Betreuer: Dipl.-Ing. (Univ.) Anton Riedl

Slides:



Advertisements
Ähnliche Präsentationen
Powerpoint-Präsentation
Advertisements

Entscheidungsunterstützungssysteme -
Fast Fourier Transformation
Christian Scheideler SS 2009
PG Air Seminararbeit März 2002 Jürgen Wieners
Routing – Routing Protokolle
Inhalt Saarbrücken,.
Corporate Technology Mobile Anwendung zur Routenplanung mit öffentlichen Verkehrsmitteln basierend auf OpenStreetMap-Daten Markus Duchon.
Zerlegung von Graphen.
Vorlesung: 1 Betriebliche Informationssysteme 2003 Prof. Dr. G. Hellberg Studiengang Informatik FHDW Vorlesung: Betriebliche Informationssysteme Teil3.
B-Bäume.
Präsentation von Daniel Hörl
Streuung Bezeichnung Streuung=Dispersion=Variabilität Fragestellung:
Grundzüge der Mikroökonomie (Mikro I) Kapitel 8 P-R Kap. 7
Genetische Algorithmen für die Variogrammanpassung
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2012.
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2012.
Wie lösen wir ILPs exakt?
Andreas Kalender Institut für Informatik FU Berlin Seminar über Algorithmen Durchschnittsverzögerung.
Verifizieren versus Berechnen
Prof. Dr. Holger Schlingloff
Stefanie Selzer - Pascal Busch - Michael Kropiwoda
Der Einstieg in das Programmieren
Lehrstuhl Informatik III: Datenbanksysteme Achim Landschoof 28. April 2009 Strukturierte P2P Systeme 1 Achim Landschoof Betreuerin: Dipl.-Inf. Jessica.
K-Modeler Engineering
Algorithmentheorie 04 –Hashing
WS Algorithmentheorie 13 - Kürzeste (billigste) Wege Prof. Dr. Th. Ottmann.
Dynamische Programmierung (2) Matrixkettenprodukt
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (02 – Funktionenklassen) Prof. Dr. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (19 - Analyse natürlicher Bäume) Prof. Th. Ottmann.
WS Algorithmentheorie 08 – Dynamische Programmierung (2) Matrixkettenprodukt Prof. Dr. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
Geometrisches Divide and Conquer
Genetische Algorithmen
Universität Dortmund, Lehrstuhl Informatik 1 EINI II Einführung in die Informatik für Naturwissenschaftler und Ingenieure.
Branch and Bound Das Verfahren zur Lösung von IP-Problemen
Algorithmen und Komplexität
Algorithmen des Internets 2005 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität 1 Klausuraufgaben.
Universitätsrechenzentrum Heidelberg Hartmuth Heldt HD-Net Backbone 1 HD-Net Backbone Stand: 1/2003.
Was sind Histogramme? (1)
Datenmanagement in Sensornetzen PRESTO - Feedback gesteuertes Datenmanagement - SS 2007 Sören Wenzlaff.
Univariate Statistik M. Kresken.
Grundschutztools
Ralf KüstersDagstuhl 2008/11/30 2 Ralf KüstersDagstuhl 2008/11/30 3.
Distanzbasierte Sprachkommunikation für Peer-to-Peer-Spiele
Technische Universität München Lehrstuhl für Kommunikationsnetze Prof. Dr.-Ing. W. Kellerer Diplomarbeits-/Studienarbeits-/Bachelors Thesis Abschlussvortrag.
Diskrete Mathe 9 Vorlesung 9 SS 2001
Effiziente Algorithmen
Kollektionen in Java Aufzählungstypen, Generische Typen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Effiziente Algorithmen
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Christian Scheideler Institut für Informatik Universität Paderborn
Quantitative Methoden der BWL – Lineare Programmierung
Auslegung eines Vorschubantriebes
STATISIK LV Nr.: 0028 SS Mai 2005.
… oder wie finde ich den Weg
EK Produktion & Logistik
Übersicht - Methodik Studien zur Imitation von Interpretationen klassischer Klavier-Musik durch neuronale Netze.
Vorlesung Mai 2000 Konstruktion des Voronoi-Diagramms II
Analyseprodukte numerischer Modelle
Modellbasierte Software-Entwicklung eingebetteter Systeme
Fortgeschrittene Techniken
Analyse der Laufzeit von Algorithmen
Version vom Max-Flow in Orientierten Matroiden Winfried Hochstättler & Robert Nickel Fernuniversität in Hagen Lehrstuhl für Diskrete Mathematik.
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Spärliche Kodierung von Videos natürlicher Szenen Vortragender: Christian Fischer.
Rechen- und Kommunikationszentrum (RZ) Selektionsstrategien auf Graphstrukturen Sven Porsche Seminarvorträge Aachen.
 Präsentation transkript:

Betreuer: Dipl.-Ing. (Univ.) Anton Riedl Entwicklung und Implementierung von linearen Optimierungsmodellen für Routing- und Kapazitätsplanung in IP-Netzen mit mehreren Verkehrsklassen Daniel Rögelein daro@roegelein.net 19.06.2002 Betreuer: Dipl.-Ing. (Univ.) Anton Riedl

