to enhance reliability. USA. G.I. 2000. Available from internet: http://www.gi.com [3] LODE DATA corporation. www.lodedata.com [4] D.E. Goldber, Genetic Algorithms in Search, Optimization and Machine Learning, Addison Wesley, 1989. [5] T. Back,Evolutionary Algorithms in Theory and Practice, Oxford University Press, 1996. [6] Z. Michalewicz, Genetic Algorithms + Data Estrutures= Evolution Programs, Artificial Intelligence, 1992. [7] P. J. B. Hancock,. Selection Methods for Evolutionary Algorithms: New Frontiers, Vol. II, Ed. By Lance Chambers, CRCR Press, 1995. [8] M. Mitchell, Introduction to Genetic Algorithmsp, Edittorial Cambridge, MIT Press, 1996. [9] M. Srinivas, L.M. Patnaik, Genetic Algorithms, IEEE Computer, pp. 17-26, 1994. [10] C.C. Kuo, H.C. Chan, Applying a Refined Genetic Algorithms to Network Reconfiguration for Loss Reduction, IEE of Japan Power and Energy, pp.37-42, 1994. [11] M.C. Golbarg - H.P. Luna, Otimizao combinatoria e programao linear, Editora Campos, 2000. [12] K. Nara, A.K. Deb, A. Shiose, M. Kitagawa, T. Ishihara, Implementation of Genetic Algorithm for Distribution Systems Loss Minimum Reconfiguration, IEEE Transactions on Power Systems, Vol. 7, No. 3, pp. 1044-1051, August 1992. [13] Jaramillo J. C., Orozco A. Reconfiguracin de Alimentadores PrimariosUtilizando Algoritmo Evolutivo. Tesis de grado. Universidad Tecnolgica de Pereira. Pereira. 2000 [14] Sarfi. R.J, M.M.A.Salama and A.Y. Chikhani. A survey of the state of the art in distribution system reconfiguration for system loss reduction. Electric Power System Research 31 (1994) pg 61-70. [15] H. Chou, G. Premkumar, Chao-Hsien Chu, Genetic Algorithms for Communications Network Desing-An Empirical Study of the Factors that Influence Performance. IEEE Transaction on Evolutionary Computation, vol 5 No.3, june 2001.