Otimização multi-nível para projeto de redes híbridas (ópticas e sem fio) para implementação de cidades inteligentes
Arquivos
Data de defesa
Autor(a)
Orientador(a)
Título do periódico
ISSN
Título do volume
Nome da instituição
Departamento
Programa
Agência de fomento
Estudos sobre infraestrutura de redes têm sido realizados e aplicados em várias indústrias de serviços, tais como telecomunicações, distribuição de energia, água e mais recentemente para atendimento das necessidades de infraestrutura de cidades inteligentes que requerem soluções de infraestrutura híbridas. Entretanto, o planejamento de infraestrutura de redes em vários níveis e também com máxima cobertura, é um problema em aberto, pois, geralmente, a literatura apresenta soluções nas quais somente um nível é processado e os problemas são solucionados de forma individual. O planejamento da distribuição e conexão de equipamentos em vários níveis de uma infraestrutura de rede é uma tarefa árdua, pois é necessário avaliar a quantidade e a melhor distribuição geográfica de equipamentos em cada nível da rede, ou seja, no nível 1 são avaliadas as necessidades que atendem diretamente aos clientes, já o nível 2 atenderá as necessidades do nível 1, e que também sejam observados os níveis adjacentes. O resultado que um projetista obtém ao realizar manualmente o planejamento torna-se superficial, devido a inviabilidade de analisar todos os cenários que podem ser obtidos com as informações de quantidades e de distribuição dos equipamentos na região do projeto. Ainda mais complexo é alterar um nível já projetado, visto que é necessário rever a quantidade, localização e caminho entre os equipamentos, refazendo os cálculos do nível alterado, e, consequentemente, o nível anterior e todos os níveis subsequentes. Esta pesquisa apresenta um algoritmo baseado na metaheuristica de colônia de formigas, capaz de procurar por uma solução para o planejamento de infraestrutura de redes híbridas multiníveis capacitadas, resolvendo o problema de recobrimento e planejamento de redes de forma conjunta e obtendo resultados melhores na ordem de 20% no custo da solução quando comparado com outra solução que utiliza algoritmo genético.
