Dimensionamiento del ancho de banda de los caminos virtuales en redes ATM utilizando la técnica de simulación de cristalización

• Autores: Jorge Martínez Bauset, Manuel Abellán Serna
• Localización: Informática y automática: revista de la Asociación Española de Informática y Automática, ISSN 0214-932X, Vol. 30, Nº. 1, 1997, págs. 36-47
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    En este artículo se presenta la utilización de un método de optimización, la simulación de cristalización (simulated annealing), para el dimensionamiento de los anchos de banda de los Caminos Vituales en redes ATM. El concepto de Caminos Virtuales permite conseguir una interconexión lógica total entre todos los nodos de entrada a la red. Sobre los Caminos Virtuales se multiplexan los Canales Vituales, que son los que soportan las comunicaciones establecidas. En general, el problema consiste en hallar el número de Canales Virtuales, para cada Camino Vitual, necesario para satisfacer la matriz de tráfico de la red, que es reevaluada cada cierto intervalo de tiempo, cumpliendo con un parámetro de calidad. Para dicho cálculo no existe ninguna fórmula cerrada. Tampoco es posible realizar una búsqueda exhaustiva en un tiempo razonable. Por tanto, se recurre a técnicas heurísticas y de inteligencia artificial, que aportan soluciones quasi-óptimas en un tiempo limitado.

  • English

    In this paper we present a new method based on simulated annealing techniques to aid in the dimensioning of the bandwiths of the Virtual Paths in ATM networks. The Virtual Path concept allows to achieve a full interconnection among the ingress nodes of the network. Virtual Channels support the communications already established and are multiplexed over the Virtual Paths. The general problem consists of finfing the number of Virtual Channels for each Virtual Path necessary to satisfy the traffic matrix of the network, which is updated every so often, meeting a quality of service parameter requirement. For this problem there is no closed solution and it is not feasible either to perform a systematic search in a reasonable amount of time. Therefore, the usual way to tackle the problem is by heuristic and artificial intelligence techniques which are able to obtain near optimum solutions in a bounded time.