Engenharia de tráfego robusta usando computação evolucionária para otimização de protocolos de encaminhamento

Abstract

Nos últimos anos, têm surgido várias soluções que visam alcançar configurações eficientes para o encaminhamento de tráfego OSPF (Open Shortest Path First). Este trabalho tem por intento a prossecução da investigação nessa área, com o objetivo de alcançar mecanismos de otimização eficientes que sejam resilientes a mudanças relevantes no ambiente de uma rede. Essas alterações podem resultar de vários fatores, tais como, mudanças nas necessidade de tráfego, novas restrições de Qualidade de Serviço que têm de ser consideradas, alteração de compromissos entre objetivos de otimização, mudanças na topologia de rede, que resultem de atualizações (ou falhas) na infra-estrutura de rede, entre muitas outras possibilidades. Neste contexto, este trabalho irá consistir no desenvolvimento de técnicas de otimização, inspiradas no campo da Computação Evolucionária, que procuram resolver tais problemas. Em particular, serão testados vários algoritmos e configurações com o intuito de obter métodos que sejam capazes de fornecer configurações otimizadas de pesos OSPF robustas a alterações nos requisitos de tráfego e à falha de links. Para além de métodos que recorrem a multi-topologias, serão testados métodos que procuram otimizar configurações de pesos OSPF para duas matrizes de requisitos de tráfego, bem como métodos que procuram otimizar as configurações de pesos para a falha do link com maior carga. Para obter rapidamente novas configurações de pesos ideais (ou quase), também serão abordadas questões como a inicialização da população inicial em EAs (Algoritmos Evolucionários). Estes métodos e opções de configuração serão integrados numa aplicação amigável de apoio a administradores de redes.

Over the past years, several solutions have emerged with the purpose of achieving efficient OSPF (Open Shortest Path First) routing configurations. This work intends to pursue such research aiming to devise efficient optimization mechanisms resilient to relevant changes in the network environment. Those changes may result from several factors such as, changes in the considered traffic demands, new Quality of Service constraints that should be considered, new tradeoffs between the optimization goals, network topology changes resulting from updates (or failures) in the network infrastructure, among many other possibilities. Under such circumstances, this work will devise optimization techniques inspired in the field of Evolutionary Computation to address such problems. In particular, several algorithms and configurations will be tested to achieve methods that are able to provide optimized OSPF weights configurations robust to changes in traffic demands and to link failure. In addition to methods that use multi-topology, methods that attempt to optimize OSPF weights settings for two traffic demands will be tested, as well as methods that attempt to optimize weights settings for the loadest link failure. To rapidly accomplish new (near) optimal weights, issues such as the seeding of the initial population in EAs (Evolutionary Algorithms) will be addressed. These methods and configuration options will be integrated into a user friendly application to support network administrators.