Ubicación de Cadenas de Funciones Virtuales de Red Basada en Optimización Dinámica Multiobjetivo y Toma de Decisiones Multicriterio

En el marco de la Maestría en Informática Aplicada de la Facultad de Ingeniería de la Universidad Nacional de Itapúa (FIUNI), carrera de Ingeniería Informática. Los docentes, Ingeniero Arnaldo Ocampo, Ing. Néstor Tapia y el Dr. Diego Pinto Roa presentaron su artículo, en forma virtual, en la Conferencia Latinoamericana de Networking 2022 (LANC 2022) que se realiza en cooperación con ACM SIGCOMM y se llevó a cabo junto con CLEI 2022 (Conferencia Latinoamericana de Computación 2022).

Dr. Diego Pinto

Ing. Arnaldo Ocampo  Ing. Néstor Tapia

El artículo quedó indexado en la ACM Digital Library y en el libro del Congreso con la colección de todos los artículos presentados en LANC 2022.

Resumen del artículo

Las redes de funciones virtualizadas (Network Function Virtualization, NFV) son tecnologías que prometen dar mayor flexibilidad y dinamismo a las tradicionales redes convencionales con middlebox de hardware. Estas bondades traen consigo el desafío de calcular rutas y ubicar múltiples funciones de redes virtuales (Virtual Network Functions, VNF) en los nodos de red para dar respuestas a los complejos requerimientos de tráfico. Este problema se denomina ubicación de funciones virtuales encadenadas (VNF Chaining Placement, VNF-CP) el cual ha sido tratado en el contexto de optimización estática tanto para tráfico estático como dinámico. Dada la dinámica y complejidad del VNF-CP, en este trabajo se propone un framework que combina una optimización multi-objetiva dinámica (Dynamic Multi-objective Optimization, DMO) y Toma de Decisión Multi-criterio (Multi-Criteria Decision Making, MCDM) en el pro- ceso de despliegue de soluciones. El framework realiza cinco acciones en cada paso del tiempo: recibe y analiza el tráfico de la red, determina las funciones objetivas más relevantes según el estado del tráfico, recalcula el conjunto de soluciones no dominadas mediante un algoritmo DMO, y finalmente selecciona una solución a desplegar mediante un algoritmo MCDM. Para determinar la efectividad del framework se ha estudiado el desempeño de algoritmos evolutivos multi-objetivos dinámicos (Dynamic Multi-objective Evolutionary Algorithms, DMOEA) competitivos del estado del arte (DNSGAII-A y DNSGAII-B) frente a tradicionales MOEAs no dinámicos (NSGAIII, MOEAD y REVEA) considerando TOPSIS como esquema MCDM. Los resultados de las simulaciones numéricas en las instancias de prueba muestran que los DMOEAs dinámicos resuelven el problema VNF-CP de manera competitiva y con resultados prometedores frente a los tradicionales MOEAs.

https://dl.acm.org/doi/10.1145/3545250.3560844

Artículo publicado: 2022 Latin America Networking Conference – LANC 2022 – Session 1: Full Papers – ISBN: 978-1-4503-9429-1 Armenia, Colombia, October 19-20, 2022

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Top
A %d blogueros les gusta esto: