Search

Os fluxos de tráfego de rede que chegam na estação rádio base para serem transmitidos para os usuários móveis em uma rede 5G podem entram em processo de espera em filas até que taxas de transmissões sejam fornecidas. Com o intuito de minimizar o tempo de espera dos usuários nas filas, este trabalho propõe o emprego de algoritmos de controle de fluxos através da predição do comportamento da fila dos usuários. Assim, quanto mais precisa for a predição dos dados, mais eficiente será o controle de fluxos. Neste trabalho, são propostos dois algoritmos de modelagem adaptativa baseados nos modelos Lognormal Beta e BetaMWM para descrever o tráfego de rede e permitir o uso dos mesmos em aplicações de tempo real, como é o caso da rede 5G. Simulações são realizadas em comparações a modelos multifractais encontrados na literatura para validar os algoritmos propostos, onde resultados em termos de valor esperado, variância, momentos de 2º a 4º ordem, erros quadráticos médios da autocorrelação e da função de distribuição comprovam que os algoritmos são eficientes e podem ser utilizados de forma adaptativa. Para realizar o controle de fluxos, também é proposta uma equação para obtenção da taxa ótima de controle baseado na predição, onde Funções de Bases Ortonormais Generalizadas e modelagem fuzzy são empregadas. Também são realizadas simulações do enlace de descida 5G para validar os algoritmos de controle de fluxos propostos. Para tal, resultados em termos de Vazão, Utilização, Taxa de Perda, Atraso e Tamanho Médio da Fila de espera são apresentados, comprovando a eficiência no emprego dos modelos multifractais, das funções de base ortonormais e da modelagem fuzzy em algoritmos de controle de fluxo aplicado no enlace de descida 5G. Aproveitando-se da modelagem multifractal proposta, também é proposta uma equação para estimar o limitante de atraso para as futuras recomendações prevista da rede 5G através do uso da teoria do Cálculo de Rede. Para isto, propõe-se um processo envelope estocástico para fluxos de tráfego de rede baseados no modelo Lognormal Beta Adaptativo que é comparado com os processos envelopes conhecidos na literatura. The network traffic flows that arrive at the base station to be transmitted to the mobile users, in a 5G network system, enter the queuing process until transmission rates are provided. In order to minimize the delay, this work proposes the use of flow control algorithms based on the prediction of user queue behavior. Thus, the more accurate the data prediction, the greater the accuracy and control of flow control algorithms. To improve accuracy, models describing the behavior of network traffic are employed. In this work, two adaptive modeling algorithms based on the Lognormal Beta and BetaMWM models are proposed to model the network traffic and allow its use in real-time applications, such as the 5G network. Simulations are performed in comparisons to multifractal models found in the literature to validate the proposed algorithms, where results in terms of expected value, variance, moments of 2º to 4º order, mean squared errors of autocorrelation and distribution function prove the adaptively use of the algorithms. To perform the flow control, an equation is also proposed to obtain the optimal prediction-based control rate, where generalized ortonormal functions and fuzzy modeling are employed. Simulations of the Downlink 5G link are also performed to validate the proposed flow control algorithms. For this, results in terms of Flow, Utilization, Loss Rate, Delay and Average Waiting Queue are presented, proving the efficiency in the use of multifractal models, orthonormal basis functions, and fuzzy modeling in flow control algorithms for Downlink 5G systems. Taking advantage of the proposed multifractal modeling, an equation is also proposed to estimate the delay limitation for the first recommendations of the 5G network using the network calculation theory. For this, it is proposed a stochastic envelope process for network traffic based on the Adaptive Beta Lognormal model where comparisons with envelope processes known in the literature are performed. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES

Neste trabalho propomos um modelo fuzzy, nomeado Fuzzy LMS com Autocorrela¸c˜ao Multifractal, cujos pesos s˜ao calculados atrav´es de informa¸c˜oes provindas da an´alise multifractal de s´eries temporais. Esses pesos s˜ao encontrados incorporando uma express˜ao anal´ıtica para a fun¸c˜ao de autocorrela¸c˜ao de um modelo multifractal no algoritmo de treinamento do modelo fuzzy que tem como base o filtro de Wiener-Hopf. Avaliamos ent˜ao o desempenho de predi¸c˜ao de tr´afego de redes do modelo fuzzy proposto adaptativo com rela¸c˜ao a outros preditores. Em seguida, propomos um esquema de aloca¸c˜ao de banda para tr´afego de redes baseado no algoritmo Fuzzy LMS com Autocorrela¸c˜ao Multifractal. Compara¸c˜oes com outros esquemas de aloca¸c˜ao de banda em termos de taxa de perda de bytes, utiliza¸c˜ao do enlace, ocupa¸c˜ao do buffer e tamanho m´edio da fila comprovam a eficiˆencia do algoritmo no esquema utilizado. Al´em disso, propomos um outro algoritmo fuzzy adaptativo para controle de fluxos de tr´afego que podem ser descritos pelo modelo multifractalβMWM, que chamamos de Fuzzy-LMS-OBF com alfa adaptivo, o qual utiliza Fun¸c˜oes de Bases Ortonormal (FBO) e tem como base de treinamento, o algoritmo LMS. Propomos tamb´em uma equa¸c˜ao para c´alculo da taxa ´otima de controle derivada do modelo Fuzzy LMS. Em seguida, avaliamos o desempenho do algoritmo de controle adaptativo proposto com rela¸c˜ao a outros m´etodos. Atrav´es de simula¸c˜oes, mostramos que os esquemas de controle e aloca¸c˜ao de taxa se favorecem do desempenho dos algoritmos fuzzy adaptativos propostos. Compara¸c˜oes com outros m´etodos em termos de tamanho m´edio e variˆancia da fila no buffer, Taxa de Utiliza¸c˜ao do enlace e Vaz˜ao s˜ao apresentadas. Inthispaperweproposeafuzzymodel,calledFuzzyLMScomAutocorrela¸c˜aoMultifractal, whose weights are updated according to information from multifractal traffic modeling. These weights are calculated by incorporating an analytical expression for the autocorrelation function of a multifractal model in the training algorithm of the fuzzy model that is based on the Wiener-Hopf filter. We evaluate the prediction performance of the proposed network traffic prediction algorithm with respect to other predictors. Further, we propose a bandwidth allocation scheme for network traffic based on the fuzzy prediction algorithm. Comparisons with other bandwidth allocation schemes in terms of byte loss rate, link utilization, buffer occupancy and average queue size verifies the efficiency of the proposed scheme. Also, We propose an other adaptive fuzzy algorithm, called Fuzzy-LMS-OBF com alfa adaptivo , for traffic flow control described by theβMWM model. The proposed algorithm uses Orthonormal Basis Functions (OBF) and its training based on the LMS algorithm. We also present an expression for the optimal traffic source rate derived from Fuzzy LMS. Then, we evaluate the performance of the Fuzzy-LMS-OBF com alfa adaptivo algorithm with respect to other methods. Through simulations, we show that the proposed control scheme is benefited from the superior performance of the proposed fuzzy algorithm. Comparisons with other methods in terms of mean and variance of the queue size in the buffer, Utilization rate of the link, Loss rate and Throughput are presented. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES

Nesta dissertação, apresenta-se algoritmos de alocação de recursos baseado em aprendizado por reforço para um sistema de comunicação multiportadora considerando múltiplos usuários e efeitos de multipercurso e perda média do percurso em uma transmissão assumindo ondas milimétricas. Para tal, propõe-se que o sistema de comunicação possa ser descrito por um modelo Markoviano representado pelos estados da fila nos buffers e estados dos canais. Para os algoritmo de alocação de recursos deste trabalho, são introduzidas funções de recompensa a serem utilizadas no algoritmo de aprendizado por reforço Q- learning. Os resultados obtidos nas simulações mostram que a aplicação dos algoritmos propostos de escalonamento de recursos provê, de forma geral, melhoria nos parâmetros de desempenho do sistema de comunicação considerado, como por exemplo, aumento de vazão e diminuição de perda de pacotes. Comparações com outros algoritmos apresentados na literatura são realizadas, mostrando também que o uso da função de recompensa proposta e modelo Markoviano considerado torna o escalonamento de usuários e o compartilhamento de recursos mais eficientes. Ainda, é apresentada uma solução para alocação de recursos e potência utilizando uma Deep Q-Network. A modelagem de estados propostos para rede DQN soluciona algumas limitações encontradas com a representação matricial dos estados e amplia os limites para o tamanho do buffer. In this dissertation, we present reinforcement