Gliederung Planungsziele Modellierung Implementierung Untersuchungen zur Anwendbarkeit des Modells Zusammenfassung der Ergebnisse der Diplomarbeit Demonstration Netzplanungs-Software „OMNI“

- Nachteil: Starke Einschränkung des Lösungsraumes Planungsziele (1) Kapazitäts-Planung: Anpassung der Link-Kapazitäten bei vorgegebenem Routing Ableiten einer Topologie mit minimalen Kosten Kapazitäts-Anpassung zur Verminderung der Verzögerung in Netzwerk-Knoten bzw. Einhaltung von Dienstgüte-Anforderungen von Flüssen Routing-Optimierung: Anpassung des Routings von Flüssen bei fixierten Kapazitäten Minimierte Verzögerung Lastausgleich durch Minimierung der maximalen Auslastung im Netzkern + Vorteil der Abgrenzung von Kapazitäts- gegenüber Routing- Variabilität: Resultierende Probleme geringerer Komplexität - Nachteil: Starke Einschränkung des Lösungsraumes

- Nachteil: Hohe Komplexität der resultierenden Probleme Planungsziele (2) Erweiterungs-Planung (Kapazitäten und Routing variabel): Ableiten eines Ergebnisses, welches unter den Gesichtspunkten der Routing-Optimierung sowie Kapazitätsplanung in abzuwägendem Maße optimal ist. + Vorteil: Großer Lösungsraum, unter Umständen bessere Ergebnisse als iterative Kapazitäts/Routing-Optimierung - Nachteil: Hohe Komplexität der resultierenden Probleme Entwicklung eines linearen Optimierungsmodells zur Erweiterungsplanung, welches durch optionale Parametrierung in Untermodelle zur Kapazitäts-Planung bzw. Routing-Optimierung überführt werden kann.

Untersuchungen zur Anwendbarkeit des Modells Gliederung Planungsziele Modellierung Abbildung der Topologie Link-Dimensionierung Kapazitäts-Partitionierung Beschreibung von Flüssen nach Fluß-/Pfad-Ansatz Berechnung der Verzögerung in Netzwerk-Knoten Implementierung Untersuchungen zur Anwendbarkeit des Modells Zusammenfassung der Ergebnisse der Diplomarbeit Demonstration Netzplanungs-Software „OMNI“

Abbildung der Topologie =1 Netzkern B E (A,B) (B,A) A D (D,G) G (G,D) C F =0 Zugangsnetz H I Knoten-Menge , Kanten-Menge Verzögerung eines Links Zugehörigkeit zum Netzkern

Link-Dimensionierung (1) Diskretisierung der Kapazitätsstruktur durch Link-Dimensionen

Link-Dimensionierung (2) Spezifikation des Bereichs zulässiger Dimensionen pro Link feste Dimension Rate obere Grenze = untere Grenze  feste Dimension e =3 3 variable Dimension =3 Rate obere Grenze untere Grenze  variable Dimension 1..3 e =1 1 2 3 Variabler Link-Dimensions-Vektor

Kapazitäts-Partitionierung Partitionierung der Übertragungsrate pro Link einfachster Fall: eine Partition, alle Klassen teilen sich gesamte Rate Menge der Verkehrsklassen c2 c1 ={ c3 } 1,e e =100% c2 c1 c3 ={ } Reservierung von Kapazität für bestimmte Klassen (Bsp. 2 Partitionen) c2 c1 c3 =x =1-x ={ } 1,e 2,e e

Darstellung von Verkehrsflüssen (1) Verkehr nach Fluss-Ansatz Fluss f beschrieben durch Quelle o, Senke d, Klasse c: f=(o,d,c) Datenrate des Flusses: ; maximaler Delay Beispiel: f =(A,G,c3) =1 f,(A,B) B E f A D G f =0 f,(A,D) =0 f,(A,C) C F Berechnung, Darstellung der Route anhand binärer Flussmatrix unter Einhaltung von Quell-, innerem, Senken-Gleichgewicht.

Darstellung von Verkehrsflüssen (2) Verkehr nach Pfad-Ansatz Beispiel: Fluss p=(A,G,c3) Rate , maximaler Delay Angabe von (statischen) Pfadalternativen Flußkonser- vierung:  =1 =(1/4) 1,p B E p A D G p =(1/2) 2,p =(1/4) 3,p C F Aufteilung der Rate auf Pfadalternativen … … unter Randbedingung der Flusskonservierung

Berechnung der Verzögerung in Netzwerkknoten Wartesysteme Routing Kenntnis der internen Struktur von Vermittlungsknoten erforderlich  Ein Wartesystem pro abgehendem Link

Größen des M/D/1-Paket-Wartesystems R Kapazität eines abgehenden Links r Datenrate auf abgehendem Link ρ = r / R Auslastung des abgehenden Links MTU Maximale Paketgröße („worst case“) = Mittlere Wartezeit der Pakete ~ ~ ~ ~ ~  1

