masterThesis
Um estudo sobre otimizações evolucionárias na mitigação de efeitos não-lineares em canais ópticos elásticos
Autor
SENA, Matheus Ribeiro
Institución
Resumen
ALMEIDA JUNIOR, Raul Camelo de Andrade, também é conhecido(a) em citações bibliográficas por: ALMEIDA, Raul Camelo de Andrade Redes ópticas elásticas oferecem uma solução promissora ao desafio de alocação adaptativa de recursos de acordo com as demandas vigentes de comunicação. Em tempos em que a conectividade impera, a não-restrição aos tradicionais 50GHz a que canais ópticos estão submetidos (em redes WDM) também impõe diversidade nas formas em que interações físicas não-lineares se manifestam em novas composições de arranjos espectrais. Movida pela elaboração de modelos matemáticos de propagação não-linear com baixa complexidade computacional, a busca pela fidelidade de reprodução de efeitos de camada física amplia o campo de análise em simulações de redes e permite avanço em otimizações que garantam QoT. Adicionalmente, a penetração de técnicas de Inteligência Artificial em aplicações de engenharia permite uma investigação eficiente (quando comparada a técnicas tradicionais de programação matemática) de dois problemas específicos na busca de mitigação das imperfeições físicas, o de determinação de perfis de potência e de alocação espectral. Neste contexto, o presente trabalho estuda a aplicação de duas técnicas de otimização baseadas em Inteligência Artificial: otimização por enxame de partículas e algoritmo genético, traçando um paralelo entre características biológicas com o enredo de transmissão óptica na tentativa de prover diversidade em perfis que atendam de forma apropriada as circunstâncias encontradas em redes de comunicação. Por fim, o contraste entre as duas meta-heurísticas propõe no algoritmo genético uma candidatura favorável na tratativa dos modelos não-lineares discutidos, por apresentar eficácia satisfatória quando comparado a recursos matemáticos amplamente utilizados. Além disso, a concordância com resultados científicos publicados e a possibilidade de análises de compromisso multiobjetivas, elencam o algoritmo genético com forte credibilidade para tratativas de otimização no campo de transmissão óptica. Elastic optical networks offer a promising solution to the challenge of adaptive allocation of resources according to the current demands of communication. In times when connectivity rules, no impediments to traditional 50GHz bandwidth in which optical channels are confined (in WDM networks) also imposes diversity in how nonlinear physical interactions manifest in new spectrum arrangement frameworks. Driven by the elaboration of nonlinear propagation mathematical models with low computational complexity, the search for fidelity on reproduction of physical layer effects expands the analysis field in network simulations and permits the advance in optimizations that guarantee QoT. In addition, the penetration of artificial intelligence techniques in engineering applications allows an efficient investigation (when compared to traditional mathematical programming techniques) of two specific problems in the search for mitigation of physical imperfections, which are the determination of launch power profiles and spectral allocation. In this context, the present work studies the application of two evolutionary optimization techniques: particle swarm optimization and genetic algorithm, drawing a parallel between biological features and the optical transmission plot in an attempt to provide diversity in profiles that properly meet the circumstances found in communication networks. Finally, the contrast between the two meta-heuristics proposes in genetic algorithm a favorable application in the approach of the nonlinear models discussed for having satisfactory efficiency when compared to widely used mathematical techniques. Besides, the agreement with published scientific results and the possibility of multi-objective compromise analysis, empower genetic algorithm with strong credibility for optimization studies in the field of optical transmission.