learning-based resource allocation algorithms for a multicarrier communication system considering multiple users and the effects of multipath and average path loss in a transmission assuming millimeter waves. To this end, it is proposed that the communication system can be described by a Markovian model represented by queue states in buffers and channel states. For the resource allocation algorithms of this work, we introduce reward functions to be used in the reinforcement learning algorithm Q-learning. The results obtained in the simulations show that the application of the proposed algorithms for resource scheduling provides, in general, an improvement in the performance parameters of the considered communication system, such as, for example, increased throughput and decreased packet loss. Comparisons with other algorithms presented in the literature are carried out, also showing that the use of the proposed reward function and considered Markovian model makes the scheduling of users and the sharing of resources more efficient. Furthermore, a solution for resource and power allocation using a Deep Q-Network is presented. The modeling of states proposed for the DQN network covers some limitations encountered with the matrix representation of states and extends the limits for the size of the buffer. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES

Este projeto descreve uma abordagem padronizada de análise de dados coletados de redes reais e de dados gerados sinteticamente, que apresentam características lineares e não-lineares, dentro do espectro da Teoria do Caos e seus procedimentos canônicos, avaliando o desempenho de uma gama de algoritmos. O objetivo principal deste trabalho consiste em propor um método de predição e alocação dinâmica de taxa de transmissão para servidores de rede com base no expoente de Lyapunov e no parâmetro de Hurst, tendo em vista a análise de uma variedade de amostras de tráfego e dados sintéticos, de forma a quantificá-los com o uso de métodos matemáticos que revelem suas particularidades intrínsecas. São descritos processos característicos tais como autossimilaridade, dependência de longa duração entre as amostras e comportamento multi-escala. Para isso, reconstrói-se o espaço de fase e o atrator com o atraso ideal $\tau$, descrevendo métodos de cálculo do parâmetro; determina-se a dimensão de incorporação $m$ e a dimensão de correlação $D_2$; calcula-se o expoente de Lyapunov $\lambda$ e o parâmetro de Hurst $H$; e analizam-se estatisticamente os componentes principais; para então prever o tráfego dentro do limite de máxima duração da predição delimitada pelo inverso do expoente de Lyapunov, e alocar dinamicamente a taxa de transmissão correspondente para os servidores de rede. As simulações realizadas comprovaram a eficiência da abordagem proposta, quanto à sequência seguida neste trabalho e a classificação da natureza dos dados, especialmente nos casos de comportamento misto entre aleatoriedade e determinismo. This project describes a standard approach to analyze and measure experimental and synthetic data, which display linear and non-linear characteristics, within the spectrum of Chaos Theory and its canonical procedures, evaluating the performance of several algorithms. The main goal of this work is to propose a method to predict traffic and perform a dynamic traffic rate allocation for the network servers based on the Lyapunov exponent and the Hurst parameter, considering the analysis of a range of traffic samples and synthetic data, in order to quantify them with the use of mathematical methods that reveal their intrinsic features. Some of the characteristic processes described are self-similarity, long-range dependency among samples and multiscale behavior. Thus, it is necessary to: reconstruct phase space and the attractor with the ideal delay $\tau$, while describing a couple of methods to compute it; to determine embedding and correlation dimensions ($m$ and $D_2$, respectively); to calculate the Lyapunov exponent $\lambda$ and Hurst parameter $H$; to perform principal component analysis ($PCA$); to predict the traffic within the longest predictable duration constrained by the inverse of the Lyapunov exponent, and finally perform dynamic transmission rate allocation for the network servers. The simulations performed confirmed the efficiency of the proposed approach, regarding the sequence adopted in this work and the classification of data, especially in cases of mixed behavior between randomness and determinism. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES

