Tema3 2324

TEMA 3 - DDR 2023/2024
TEMA 3: OPTIMIZACIÓN DE RED

DISEÑO Y DIMENSIONADO DE REDES (DDR)
2023/2024
Prof. José Camacho

josecamacho@ugr.es
Ingeniería Telemática (TSTC)
https://prado.ugr.es/
TEMA 3 - DDR 2023/2024
BIBLIOGRAFÍA
 Mínima
 Apuntes de Clase
 Extender
[1] Capítulo 2. M. Pióro, D. Medhi. Routing, Flow, and Capacity Design in

Communication and Computer Networks, Morgan Kaufmann Pub, 2004
[2] Capítulos 3 y 4. P. Pavón. Optimization of Computer Networks: Modeling and

Algorithms: A Hands-On Approach, Wiley, 2016.
TEMA 3 - DDR 2023/2024
CONTENIDOS
 Aprenderemos
 El contexto de las redes autónomas
 La utilidad de la Optimización Matemáticas en problemas OdR
 Cómo resolver un problema de OdR
 Los requisitos prácticos en un problema OdR
 Distintas formulaciones OdR de utilidad
TEMA 3 - DDR 2023/2024
ÍNDICE
 Tema 3. Optimización de Red (12 h)

 Redes Autónomas
 Introducción a la Optimización Matemática
 Ejemplo de Routing
 Resolución con glpk
 Requisitos de Entrada
 Formulaciones
TEMA 3 - DDR 2023/2024
REDES AUTÓNOMAS
 Zero X experience
TEMA 3 - DDR 2023/2024
REDES AUTÓNOMAS
 Redes autónomas
 Operación con mínima interacción humana: In/On/Off the loop
 Automatización basada en el lazo cerrado: control automático
 Requisito de sensores y actuadores avanzados: Inteligencia artificial / Machine Learning
TEMA 3 - DDR 2023/2024
REDES AUTÓNOMAS
 Closed loop
“Unlike traditional
automation which relies on
the fixed, rule-based policy,
the new automation
concept is able to support
the service environment
with the application of AI-
based algorithms as the
foundation, to enable
continuous machine
learning and closed-loop
automation.”
TEMA 3 - DDR 2023/2024
REDES AUTÓNOMAS
 Automatización basada de IA
TEMA 3 - DDR 2023/2024
PARALELISMO CONTROLADOR
 Industrial Feedback Controller  Autonomous Networks
Set Point IBN
Program-
Controller Actuator Process ML / AI mability
Network
Sensor Telemetry
TEMA 3 - DDR 2023/2024
REDES AUTÓNOMAS
 Redes autónomas
 Operación con mínima interacción humana: In/On/Off the loop
 Automatización basada en el lazo cerrado: control automático
 Requisito de sensores y actuadores avanzados: Inteligencia artificial / Machine Learning
 Necesidad de obtener datos ricos, (garbage in/out) M2M

 Network Telemetry
 Conectar la tecnología con las necesidades de negocio

 Intent Based Networking
 Programmability
TEMA 3 - DDR 2023/2024
REDES AUTÓNOMAS
 Network Telemetry
“Get enough high-quality data efficiently, timely and flexibly”
Use Cases:
Security, Policy and Intent Complicance, SLA Compliance, Root Cause Analysis, Network Optimization, Event
Tracking and Prediction, …
V’s Big Data
Velocity: Real Time
Suscription mejor pooling (pull)
OAM push (traps, NETFLOW) insuficiente
Volume: Comprehensive data
Variability: Data fusion
TEMA 3 - DDR 2023/2024
REDES AUTÓNOMAS
 Intent-based Networking (IBN)

NMRG: Intent is an abstract, high-level policy used to operate the network. Intent-based
management system includes an interface for users to input requests and an engine to
translate the intents into the network configuration and manage their life-cycle.
Cisco: As users, devices, and distributed applications have grown in number, the networking
environment has become exponentially more complex. IBN transforms a hardware-centric,
manual network into a controller-led network that captures business intent and translates it
into policies that can be automated and applied consistently across the network. The goal is
for the network to continuously monitor and adjust network performance to help assure
desired business outcomes
TEMA 3 - DDR 2023/2024
REDES AUTÓNOMAS
 Network Programability
https://developer.cisco.com/video/net-prog-basics/
https://developer.cisco.com/video/net-prog-basics/00-intro
TEMA 3 - DDR 2023/2024
REDES AUTÓNOMAS
 IM 2021: Automatización basad en IA

IFIP/IEEE International Symposium on Integrated Network Management
 Tutorial 1 – Next-Generation Closed-Loop Automation – An Inside View

 Keynote 1 – Truly autonomous networking: an MNO's perspective
 Panel 1 - Do network engineers dream of full automation?
 Panel 2 - Research Challenges in Artificial Intelligence for Network Management
 Panel 3 - Intelligent Management of Future Industrial Networks
 Distinguished Expert Panel - On the Management of Future (Open and Programmable)
Networks: Challenges and Research Opportunities
TEMA 3 - DDR 2023/2024
REDES AUTÓNOMAS
 CNSM 2022: 18th International Conference on Network and Service Management

 Keynote 1 - Self-adjusting networks: vision, solutions, challenges
 TS1 - Intelligent Network & Service Management
 TS2 - Data Plane Programmability
 SP1 - Network Traffic & Delay Optimization
 DEP - Intelligent Management of Disruptive Network Technologies
TEMA 3 - DDR 2023/2024
REDES AUTÓNOMAS
 NOMS 2023: IEEE/IFIP Network Operations and Management Symposium

 Keynote 1: Telecom AI Inflection Point: Challenges and Opportunities
 Keynote 4: On Autonomous Embedded Malware Deception for Proactive Cyber
Resilience
 Keynote 5: AI Assurance: Are our networks vulnerable?
 PS 4: Artificial Intelligence for Network Operation and Management: Can it meet the
requirements of tomorrow’s networks
TEMA 3 - DDR 2023/2024
RESUMEN (TAKEAWAY)
“EL FUTURO DE LAS

REDES, POR SU
COMPLEJIDAD, PASA
POR LA AUTONOMÍA”
“REDUCIR EL PAPEL DEL
HOMBRE USANDO,
ENTRE OTRAS,
TÉCNICAS DE IA”
“ELEMENTOS: CLOSED
LOOP, INTENT, PROG. &
TELEMETRY”
TEMA 3 - DDR 2023/2024
ÍNDICE

 Formulaciones
TEMA 3 - DDR 2023/2024
INTRODUCCIÓN A LA OPTIMIZACIÓN MATEMÁTICA
 En una red razonablemente compleja:

 ¿Cómo calculo el enrutamiento óptimo?
2
1
 ¿Cómo calculo la capacidad de los enlaces?
 ¿Cómo diseño la topología? 3
2 3
 ¿y si tengo ciertos objetivos? Balanceo, resiliencia, …
6
1
 Costes
 CAPEX: Capital Expenditures 5
4
 OPEX: Operational Expenditures
TEMA 3 - DDR 2023/2024
 Técnicas de Evaluación del Rendimiento

