Resumen.

Optimizacin de la composicin de redes a partir de tcnicas de

Inteligencia artificial.
las redes de nueva generacin definen una iniciativa europea para la
nueva generacin de comunicaciones mviles. En estos entornos, la
composicin de redes heterogneas para posibilitar la comunicacin
entre estas con calidad de servicio es primordial. En este artculo se
presentan diferentes propuestas inciales para el diseo de diferentes
escenarios basndose en el uso de tcnicas de inteligencia artificial.
La composicin de redes de nueva generacin NGN puede realizarse a
partir de la seleccin de estaciones radioelctricas con los servicios
solicitados por el usuario y que pueden proporcionarse de acuerdo a una
calidad de servicio.
Introduccin.
En la planificacin de sistemas de telecomunicaciones el diseo de la
configuracin necesaria para prestar un servicio de manera ptima
respecto de algn criterio de desempeo es fundamental. Por ejemplo, si
el criterio de desempeo[1] es el costo, un problema a resolver es
encontrar una topologa de red que interconecte sus nodos al menor
costo y que tenga la propiedad de asegurar la comunicacin fiable de
datos.
REDES NUEVA GENERACIN NGN.
La rpida evolucin de las tecnologas de la comunicacin y la amplia
red de servicios necesaria para el mantenimiento de esta originaron las
tecnologas descentralizadas: esto permite que la sobre carga de los
sistemas no sea un problema y que el numero de usuarios con acceso a
cualquier tipo de recurso sea ampliable.
La tecnologa que dar soporte a estos entornos se vienen fraguando
desde hace ya varios aos: redes cableadas e inalmbricas,
computacin mvil y ubicua, nuevos dispositivos de interaccin,
modulosvestibles, redes de sensores, sistemas de bajo consumo, etc.
Sin embargo, an es necesario resolver retos de miniaturizacin,
disminucin del consumo, seguridad fiabilidad, etc.

Escenario y problemticas.
Tradicionalmente las soluciones de movilidad se ocupan principalmente
de entrega de la terminal de un usuario entre dos estaciones base un
operador controlado por la infraestructura causados por el movimiento
fsico del usuario. Sin embargo, en los futuros escenarios de redes NGN
el trmino movilidad ha de ser tratada en un sentido mucho ms
amplio e incluye las reacciones del sistema a los cambios en el usuario y
los entornos de red, incluidos los cambios en la radio y los recursos de la
red comercial.
As pues como consecuencia, ya no es posible prever un nico
paradigma de movilidad que puede hacer frente a este conjunto diverso
de las necesidades. En cambio utilizando tcnicas de inteligencia
artificial podemos ayudar a optimizar toda una serie de inconvenientes
comentados anteriormente esto es.

APLICACIN DE MECANISMOS DE INTELIGENCIA ARTIFICIAL A LA

COMPOSICIN DE REDES.
Podra ser posible definir un modelo de informacin que sea lo
suficientemente general como para resolver un conjunto amplio de
problemas que se puedan acercar lo ms posible hacia situaciones
reales?
En esta hiptesis de estudio lo que pretendemos es establecer diversos
conceptos necesarios para determinar el inicio de servicio y la definicin
de una funcin econmica capaz de evaluar los ingresos y los costes de
las operaciones de distribucin de los diferentes paquetes ofrecidos por
los diferentes operadores... en cuanto a distribucin de informacin. Para
ello intentaremos en la medida de lo posible utilizar diferentes clculos
de optimizacin para luego poder extrapolar-lo al concepto inteligente
( redes neuronales + AG).
Por ejemplo, es habitual que en funcin de la competencia que existe los
proveedores de servicio lancen toda una serie de paquetes de
tarificacin, los precios se suelen fijar con cierta previsin pero, a veces
mucho antes que la demanda de servicio sea conocida, siendo a veces
frecuentes las cancelaciones de ltima hora y la contrata hacia nuevos
clientes. Teniendo en cuenta que: Si el nmero de usuarios que debe
disfrutar de los servicios ofrecidos por los proveedores es pequeo, en

funcin de la mxima capacidad de carga de la red optima a la distancia

correspondiente, podemos decir que los beneficios o prdidas generadas
por ese mismo servicio pueden depender en gran medida de la
eficiencia del sistema de optimizacin de rutas.