Nos sistemas de telecomunicações, o tráfego de dados continua crescendo a uma alta velocidade, sendo que o aumento tanto na quantidade de serviços oferecidos quanto na taxa de transmissão requerida são os responsáveis por este cenário. Claramente, este crescimento no tráfego de dados está promovendo sérios desafios para as redes de transporte óptica em termos de melhorar sua eficiência de capacidade, a fim de atender os novos requisitos de tráfego. Este trabalho apresenta modelos de otimização para o dimensionamento de redes ópticas de transporte. É considerado o problema de planejamento de rede óptica em que é especificada uma matriz de interesse de tráfego entre os nós de demanda. Esta matriz de interesse de tráfego pode ser modelada em termos de taxa de transmissão requerida ou pela quantidade de canais necessários de um serviço modular padronizado. A rede de transporte óptica é modelada como um grafo, através da abordagem arco-caminho. Modelos de programação linear inteira (ILP) e programação linear inteira mista (MILP) com variáveis 0-1 são desenvolvidos com orientação para minimização de custos. Restrições de garantia de atendimento de demanda, de especificidades de capacidade técnica de equipamentos e de exclusividade na alocação de modularidade de enlace de transmissão também são contempladas. Com o objetivo de assegurar sistemas de apoio à decisão mais flexíveis e realistas quanto aos cenários de aplicação que pretendem retratar, técnicas de inteligência artificial, tais como lógica fuzzy, algoritmos genéticos e firefly, são incorporadas aos processos de modelagem e resolução dos modelos. Nesse sentido, um método de otimização Híbrido Firefly-Genético (HFA) é utilizado para resolver o problema ILP, para o planejamento da rede de transporte óptica (OTN), considerando a minimização de custos. O método combina o algoritmo discreto Firefly (FA) com o algoritmo genético padrão (GA). Resultados computacionais de cenários que contemplam: redes de médio e grande porte, diferentes tecnologias de transmissão óptica e diversidades de matrizes de tráfego são apresentados e discutidos. Os resultados alcançados são animadores com destaque para a facilidade de adaptação das modelagens MILP e ILP para atender novos requisitos e/ou especificidades de rede e tecnologia a serem avaliadas. In telecommunications systems, data traffic continues to grow at a high speed, and the increase in both the amount of services offered and the required transmission rate are responsible for this scenario. Clearly, this growth in data traffic is posing serious challenges for optical transport networks in terms of improving their capacity efficiency in order to meet new traffic requirements. This work presents optimization models for the design of optical transport networks. The optical network planning problem is considered, in which a traffic interest matrix between demand nodes is specified. This traffic interest matrix can be modeled in terms of the required transmission rate or the number of channels required for a standardized modular service. The optical transport network is modeled as a graph, using the arc-path approach. Models of integer linear programming (ILP) and mixed integer linear programming (MILP) with variables 0-1 are developed with guidance to minimize costs. Restrictions on guaranteeing demand compliance, specific technical capacity of equipment and exclusivity in the allocation of transmission link modularity are also contemplated. In order to ensure more flexible and realistic decision support systems regarding the application scenarios they intend to portray, artificial intelligence techniques, such as fuzzy logic, genetic algorithms and firefly, are incorporated into the modeling and resolution processes of the models. In this sense, a Hybrid Firefly-Genetic (HFA) optimization method is used to solve the ILP problem, for the planning of the optical transport network (OTN), considering cost minimization. The method combines the Firefly discrete algorithm (FA) with the standard genetic algorithm (GA). Computational results of scenarios that contemplate: medium and large networks, different optical transmission technologies and diversity of traffic matrices are presented and discussed. The results achieved are encouraging, with emphasis on the ease of adapting the MILP and ILP models to meet new requirements and/or specificities of the network and technology to be evaluated. Outro