TEMA 3 - DDR 2023/2024
 Metodologías Analíticas
 Teoría de Colas (SC)
 Probabilidad Aplicada
 Captura la naturaleza estocástica de enlaces, interfaces,…y permite la deriva teórica del rendimiento
(capacidades, retardos)
 La optimización de la red (network-wide) es, muchas veces, intratable
 Optimización Matemática (DDR)

 Matemática Aplicada e Investigación Operativa (e Inteligencia Artificial)
 Trabaja sobre estimadores puntuales (media de tráfico, velocidad efectiva)
 Permite tratar la optimización de la red (network-wide)
 Diseño Estadístico de Experimentos + Análisis de Datos (PERS)

 Entender el efecto de varios factores en el rendimiento
 Permite analizar variantes (what-if) limitadas con datos históricos reales
TEMA 3 - DDR 2023/2024
 Teoría de Colas:
 Ej. establecer capacidad en un enlace / segmento a partir de estadísticas de tráfico
1/2(1−𝐻)
𝐿 𝜌𝑒
𝑇𝑒𝑏 ≈ · 𝐻 ∈ 0.5, 1 , 𝜌𝑒 = 𝑥𝑒 /𝑦𝑒
𝑦𝑒 (1−𝜌𝑒 )𝐻/(1−𝐻)
TEMA 3 - DDR 2023/2024
 Optimización Matemática:
 Ej. establecer capacidad en un todos los enlaces de la red a partir de la matriz de tráfico y
un criterio de optimalidad
𝑥 ∗ = arg min 𝑓(𝑥) 𝑔𝑖 𝑥 ≤ 0, 𝑖 = 1 … 𝑚, 𝑎𝑛𝑑 ℎ𝑗 𝑥 = 0, 𝑗 = 1 … 𝑝

𝑥Є𝑆
0 102 23 54 102 804

100 0 44 46 22 55
𝑯𝑡 = 12 34 0 130 12 12
60 32 204 0 32 45
X = [x1,x2] ➔ Y 120 28 103 5 0 82
1005 34 54 114 73 0
TEMA 3 - DDR 2023/2024
 Diseño Estadístico de Experimentos + Análisis de Datos:

 Ej. establecer la mejor configuración de un radioenlace en un conjunto de posibilidades
TEMA 3 - DDR 2023/2024
 Metodologías Analíticas + Teórico + Experimental
TdC OM DoE & AD
Asunciones Requisitos de medición Adecuado para

o estimación
Teoría de Colas Comportamiento Teórico Pocos (medias, varianzas) Dimensionado de
del Tráfico enlaces/segmentos de red
Optimización Modelo Matemático de la Matriz de Tráfico o Diseño de Red (network-
Matemática Red Demandas wide) o subsistemas
complejos
Diseño Estadístico de Trabajar con la Red Real Rendimiento escenarios Seleccionar entre pocas
Experimentos + what-if soluciones en entornos
Análisis de Datos reales (sin modelo)
TEMA 3 - DDR 2023/2024
EJERCICIOS
 ¿Qué técnica analítica es más adecuada?:

 Quiero configurar un par de parámetros de OSPF en una red completa para
minimizar el retardo de un servicio concreto. Puedo probar distintas
configuraciones en la red real antes de poner el servicio en producción.
 Quiero establecer la capacidad de un enlace que no existe, asociado a un
servicio nuevo. Tengo valores de QoS requeridos para distintos niveles de
uso, pero no puedo probarlo en la red real.
 Quiero añadir nuevos elementos de conmutación (routers y switches) en
una red cuyo tráfico llevo monitorizando años.
 Tengo una predicción de crecimiento en la red de la UGR, medición de su
tráfico, y quiero calcular el aumento necesario de la capacidad de los enlaces
para evitar congestiones.
 Quiero configurar de forma óptima 5 parámetros en un dispositivo que
desconozco.
TEMA 3 - DDR 2023/2024
▪ Problema de Optimización: Problema donde es posible definir una formulación

matemática que permita obtener de forma algorítmica una solución a ese
problema que minimice/maximice una determinada función de coste.
▪ Formulación matemática
▪ Función de coste
▪ Restricciones
▪ Espacio de Búsqueda
▪ Solución
Referencia [2]
∗
𝑥 = arg min 𝑓(𝑥) 𝑔𝑖 𝑥 ≤ 0, 𝑖 = 1 … 𝑚, 𝑎𝑛𝑑 ℎ𝑗 𝑥 = 0, 𝑗 = 1 … 𝑝
𝑥Є𝑆
TEMA 3 - DDR 2023/2024
𝑥 ∗ = arg min 𝑓(𝑥) 𝑔𝑖 𝑥 ≤ 0, 𝑖 = 1 … 𝑚, 𝑎𝑛𝑑 ℎ𝑗 𝑥 = 0, 𝑗 = 1 … 𝑝

𝑥Є𝑆
▪ Ej. 𝑥 ∗ = arg min 𝑥1 2 − 𝑥2 2 𝑥1 2 + 𝑥2 2 − 1 ≤ 0, 𝑎𝑛𝑑 𝑥3 = 0

𝑥Є𝑆
✓ Función de coste/ben 𝑓(𝑥) =(𝑥1 )2 −(𝑥2 )2

1
2+ 2
✓ Restricciones 𝑔1 𝑥 = 𝑥1 𝑥2 −1 0.5
𝑥3 0
ℎ1 𝑥 = 𝑥3 -0.5
-1
1
0.5 1
0 0.5
✓ Espacio de Búsqueda -0.5 -0.5

0
𝑥1 -1 -1
𝑥2
✓ Solución ➔ ??
TEMA 3 - DDR 2023/2024
EJERCICIOS
 Ponga ejemplos de objetivos de Problemas de Optimización de Redes

equivalentes a los siguientes:
 ¿Cuál es el camino más corto dada una red de carreteras? ➔ Entre dos
nodos de Internet
 ¿Cuál es el tiempo óptimo en los semáforos de una ciudad para minimizar la
congestión de tráfico? ➔ ??
 ¿Cuál es la mejor estrategia para que tres personas frieguen el suelo de una
casa? ➔ ??
 ¿Cuál es la disposición óptima de las ventanas de una casa para optimizar el
gasto energético? ➔ ??
TEMA 3 - DDR 2023/2024
RESUMEN (TAKEAWAY)
“LA OPTIMIZACIÓN MATEMÁTICA ES UNA

TÉCNICA ANALÍTICA MUY ÚTIL EN EL DISEÑO DE
RED Y DE APLICACIÓN A REDES AUTÓNOMAS”
- TAKEAWAYs
“LA COMPLEJIDAD PASA DE RESOLVER EL

PROBLEMA A FORMULARLO”
TEMA 3 - DDR 2023/2024
ÍNDICE

 Formulaciones
TEMA 3 - DDR 2023/2024
EJEMPLO DE ROUTING
 Ejemplo de problema: ¿Cómo encaminar el tráfico?