Redes neuronales Las redes neuronales artificiales constituyen un campo

multidisciplinar muy activo en el que confluyen investigaciones
procedentes de muy diferentes reas sus caractersticas de
procesamiento distribuido, paralelo y adaptativo las convierten en las
herramientas indicadas para tratar problemas de informacin masiva,
distorsionada redundante imprecisa.
Una red neuronal presenta adems un grado de adaptabilidad que se
concreta en las capacidades de aprendizaje y generalizacin. Por
aprendizaje entendemos la capacidad para recoger informacin de las
experiencias y utilizada para actuar ante situacionesfuturas. La
generalizacin est ntimamente relacionada con el aprendizaje, que
podra definirse como la capacidad para abstraer la informacin til, ms
all de los casos particulares. De esta manera, la red neuronal es capaz
de responder ante casos desconocidos de manera apropiada.
Arquitectura de red neuronal competitiva red de kohonen.
Existen evidencias que demuestran que en el cerebro hay neuronas que
se organizan en muchas zonas, de forma que las informaciones captadas
del entorno a travs de los rganos sensoriales se representan
internamente en forma de mapas dimensionales.
Algoritmos genticos.
Los algoritmos evolutivos (AEs) son tcnicas de bsqueda que intentan
simular los mecanismos de evaluacin natural, resultantes de la
adaptacin de los seres vivos del medio ambiente, para solucionar
problemas de optimizacin. Esta simulacin establece analogas entre
los (AEs) y los mecanismos que provee la naturaleza buscando adaptar
soluciones potenciales (cromosomas o individuos) a un medio en funcin
de su fitness o ajuste.
Algoritmos Evolutivos Secuenciales

Los algoritmos evolutivos imitan el proceso de evolucin natural, el

principal mecanismo que gua la aparicin de estructuras orgnicas
complejas y bien adaptadas. De forma muy simplificada, la evolucin es
el resultado de las relaciones entre la creacin de nueva informacin
gentica y los procesos de evaluacin + seleccin.

Algoritmos evolutivos paralelos

La ejecucin real de un algoritmo evolutivo secuencial requiere de una
poblacin de soluciones tentativas que representan puntos del espacio
de bsqueda, sobre las que se realizan operaciones para guiar la
bsqueda. En la prctica, esto supone que un AE utiliza recursos de
computacin como memoria fsica y tiempo de procesador de forma
considerable.
Optimizacin de funcin Tx/Rx con AGP
En esta seccin ilustraremos la adaptacin de un AGP a un problema de
funciones bidimensionales f(x,y).En esta caso la interpretacin del
problema es como sigue: haremos corresponder la funcin f
Transmisin medio Tx.
Esta Tx asociada al estado (x,y),la evolucin del sistema tendera a
minimizarla, nos referimos a la funcin transmisin hacia el medio. En
trminos generales, la idea principal de la exploracin gentica como ya
se ha comentado anteriormente, es encontrar individuos mejor
adaptados a su ambiente. Para eso los individuos se reproducen
buscando, con el intercambio de material gentico y las mutaciones, que
cada nueva generacin mejora la adaptacin.
2. Explique como los autores sustentan el USO de tcnicas de
inteligencia artificial para mejorar las tcnicas de gestin de
redes.
El principal objetivo de este trabajo es mostrar la posibilidad de empleo de la
inteligencia artificial y en concreto de algunas de sus herramientas las redes
neuronales y los algoritmos genticos para la resolucin de problemas de
optimizacin de las redes de nueva generacin NGN. No es fcil encontrar un
mnimo global realizando un complicado ajuste de parmetros constantes de
funciones de coste y de las funciones de activacin de las neuronas de red .

Tan solo una buena (mnimo local), que represen te una solucin localmente
ptima al problema. El empleo de redes neuronales y algoritmos genticos
parece prometedor principalmente porque su implementacin fsica aumenta la
velocidad computacional de estos algoritmos, permitiendo una reduccin en el
tiempo de clculo necesario para ofrecer una aproximacin a la solucin del
problema.
[1] S.Glisic. Advanced Wireless
WileySons: Chichester, 2004.

Communications:

4G

Technology.

[2] WWI Ambient Network, D1-8 Ambient Networking

Architecture, IST-2002-507134-AN/WP1/D04. February 2005.

John

Concepts

and

[3] WWI Ambient Network, D3-3 Connecting Ambient Networks Final

Architecture, Protocol Design and Evaluation, IST-2002-507134-AN/WP1/D/3-3.
December 2005.
[4] Dan Hammerson: Working with neural networks Spectrum, July 1993, pp4653.

[5] Richar R.Lipmann: An introduction to computing with neural nets. IEE

magazine, April 1987, pp 4-22
[6] Mitchell, Melanie. An Introduction to GeneticAlgorithms. MIT Press, 1996.
[7] Koza, John, Martin Keane, Matthew Streeter, William Mydlowec, Jessen Yu y
Guido Lanza. Genetic Programming IV: Routine Human-Competitive Machine
Intelligence. Kluwer Academic Publishers, 2003.
[8] Haupt Randy y Sue Ellen Haupt. Practical Genetic Algorithms.John
Wiley&Sons,1998.
4. Elabore un diagrama explicativo (Mapa conceptual o Mental)
basado en la lectura del PAPER adjunto a esta presentacin.
INTELIGENCIA ARTIFICIAL.

Estudia

Bsquedas
Bsquedas
sin
con
Bsqueda. informaci
Examen.
Se divide
informacion
n.

Representaci
Algorit
Redes
n del
mosAprendizaje. neuronale
Lgica de Unificacin Forma
conocimiento
gentic
s
y
clusual.
predicados.
.
os