Referencia [1]
Caminos (paths)
Red
10 15
10
Matriz de tráfico
0 5 7
𝐻𝑡 = 5 0 8
7 8 0
TEMA 3 - DDR 2023/2024
EJEMPLO DE ROUTING

 Definir variables flujo-camino: flujo enviado por cada camino
𝑥12 + 𝑥132 = 5
0 5 7
𝐻𝑡 = 5 0 8 𝑥13 + 𝑥123 = 7
7 8 0
𝑥23 + 𝑥213 = 8
TEMA 3 - DDR 2023/2024
EJEMPLO DE ROUTING

 Aplicar las capacidades
𝑥12 + 𝑥123 +𝑥213 ≤ 10

10 15
𝑥13 + 𝑥132 +𝑥213 ≤ 10
10 𝑥23 + 𝑥123 +𝑥132 ≤ 15
𝑥𝑖 ≥ 0
TEMA 3 - DDR 2023/2024
EJEMPLO DE ROUTING

𝑥12 + 𝑥132 = 5
𝑥13 + 𝑥123 = 7
✓ Restricciones
𝑥23 + 𝑥213 = 8
✓ Espacio de Búsqueda 𝑥12 + 𝑥123 +𝑥213 ≤ 10
(feasible solutions)
𝑥13 + 𝑥132 +𝑥213 ≤ 10
1
0.5
-0.5
𝑥23 + 𝑥123 +𝑥132 ≤ 15
-1
1
0.5 1
0
-0.5 -0.5
0
0.5
𝑥𝑖 ≥ 0
-1 -1
TEMA 3 - DDR 2023/2024
EJEMPLO DE ROUTING

 Definir objetivo: número de saltos
✓ Función de coste
𝑓 𝑥 = 𝑥12 + 2𝑥123 + 2𝑥213 + 𝑥13 + 2𝑥132 + 𝑥23

TEMA 3 - DDR 2023/2024
EJEMPLO DE ROUTING

𝑥 ∗ = arg min 𝑓 𝑥 𝑔𝑖 𝑥 ≤ 𝑘𝑖 , 𝑖 = 1 … 𝑚, 𝑎𝑛𝑑 ℎ𝑗 𝑥 = 𝑘𝑗 , 𝑗 = 1 … 𝑝
𝑥Є𝑆
𝑎𝑟𝑔 𝑚𝑖𝑛 𝑥12 + 2𝑥123 + 2𝑥213 + 𝑥13 + 2𝑥132 + 𝑥23 1
0.5
𝑠. 𝑎. 𝑥12 + 𝑥132 = 5 0
-0.5
𝑥13 + 𝑥123 = 7 -1
1
0.5 1
𝑥23 + 𝑥213 = 8 0 0.5

0
-0.5 -0.5
✓ Solución ???
-1 -1
𝑥12 + 𝑥123 +𝑥213 ≤ 10

𝑥13 + 𝑥132 +𝑥213 ≤ 10 ✓ (Linear Programming) Solver
𝑥23 + 𝑥123 +𝑥132 ≤ 15 ✓ Función de coste lineal
𝑥𝑖 ≥ 0 ✓ Restricciones lineales
TEMA 3 - DDR 2023/2024
EJERCICIOS
 Diseñe la formulación completa para la siguiente red y cada matriz de tráfico, para
minimizar el número de saltos promedio
2
0 3 4 6
10 10 𝐻1 = 3 0 5 7
4 5 0 8
6 7 8 0
1 10 3
0 14 3 6
10 10 𝐻2 = 3 0 5 12
4 4 27 0 11
0 7 9 0
TEMA 3 - DDR 2023/2024
RESUMEN (TAKEAWAY)
“LAS VARIABLES SE
“FORMULACIÓN
DEFINES SEGÚN
MÁS SIMPLE EN
LOS CAMINOS”
ODR”
- TAKEAWAYs
“LAS CAPACIDADES SE
TRANSFORMAN EN
“EL TRÁFICO EN
RESTRICCIONES DE RESTRICCIONES DE
DESIGUALDAD” IGUALDAD”
“LA FUNCIÓN OBJETIVO
ADMITE INGENIO Y
AFECTA A LA
SOLUCIÓN”
TEMA 3 - DDR 2023/2024
ÍNDICE

 Formulaciones
TEMA 3 - DDR 2023/2024
RESOLUCIÓN CON GLPK

 Octave: función glpk
 Matlab: función linprog
TEMA 3 - DDR 2023/2024

[XOPT, FMIN, ERRNUM, EXTRA] = glpk (C, A, B, LB, UB, CTYPE)

[ min | max ] C'*x
subject to A*x [ "=" | "<=" | ">=" ] b, arg 𝑚𝑖𝑛 𝑥12 + 2𝑥123 + 2𝑥213 + 𝑥13 + 2𝑥132 + 𝑥23
x >= LB, 𝑠. 𝑎. 𝑥12 + 𝑥132 = 5

𝑥13 + 𝑥123 = 7
x <= UB 𝑥23 + 𝑥213 = 8
CTYPE: [ “S" | “U" | “L" ] 𝑥12 + 𝑥123 +𝑥213 ≤ 10
𝑥13 + 𝑥132 +𝑥213 ≤ 10
𝑥23 + 𝑥123 +𝑥132 ≤ 15
𝑥𝑖 ≥ 0
TEMA 3 - DDR 2023/2024


[ min | max ] C'*x
arg 𝑚𝑖𝑛 𝑥12 + 2𝑥123 + 2𝑥213 + 𝑥13 + 2𝑥132 + 𝑥23
𝑥12 𝑠. 𝑎. 𝑥12 + 𝑥132 = 5

1
𝑥123 𝑥13 + 𝑥123 = 7
2
𝑥 𝑥23 + 𝑥213 = 8
C= 2 x= 𝑥213
1 13 𝑥12 + 𝑥123 +𝑥213 ≤ 10
2 𝑥132 𝑥13 + 𝑥132 +𝑥213 ≤ 10
1 𝑥23
𝑥23 + 𝑥123 +𝑥132 ≤ 15
𝑥𝑖 ≥ 0
TEMA 3 - DDR 2023/2024


[ min | max ] C'*x
𝑠. 𝑎. 𝑥12 + 𝑥132 = 5
𝑥13 + 𝑥123 = 7
1 0 0 0 1 0 𝑥12 5 𝑥23 + 𝑥213 = 8
0 1 0 1 0 0 𝑥123 7
𝑥 𝑥12 + 𝑥123 +𝑥213 ≤ 10
A= 0 0 1 0 0 1 x= 𝑥213 B= 8 𝑥13 + 𝑥132 +𝑥213 ≤ 10
1 1 1 0 0 0 13 10
0 0 1 1 1 0 𝑥132 10 𝑥23 + 𝑥123 +𝑥132 ≤ 15
0 1 0 0 1 1 𝑥23 15 𝑥𝑖 ≥ 0
TEMA 3 - DDR 2023/2024


[ min | max ] C'*x
x >= LB, 𝑠. 𝑎. 𝑥12 + 𝑥132 = 5

𝑥13 + 𝑥123 = 7
x <= UB 𝑥23 + 𝑥213 = 8
CTYPE: [ “S" | “U" | “L" ] 𝑥12 + 𝑥123 +𝑥213 ≤ 10
𝑥13 + 𝑥132 +𝑥213 ≤ 10
LB = zeros(6,1) UB = Inf*ones(6,1) 𝑥23 + 𝑥123 +𝑥132 ≤ 15
𝑥𝑖 ≥ 0
CTYPE = ‘SSSUUU’
TEMA 3 - DDR 2023/2024


[ min | max ] C'*x
subject to A*x [ "=" | "<=" | ">=" ] b, 1 1 0 0 0 1 0 5
2 0 1 0 1 0 0 7
x >= LB,
C= 2 A= 0 0 1 0 0 1 B= 8
x <= UB 1 1 1 1 0 0 0 10
2 0 0 1 1 1 0 10
CTYPE: [ “S" | “U" | “L" ] 1 0 1 0 0 1 1 15
LB = zeros(6,1) UB = Inf*ones(6,1)
✓ Solución: x* = [5 0 0 7 0 8], factible & única
CTYPE = ‘SSSUUU’
TEMA 3 - DDR 2023/2024
EJERCICIOS
 Considerar el ejercicio con una demanda distinta y min #saltos

0 5 12
𝐻𝑡 = 5 0 8
12 8 0
 Considerar el ejercicio con una función de coste alternativa

𝑓1 𝑥 = 2𝑥12 + 𝑥123 + 𝑥213 + 2𝑥13 + 𝑥132 + 2𝑥23
 Considerar una demanda full dúplex, capacidad establecida por sentido (por ej. 10 es
para cada sentido) y min #saltos para ambos casos
0 7 12 0 7 10
𝐻𝑡 = 5 0 8 𝐻𝑡 = 5 0 8
2 17 0 2 17 0
 Considerar el ejercicio anterior y el enrutamiento de mínima congestión

TEMA 3 - DDR 2023/2024
RESUMEN (TAKEAWAY)
“GLPK EN OCTAVE CONTIENE UN CONJUNTO DE

SOLVERS PARA PROBLEMAS DE PROGRAMACIÓN
LINEAL EN ODR”
- TAKEAWAYs
“LA COMPLEJIDAD PASA DE RESOLVER EL

PROBLEMA A FORMULARLO”
TEMA 3 - DDR 2023/2024
ÍNDICE

 Formulaciones
TEMA 3 - DDR 2023/2024
REQUISITOS DE ENTRADA
▪ Optimización matemática
▪ Compacta y no ambigua
▪ Permite conocer el problema de forma incremental
▪ Permite diferentes descripciones (formulaciones) ➔ diferentes soluciones
▪ Problemas de Optimización de Red (OdR [2])

▪ Enrutamiento (capacitated -- allocation) ➔ Tema 3
▪ Dimensionamiento (uncapacitated) ➔ Tema 4
▪ Diseño de Topología
▪ Dimensionamiento Robusto (restoration)
TEMA 3 - DDR 2023/2024
▪ En práctica: ¿Qué necesitaremos / obtendremos? Entradas y Salidas

▪ Pueden suponer la aplicabilidad o no de la metodología
Entrada Salida
Tráfico (medido) La matriz de tráfico siempre
será una entrada independientemente
o del tipo de ejercicio que tengamos
Demandas Siempre
(simulado/teórico)
Dimensionamiento,
Capacidades Enrutamiento
de los enlaces Diseño Topológico
Enrutamiento,
Topología " Diseño Topológico"
Dimensionamiento
Criterio de Optimalidad
Siempre
(Rendimiento)
TEMA 3 - DDR 2023/2024
 Matrices de Tráfico o Demanda (Traffic/Demand Matrix) demanda o tráfico
 Pares de entrada – salida

2
 PCs 1
 Routers 3
2 3
 Ingress/Egress (PoP) 0 102 23 54 102 804

6 100 0 44 46 22 55
 LANs 1 𝑯𝑡 = 12 34 0 130 12 12
60 32 204 0 32 45
 Valor medido 120 28 103 5 0 82
5
1005 34 54 114 73 0
 Bytes 4
 Paquetes
 Intervalo de medición ➔ Dependiente de la aplicación

 Horizonte de predicción ➔ Dependiente de la aplicación
TEMA 3 - DDR 2023/2024
 ¿Cómo obtener la matriz de tráfico/demanda?

 Estimación: simulación, teórico, datos históricos
 Medición (Netflow)
[4] Capítulo 5, Nucci y Papagiannaki. DESIGN,
 Imputación (SNMP ➔ Netflow) MEASUREMENT AND MANAGEMENT OF LARGE-
predicción SCALE IP NETWORKS, Cambridge Press, 2009.
Tipo Paquetes Flujos de Tráfico Estadísticas

Cabeceras,
Datos Netflow, IPFIX, … SNMP, cabeceras
Completos
Volumen ++ + -
tcpdump, wireshark, openSNMP,
Herramientas argus, nfdump
tshark, opendpi* wireshark, tshark
* Servicios Diferenciados (varias matrices de tráfico)
TEMA 3 - DDR 2023/2024
 ¿Cómo obtener la matriz de tráfico/demanda?

101.3 23 52 102 112.1 73
107 22.5 51.2 102 111 73.1
2 105.2 22.5 56.1 102 111 73
1
𝑿𝑡 = 100.9 25.1 55.1 102 … 111.7 73.1
99 23 54 102 113 73.1
3 … … … 102 … …
2 3
101.7 23.1 54 102 114 73
6
Flujo medio
1 Puede estar en
varias posiciones
𝒉𝑡 = 102 23 54 102 … 114 73 Flujo pico
Flujo efectivo
5
4 0 102 23 54 102 804
100 0 44 46 22 55
𝑯𝑡 = 12 34 0 130 12 12
60 32 204 0 32 45
Sensor Netflow 120 28 103 5 0 82
1005 34 54 114 73 0
TEMA 3 - DDR 2023/2024
EJERCICIOS
 ¿Qué tecnología de medición de tráfico utilizaría si?:

 Quiere un compromiso entre recursos consumidos y precisión
 Si además quiere implementar servicios diferenciados en base a puertos
 Si lo quiere hacer en base a inspección profunda de paquetes
 Si necesita minimizar el uso de recursos, aunque pierda en precisión
TEMA 3 - DDR 2023/2024
 Criterio de Optimalidad:
 Métricas de Rendimiento requisito de entrada
[2] Tema 3
 RMA: MTBF, MTTR, Uptime disponibilidad
 Capacidad (capacity): PDR, SDR, MDR, MBS throughput
 Retardo: INTD, HRT, ETE Delay, Round-trip Delay, Jitter

 Probabilidad de bloqueo (Blocking probability)
 Congestión (Congestion)
 Coste (Network Cost)
 Equidad (Utility & Fairness)
TEMA 3 - DDR 2023/2024
 Criterio de Optimalidad
 Para toda la red
 Derivar desde rendimiento local
 Idealmente métrica única (escalar)
 Simplifica la optimización
 Podemos ponderar múltiples criterios
𝐶𝑇 = 1000 · 𝐶1 + 10 · 𝐶2 + 𝐶3
 Intuitiva
 Fácil entender sus implicaciones
TEMA 3 - DDR 2023/2024
 Métricas de Rendimiento
 Retardo
𝑝𝑐 𝑝𝑝
 Enlace e: 𝑇𝑒 = 𝑇𝑒 + 𝑇𝑒𝑏 + 𝑇𝑒𝑡 + 𝑇𝑒
 Opción 1: Medir (ej. Ping/2)
 Opción 2: Estimar
 Camino p (ETE): 𝑇𝑝 = σ𝑒∈𝑝 𝑇𝑒

1
 Promedio en la red: 𝑇 = σ𝑝 𝑇𝑝 𝑥𝑝
σ𝑑 ℎ𝑑
ℎ𝑑 : demanda (tráfico) d-ésima

𝑥𝑝 : tráfico del camino p-ésimo
TEMA 3 - DDR 2023/2024
σ𝑒 𝑥𝑒
 Saltos promedio (Average number of hops): 𝑛ത =
σ𝑑 ℎ𝑑
 Congestión:
𝑥𝑒
 𝑐𝑔 = max 𝜌𝑒 = max ➔ Bottleneck link: utilización
𝑒 𝑒 𝑦𝑒
 𝑢 = min 𝑦𝑒 − 𝑥𝑒 ➔ Bottleneck link: ancho de banda libre

𝑒
 Coste:
𝑓 𝑓
 𝑐 = σ𝑒 𝑐𝑒 + 𝑐𝑒𝑣 (𝑦𝑒 ) + σ𝑛 𝑐𝑛 + 𝑐𝑛𝑣 (𝑦𝑛 )
TEMA 3 - DDR 2023/2024
EJERCICIOS
 Calcule el número de saltos promedio y la congesión (cg y u) para la red

solución de los ejercicios 4.a y 4.b
4.a 4.b
x12: 5 x12: 2.5

x123: 2 x123: 6.0
x213: 0 x213: 1.5
x13: 10 x13: 6.0
x132: 0 x132: 2.5
x23: 8 x23: 6.5
TEMA 3 - DDR 2023/2024
 Asignación de recursos (Resource allocation):
 𝑥𝑎 : asignación al usuario a-ésimo
 Network Utility Maximization
 𝑈𝑎 ( 𝑥𝑎 ) : utilidad
 max σ𝑎 𝑈𝑎 ( 𝑥𝑎 )
𝑥
 Equidad [2] Pg 45
 Max-min fairness
∗
𝑥𝑎 −𝑥𝑎
 Proportionally fair: σ𝑎 𝑥 ∗ ≤ 0, ∀𝑥 𝑓𝑎𝑐𝑡𝑖𝑏𝑙𝑒
𝑎
TEMA 3 - DDR 2023/2024
EJERCICIOS
 Derive la función de pérdidas del retardo promedio de la red

considerando:
 Que los retardos de procesamiento, propagación y transmisión son
constantes.
 Que el retardo de cola es H=0.5
1/2(1−𝐻)
𝐿 𝜌𝑒
𝑇𝑒𝑏 ≈ · 𝐻 ∈ 0.5, 1 , 𝜌𝑒 = 𝑥𝑒 /𝑦𝑒
𝑦𝑒 (1−𝜌𝑒 )𝐻/(1−𝐻)
TEMA 3 - DDR 2023/2024
EJERCICIOS
 Considerar el ejercicio con una demanda distinta y min #saltos

0 5 12
𝐻𝑡 = 5 0 8
12 8 0
 Considerar el ejercicio con una función de coste alternativa

𝑓1 𝑥 = 2𝑥12 + 𝑥123 + 𝑥213 + 2𝑥13 + 𝑥132 + 2𝑥23
 Considerar una demanda full dúplex, capacidad establecida por sentido (por ej. 10 es
para cada sentido) y min #saltos para ambos casos
0 7 12 0 7 10
𝐻𝑡 = 5 0 8 𝐻𝑡 = 5 0 8
2 17 0 2 17 0
 Considerar el ejercicio anterior y el enrutamiento de mínima congestión

TEMA 3 - DDR 2023/2024
RESUMEN (TAKEAWAY)
“MEDIR EL ESTADO
DE LA RED ES
NECESARIO PARA
APLICAR ODR”
“DISTINTAS
APLICACIONES TIENEN
DISTINTOS
REQUISITOS”
“LA PRECISIÓN EN LA
MEDIDA DEL ESTADO
INFLUYE EN LA CONFIANZA
DEL RESULTADO”
TEMA 3 - DDR 2023/2024
ÍNDICE

 Formulaciones
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Cambio de notación: Formulación Flujo-Camino-Demanda (FCD)

 Flow-Path [2], Link-Path en [1]
2 ℎ3 = 10
ℎ1 = 15 Referencia [1]
1 3
ℎ2 = 20
𝑃𝑑𝑝 : camino (path) p-ésimo para ℎ𝑑
2 2
𝑥𝑑𝑝 : flujo de tráfico en 𝑃𝑑𝑝
𝑦2 = 20 𝑦1 = 30
𝑃31
𝑃11 𝑃32 𝑦𝑒 : capacidad del enlace e-ésimo
4 4
𝑦4 = 30 𝜉𝑑𝑝 : coste asociado al flujo 𝑥𝑑𝑝
𝑃22 𝑦3 = 20
1 3 1 3
𝑃21 𝑦5 = 30
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Modificación de la notación: Notación Flujo-Camino-Demanda (FCD)

 Restricciones por demanda
2 ℎ3 = 10
ℎ1 = 15
1 3 ෍ 𝑥𝑑𝑝 = ℎ𝑑
ℎ2 = 20
𝑃𝑑𝑝 : camino (path) p-ésimo para ℎ𝑑 𝑝
2
𝑥𝑑𝑝 : flujo de tráfico en 𝑃𝑑𝑝 𝑥11 = ℎ1
𝑃31
𝑃32 𝑦𝑒 : capacidad del enlace e-ésimo 𝑥21 + 𝑥22 = ℎ2
𝑃11
4 𝑥31 + 𝑥32 = ℎ3
𝑃22
𝜉𝑑𝑝 : coste asociado al flujo 𝑥𝑑𝑝
1 3
𝑃21
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Modificación de la notación: Notación Flujo-Camino-Demanda (FCD)

 Restricciones por capacidad
1 𝑠𝑖 𝑥𝑑𝑝 𝑝𝑎𝑠𝑎 𝑝𝑜𝑟 el enlace e−ésimo

𝛿𝑒𝑑𝑝 :
0 𝑒𝑛 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
2 2
𝑦2 = 20 𝑦1 = 30
𝑃31
𝑃11 𝑃32
4 4
𝑦4 = 30
𝑃22 𝑦3 = 20
1 3 1 3
𝑃21 𝑦5 = 30
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Modificación de la notación: Formulación Flujo-Camino-Demanda (FCD)

 Restricciones por capacidad

2 2 ෍ ෍ 𝛿𝑒𝑑𝑝 𝑥𝑑𝑝 ≤ 𝑦𝑒
𝑃𝑑𝑝 : camino (path) p-ésimo para ℎ𝑑 𝑑 𝑝
𝑦2 = 20 𝑦1 = 30
𝑃31
𝑃11 𝑃32 𝑥𝑑𝑝 : flujo de tráfico en 𝑃𝑑𝑝 𝑥3,1 ≤ 𝑦1
4 4 𝑥1,1 + 𝑥3,2 ≤ 𝑦2
𝑃22
𝑦4 = 30
𝑦𝑒 : capacidad del enlace e-ésimo
𝑦3 = 20 𝑥2,2 + 𝑥3,2 ≤ 𝑦3
1 3 1 3
𝑃21 𝑦5 = 30 𝜉𝑑𝑝 : coste asociado al flujo 𝑥𝑑𝑝 𝑥1,1 + 𝑥2,2 ≤ 𝑦4
𝑥2,1 ≤ 𝑦5
1 𝑠𝑖 𝑥𝑑𝑝 𝑝𝑎𝑠𝑎 𝑝𝑜𝑟 el enlace e−ésimo
𝛿𝑒𝑑𝑝 :
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Modificación de la notación: Formulación Flujo-Camino-Demanda (FCD)

 Función de coste
ℎ𝑑 : demanda (tráfico) d-ésima F = ෍ 𝜉𝑝 ෍ 𝑥𝑑,𝑝

2 𝑝 𝑑
𝑃𝑑𝑝 : camino (path) p-ésimo para ℎ𝑑
𝑃31
𝑃11 𝑃32 𝑥𝑑𝑝 : flujo de tráfico en 𝑃𝑑𝑝
4 F = ෍ ෍ 𝜉𝑑,𝑝 𝑥𝑑,𝑝
𝑦𝑒 : capacidad del enlace e-ésimo 𝑝 𝑑
𝑃22
1 3 𝜉𝑑𝑝 : coste asociado al flujo 𝑥𝑑𝑝
𝑃21
F = 2𝑥1,1 + 𝑥2,1 + 2𝑥2,2 +
1 𝑠𝑖 𝑥𝑑𝑝 𝑝𝑎𝑠𝑎 𝑝𝑜𝑟 el enlace e−ésimo 𝑥3,1 + 2𝑥3,2
𝛿𝑒𝑑𝑝 :
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Formulación FCD: Problema de Routing (de mínimo coste/flujo)

 Minimizar
 Ctes (entradas)
F = ෍ ෍ 𝜉𝑑𝑝 𝑥𝑑𝑝 ℎ𝑑 : demanda (tráfico) d
𝑝 𝑑
𝑦𝑒 : capacidad del enlace e
 Sujeto a 𝛿𝑒𝑑𝑝 : 1 si 𝑥𝑑𝑝 pasa por el enlace e, 0 sino
𝜉𝑑𝑝 : coste asociado al flujo 𝑥𝑑𝑝
෍ 𝑥𝑑𝑝 = ℎ𝑑 , 𝑑 = 1, … , 𝐷
𝑝
 Vars (salidas)
෍ ෍ 𝛿𝑒𝑑𝑝 𝑥𝑑𝑝 ≤ 𝑦𝑒 , 𝑒 = 1, … , 𝐸 𝑥𝑑𝑝 : flujo en camino p para ℎ𝑑
𝑑 𝑝
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Formulación FCD: Problema de Routing
Entrada Salida
Tráfico (medido)
o
Demandas Siempre
(simulado/teórico)
Dimensionamiento,
Capacidades Enrutamiento
Diseño Topológico
Enrutamiento,
Topología Diseño Topológico
Dimensionamiento
Criterio de Optimalidad
Siempre
(Rendimiento)
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Formulación FCD: Problema de Routing (de mínimo coste/flujo)
 Ctes (entradas)
 Tráfico
ℎ𝑑 : demanda (tráfico) d
 Capacidades
𝑦𝑒 : capacidad del enlace e
 Topología 𝛿𝑒𝑑𝑝 : 1 si 𝑥𝑑𝑝 pasa por el enlace e, 0 sino
 Criterio de Optimalidad 𝜉𝑑𝑝 : coste asociado al flujo 𝑥𝑑𝑝
TEMA 3 - DDR 2023/2024
EJERCICIOS
 Derive la formulación general (teórica) FCD para el problema de

enrutamiento de:
 Mínima congestión
 Mínimo retardo
 Mínimo retardo con mínimo coste OPEX
TEMA 3 - DDR 2023/2024
EJERCICIOS
 Resuelva el problema de enrutamiento para mínimo coste OPEX y las

siguientes entradas con FCD, y calcule el OPEX:
2 ℎ3 = 10
ℎ1 = 15
OPEX mensual:
1 3
ℎ2 = 20 Unidades: Gbps
𝑓
𝑐𝑒 =1K€
2 2
𝑦2 = 20 𝑦1 = 30
𝑐𝑒𝑣 =[50 100 50 200 50] €/Gbps
𝑃31
𝑃11 𝑃32
4 4
𝑦4 = 30
𝑃22 𝑦3 = 20
1 3 1 3
𝑃21 𝑦5 = 30
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Formulación Alternativa: Flujo-Enlace-Demanda

 FCD: Flow-Path [2], Link-Path en [1]
 𝑥𝑑𝑝 : flujo en camino p para ℎ𝑑
4
 FED: Flow-Link [2], Node-Link en [1]
4 variables
d2
𝑥𝑑23
 𝑥𝑑𝑒 : flujo en enlace e para ℎ𝑑
𝑥𝑑11 𝑥𝑑12 + 𝑥𝑑22

1 2 3
d1 d1+ d2
TEMA 3 - DDR 2023/2024
FORMULACIONES

 Restricciones de conservación de flujo
𝑥𝑑1 𝑥𝑑2
1 2 3
𝒂𝒆𝒗 𝑠𝑑 𝑡𝑑 𝒃𝒆𝒗
𝑎11 =1 d d 𝑏11 =0
𝑎12 =0 𝑏12 =1
𝑎13 =0 𝑏13 =0
𝑎21 =0 𝑏21 =0
𝑎22 =1 𝑏22 =0
𝑎23 =0 𝑏23 =1
TEMA 3 - DDR 2023/2024
FORMULACIONES

 Restricciones de conservación de flujo: V x D
𝑥𝑑1 𝑥𝑑2
1 2 3
𝑠𝑑 𝑡𝑑
ℎ𝑑 , 𝑠𝑖 𝑣 = 𝑠𝑑
𝒂𝒆𝒗 𝒃𝒆𝒗
σ𝑒 𝑎𝑒𝑣 𝑥𝑑𝑒 − σ𝑒 𝑏𝑒𝑣 𝑥𝑑𝑒 = ቐ−ℎ𝑑 , 𝑠𝑖 𝑣 = 𝑡𝑑 , 𝑣 = 1, … , 𝑉 𝑑 = 1, … , 𝐷
0, 𝑜𝑡𝑟𝑜
𝑎11 = 1 𝑏12 = 1
𝑥𝑑1 = ℎ𝑑
𝑎22 = 1 𝑥𝑑2 − 𝑥𝑑1 = 0 𝑏23 = 1
− 𝑥𝑑2 = −ℎ𝑑
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Formulación FED: Problema de Routing (de mínimo coste/flujo)

 Minimizar  Ctes (entradas)
ℎ𝑑 : demanda (tráfico) d
F = ෍ ෍ 𝜉𝑑𝑒 𝑥𝑑𝑒
𝑒 𝑑 𝑦𝑒 : capacidad del enlace e
𝑎𝑒𝑣 : 1 enlace e empieza en nodo v, 0 sino
 Sujeto a
𝑏𝑒𝑣 : 1 enlace e termina en nodo v, 0 sino
ℎ𝑑 , 𝑠𝑖 𝑣 = 𝑠𝑑 𝑠𝑑 : nodo origen de d
σ𝑒 𝑎𝑒𝑣 𝑥𝑑𝑒 − σ𝑒 𝑏𝑒𝑣 𝑥𝑑𝑒 = ቐ−ℎ𝑑 , 𝑠𝑖 𝑣 = 𝑡𝑑 ,
0, 𝑜𝑡𝑟𝑜 𝑡𝑑 : nodo destino de d
𝑣 = 1, … , 𝑉 𝑑 = 1, … , 𝐷
𝜉𝑑𝑒 : coste asociado al flujo 𝑥𝑑𝑒
 Vars (salidas)
෍ 𝑥𝑑𝑒 ≤ 𝑦𝑒 , 𝑒 = 1, … , 𝐸
𝑑 𝑥𝑑𝑒 : flujo en enlace e para ℎ𝑑
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Formulación FED: Problema de Routing

 Ctes (entradas)
 Tráfico ℎ𝑑 : demanda (tráfico) d
 Capacidades 𝑦𝑒 : capacidad del enlace e

 Topología
𝑠𝑑 : nodo origen de d
𝑡𝑑 : nodo destino de d
 Criterio de Optimalidad 𝜉𝑑𝑒 : coste asociado al flujo 𝑥𝑑𝑒
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Formulación FED: ℎ𝑑 , 𝑠𝑖 𝑣 = 𝑠𝑑
σ𝑒 𝑎𝑒𝑣 𝑥𝑑𝑒 − σ𝑒 𝑏𝑒𝑣 𝑥𝑑𝑒 = ቐ−ℎ𝑑 , 𝑠𝑖 𝑣 = 𝑡𝑑 , 𝑣 = 1, … , 𝑉 𝑑 = 1, … , 𝐷
0, 𝑜𝑡𝑟𝑜
a = [ …. ; … ]; % orígenes [ExV]
b = [ …. ; … ]; % destinos [ExV]
c = [ …. ; … ]'; % demandas [VxD]
A = [];
B = [];
for v=1:V, % restricciones de igualdad
for d=1:D
xcoef = zeros(E,D);
xcoef(:,d) = a(:,v)-b(:,v);
A = [A;[xcoef(:)' zeros(1,E)]];
B = [B;c(v,d)];
end
end
TEMA 3 - DDR 2023/2024
EJERCICIOS
 Resuelva el problema de enrutamiento para mínimo coste OPEX y las siguientes

entradas con FED, y calcule el OPEX. Por simplicidad, considere demandas y enlaces
en un sentido:
2 ℎ3 = 10
ℎ1 = 15
OPEX mensual:
1 3
𝑓
𝑐𝑒 =1K€
2 2
𝑦2 = 20 𝑦1 = 30
𝑐𝑒𝑣 =[50 100 50 200 50] €/Gbps
4 4
𝑦4 = 30
𝑦3 = 20
1 3 1 3
𝑦5 = 30
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Formulación Alternativa II: Flujo-Enlace-Destino

4 FED
 FCD: Flow-Path [2], Link-Path en [1] 4 variables
d2
𝑥𝑑23
 𝑥𝑑𝑝 : flujo en camino p para ℎ𝑑 𝑥𝑑11 𝑥𝑑12 + 𝑥𝑑22

1 2 3
 FED: Flow-Link [2], Node-Link en [1]

d1 d1+ d2
 𝑥𝑑𝑒 : flujo en enlace e para ℎ𝑑 4
 FED2: Destination-Link [2]

𝑥33 FED2
 𝑥𝑡𝑒 : flujo en enlace e para destino nodo t
3 variables
𝑥31
1 2 3
𝑥32 =𝑥31 +𝑥33

TEMA 3 - DDR 2023/2024
FORMULACIONES
 Formulación Alternativa: Flujo-Enlace-Destino

 Restricciones de conservación de flujo
𝑥33
𝒂𝒆𝒗 𝑥31 𝑥32 𝒃𝒆𝒗

1 2 3
𝑎11 = 1 𝑏12 = 1
+
𝑎22 = 1 𝑏23 = 1
TEMA 3 - DDR 2023/2024
FORMULACIONES

 Restricciones de conservación de flujo: V x V
𝑥31 𝑥32
1 2 3
𝑡
ℎ𝑣𝑡 , 𝑠𝑖 𝑣 ≠ 𝑡
𝒂𝒆𝒗 𝒃𝒆𝒗
෍ 𝑎𝑒𝑣 𝑥𝑡𝑒 − ෍ 𝑏𝑒𝑣 𝑥𝑡𝑒 = − ෍ ℎ , 𝑠𝑖 𝑣 = 𝑡 , 𝑡, 𝑣 = 1, … , 𝑉
𝑠𝑡
𝑒 𝑒
𝑠
𝑎11 = 1 𝑏12 = 1
𝑥31 = ℎ13
𝑎22 = 1 𝑏23 = 1
𝑥32 − 𝑥31 = ℎ23
−𝑥32 = −ℎ13 −ℎ23
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Formulación FED2: Problema de Routing (de mínimo coste/flujo)

 Minimizar  Ctes (entradas)
ℎ𝑣𝑡 : demanda (tráfico) desde v a t
F = ෍ ෍ 𝜉𝑡𝑒 𝑥𝑡𝑒
𝑒 𝑡 𝑦𝑒 : capacidad del enlace e
 Sujeto a
ℎ𝑣𝑡 , 𝑠𝑖 𝑣 ≠ 𝑡
𝜉𝑡𝑒 : coste asociado al flujo 𝑥𝑡𝑒
෍ 𝑎𝑒𝑣 𝑥𝑡𝑒 − ෍ 𝑏𝑒𝑣 𝑥𝑡𝑒 = − ෍ ℎ , 𝑠𝑖 𝑣 = 𝑡 ,
𝑠𝑡
𝑒 𝑒
𝑠
𝑡, 𝑣 = 1, … , 𝑉
 Vars (salidas)
෍ 𝑥𝑣𝑒 ≤ 𝑦𝑒 , 𝑒 = 1, … , 𝐸
𝑣 𝑥𝑡𝑒 : flujo en enlace e con destino t
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Formulación FED2: Problema de Routing

 Ctes (entradas)
 Tráfico ℎ𝑣𝑡 : demanda (tráfico) desde v a t
 Capacidades 𝑦𝑒 : capacidad del enlace e

 Topología
 Criterio de Optimalidad
𝜉𝑡𝑒 : coste asociado al flujo 𝑥𝑡𝑒
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Formulación FED2: ℎ𝑣𝑡 , 𝑠𝑖 𝑣 ≠ 𝑡

෍ 𝑎𝑒𝑣 𝑥𝑡𝑒 − ෍ 𝑏𝑒𝑣 𝑥𝑡𝑒 = − ෍ ℎ , 𝑠𝑖 𝑣 = 𝑡 , 𝑡, 𝑣 = 1, … , 𝑉
𝑠𝑡
𝑒 𝑒
𝑠
a = [ … ; … ]; % orígenes [VxE]
b = [ … ; … ]; % destinos [VxE]
c = [ … ; … ]; % destinos routing [VxV]
A = [];
B = [];
for v=1:V, % restricciones de igualdad
for t=1:V
xcoef = zeros(E,V);
xcoef(:,t) = a(v,:)'-b(v,:)';
A = [A;[xcoef(:)' zeros(1,E)]];
B = [B;c(v,t)];
end
end
TEMA 3 - DDR 2023/2024
EJERCICIOS
 Resuelva el problema de enrutamiento para mínimo coste OPEX y las

siguientes entradas con FED2, y calcule el OPEX:
2 ℎ3 = 10
ℎ1 = 15
OPEX mensual:
1 3
𝑓
𝑐𝑒 =1K€
2 2
𝑦2 = 20 𝑦1 = 30
𝑐𝑒𝑣 =[50 100 50 200 50] €/Gbps
4 4
𝑦4 = 30
𝑦3 = 20
1 3 1 3
𝑦5 = 30
TEMA 3 - DDR 2023/2024
FORMULACIONES
 Comparativa
 FCD ➔ P x D variables,
 La complejidad crece con el número de caminos
 Cuando hay un subconjunto de caminos admisibles
 Cuando el número de caminos es limitado
 FED ➔ E x D variables
 La complejidad suele ser menor que FCD, en # vars y # restricciones
 Pero no necesariamente + rápido
 FED2 ➔ E x V variables
 Cuando el enrutamiento se hace por destino
 La complejidad suele ser menor que FED , en # vars y # restricciones
 A menudo + rápido
TEMA 3 - DDR 2023/2024
RESUMEN (TAKEAWAY)
“LAS FORMULACIONES SON COMO HERRAMIENTAS EN LA

CAJA DE HERRAMIENTAS DEL ODR, Y PUEDEN DAR
RESULTADOS DIFERENTES”
- TAKEAWAYs
“PODEMOS DISEÑAR NUEVAS FORMULACIONES, ANTE

PROBLEMAS COMPLEJOS”
“LA FORMULACIÓN ES TAN O MÁS IMPORTANTE QUE EL

SOLVER, INCLUSO AL APLICAR IA”
TEMA 3 - DDR 2023/2024
PARA SABER MÁS…
 Optimization of Computer Networks: Modeling and Algorithms: A Hands-On Approach, Wiley, 2016.
 Section 4.6. Variantes de problemas de routing
 Appendix IV: Net2Plan
 Part II: Algorithms
 H. Kim. Design and Optimization for 5G Wireless Communications, Wiley, 2020.
 Network programmability
 IA en problemas de OdR
TEMA 3 - DDR 2023/2024
TEMA 3: OPTIMIZACIÓN DE RED

DISEÑO Y DIMENSIONADO DE REDES (DDR)
2023/2024
Prof. José Camacho

josecamacho@ugr.es
Ingeniería Telemática (TSTC)
https://prado.ugr.es/

Tema3 2324

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema3 2324

Cargado por

Copyright:

Formatos disponibles

TEMA 3 - DDR 2023/2024

TEMA 3: OPTIMIZACIÓN DE RED

Prof. José Camacho

[1] Capítulo 2. M. Pióro, D. Medhi. Routing, Flow, and Capacity Design in

[2] Capítulos 3 y 4. P. Pavón. Optimization of Computer Networks: Modeling and

 Tema 3. Optimización de Red (12 h)

 Industrial Feedback Controller  Autonomous Networks

Set Point IBN

 Necesidad de obtener datos ricos, (garbage in/out) M2M

 Conectar la tecnología con las necesidades de negocio

 Intent-based Networking (IBN)

 IM 2021: Automatización basad en IA

 Tutorial 1 – Next-Generation Closed-Loop Automation – An Inside View

 CNSM 2022: 18th International Conference on Network and Service Management

 NOMS 2023: IEEE/IFIP Network Operations and Management Symposium

“EL FUTURO DE LAS

 Tema 3. Optimización de Red (12 h)

INTRODUCCIÓN A LA OPTIMIZACIÓN MATEMÁTICA

 En una red razonablemente compleja:

INTRODUCCIÓN A LA OPTIMIZACIÓN MATEMÁTICA

 Técnicas de Evaluación del Rendimiento

INTRODUCCIÓN A LA OPTIMIZACIÓN MATEMÁTICA

 Optimización Matemática (DDR)

 Diseño Estadístico de Experimentos + Análisis de Datos (PERS)

INTRODUCCIÓN A LA OPTIMIZACIÓN MATEMÁTICA

INTRODUCCIÓN A LA OPTIMIZACIÓN MATEMÁTICA

𝑥 ∗ = arg min 𝑓(𝑥) 𝑔𝑖 𝑥 ≤ 0, 𝑖 = 1 … 𝑚, 𝑎𝑛𝑑 ℎ𝑗 𝑥 = 0, 𝑗 = 1 … 𝑝

0 102 23 54 102 804

INTRODUCCIÓN A LA OPTIMIZACIÓN MATEMÁTICA

 Diseño Estadístico de Experimentos + Análisis de Datos:

INTRODUCCIÓN A LA OPTIMIZACIÓN MATEMÁTICA

 Metodologías Analíticas + Teórico + Experimental

TdC OM DoE & AD

Asunciones Requisitos de medición Adecuado para

 ¿Qué técnica analítica es más adecuada?:

INTRODUCCIÓN A LA OPTIMIZACIÓN MATEMÁTICA

▪ Problema de Optimización: Problema donde es posible definir una formulación

INTRODUCCIÓN A LA OPTIMIZACIÓN MATEMÁTICA

𝑥 ∗ = arg min 𝑓(𝑥) 𝑔𝑖 𝑥 ≤ 0, 𝑖 = 1 … 𝑚, 𝑎𝑛𝑑 ℎ𝑗 𝑥 = 0, 𝑗 = 1 … 𝑝

▪ Ej. 𝑥 ∗ = arg min 𝑥1 2 − 𝑥2 2 𝑥1 2 + 𝑥2 2 − 1 ≤ 0, 𝑎𝑛𝑑 𝑥3 = 0

✓ Función de coste/ben 𝑓(𝑥) =(𝑥1 )2 −(𝑥2 )2

✓ Espacio de Búsqueda -0.5 -0.5

 Ponga ejemplos de objetivos de Problemas de Optimización de Redes

“LA OPTIMIZACIÓN MATEMÁTICA ES UNA

“LA COMPLEJIDAD PASA DE RESOLVER EL

 Tema 3. Optimización de Red (10 h)

 Ejemplo de problema: ¿Cómo encaminar el tráfico?

 Ejemplo de problema: ¿Cómo encaminar el tráfico?

 Ejemplo de problema: ¿Cómo encaminar el tráfico?

𝑥12 + 𝑥123 +𝑥213 ≤ 10

10 𝑥23 + 𝑥123 +𝑥132 ≤ 15

 Ejemplo de problema: ¿Cómo encaminar el tráfico?

 Ejemplo de problema: ¿Cómo encaminar el tráfico?

𝑓 𝑥 = 𝑥12 + 2𝑥123 + 2𝑥213 + 𝑥13 + 2𝑥132 + 𝑥23

 Ejemplo de problema: ¿Cómo encaminar el tráfico?

𝑎𝑟𝑔 𝑚𝑖𝑛 𝑥12 + 2𝑥123 + 2𝑥213 + 𝑥13 + 2𝑥132 + 𝑥23 1

𝑥23 + 𝑥213 = 8 0 0.5

𝑥12 + 𝑥123 +𝑥213 ≤ 10

 Tema 3. Optimización de Red (10 h)

RESOLUCIÓN CON GLPK

 Ejemplo de problema: ¿Cómo encaminar el tráfico?

RESOLUCIÓN CON GLPK

 Ejemplo de problema: ¿Cómo encaminar el tráfico?