Lineare Approximation der Wartezeit-Funktion > T3( ) ρmax Randbedingungen 8 6 > T2( ) 4 Exakter Wert > T1( ) 2 Approximierter Wert > T0( ) 0,2 0,4 0,6 0,8 1

Unterstützung von Verkehrs-Priorisierung Unterstützung von Verkehrs-Priorisierung: Für die Berechnung der Wartezeit ist nur der queuing-relevante Verkehr von Bedeutung: Ohne Priorisierung Mit Priorisierung =0 =1 Partition 1 c1,c2,c3- relevant c1- relevant c2- relevant c3- relevant c1,c2- relevant c1- relevant Partition 1 c2- relevant c3- relevant Partition 2 c3- relevant Ordnungsrelation: < < c1 c2 c3

Bestandteile der Gesamtverzögerung von Flüssen Die Gesamtverzögerung eines Flusses setzt sich aus Anteilen in Netzwerk-Knoten sowie auf Links zusammen: A D C B c1 (A,B),c1 (B,C),c1 (auf Links) (in Knoten) Beim Pfad-Ansatz werden nur verwendete Pfadalternativen berücksichtigt

Untersuchungen zur Anwendbarkeit des Modells Gliederung Planungsziele Modellierung Implementierung AMPL Netzplanungs-Software „OMNI“ Untersuchungen zur Anwendbarkeit des Modells Zusammenfassung der Ergebnisse der Diplomarbeit Demonstration Netzplanungs-Software „OMNI“

AMPL-Implementierung *.mod- Datei Ableitung des LGS Modell Interpretation der Zustands- variablen Optionen Pre-Solver Ableitung von Randbedingungen, Zielfunktion Solver *.dat- Datei Datensatz AMPL Benutzer Konkretes Optimierungsproblem (Topologie, Fluß-Datensatz, TE-Disziplin und Optimierungsziel) wird in *.dat- Datei hinterlegt.  AMPL liefert gutes „Feedback“ bei der Modell-Entwicklung

Software-Implementierung „OMNI“ Ableitung des LGS Modell Interpretation der Zustands- variablen Optionen Pre-Solver Ableitung von Randbedingungen, Zielfunktion Solver GUI Concert Technology Datensatz OMNI Visualisierung Flüsse *.flow Topologie *.top Kap.Kost. *.cost GUI  Demonstration OMNI

Untersuchungen zur Anwendbarkeit des Modells Gliederung Planungsziele Modellierung Implementierung Untersuchungen zur Anwendbarkeit des Modells Lastausgleich bei Routing-Optimierung Linkkosten-Minimierung bei Erweiterungsplanung Lastausgleich bei Erweiterungsplanung Zusammenfassung der Ergebnisse der Diplomarbeit Demonstration Netzplanungs-Software „OMNI“

Lastausgleich bei Routing-Optimierung (1) Shortest Path Routing, längen- proportionale Kantengewichte Bereits bei maximal 4 gleichzeitig verwandten kantendisjunkten Pfadalternativen wird optimales Ergebnis gemäß LP Fluß-Ansatz erreicht. Topologie „bird“, 100 Knoten, 1026 Links, 500 Flüsse

Lastausgleich bei Routing-Optimierung (2) Die Ableitung des optimalen Ergebnisses bei 4 Pfadalternativen erfolgt 25 mal schneller als beim LP-Fluß-Ansatz Topologie „bird“, 100 Knoten, 1026 Links, 500 Flüsse

Linkkosten-Minimierung bei Erweiterungsplanung Rechenzeit der Optimierung: Anzahl Kapazitäten 4 3 2 Routing nach: F / 2 Std. 4 Min. F: Fluß-Ansatz P: Pfad-Ansatz, kantendisjunkte Pfade Ansatz P 8 Sek. 4 Sek. 5 Sek. Linkkosten-Summe 4 3 2 F / 294 520 Topologie „corse“, 20 Knoten, 74 Links, 58 Flüsse P 414 414 800 Pfad-Ansatz schneller, aber 40%-50% schlechteres Ergebnis

Lastausgleich bei Erweiterungsplanung (1) Lastausgleich kann bei variablen Kapazitäten nicht durch Minimierung der maximalen Auslastung erfolgen.  Alternativ: Trade-Off der Gesamtverzögerung in Netzwerk-Knoten gegenüber der Gesamtkosten der Topologie Als Vergleichswert: Wiederholter Lastausgleich bei Routing-Optimierung gefolgt von Link-Kosten- Minimierung bei Kapazitäts-Planung (Heuristik zur Ableitung eines Referenzwertes)

Lastausgleich bei Erweiterungsplanung (2) Topologie „corse“, 20 Knoten, 74 Links, 4 Kapazitäten, 6 Flüsse

Lastausgleich bei Erweiterungsplanung (3) Topologie „corse“, 20 Knoten, 74 Links, 4 Kapazitäten, 6 Flüsse

Gliederung Planungsziele Modellierung Implementierung Untersuchungen zur Anwendbarkeit des Modells Zusammenfassung der Ergebnisse der Diplomarbeit Demonstration Netzplanungs-Software „OMNI“

Zusammenfassung der Ergebnisse der Diplomarbeit Entwicklung eines linearen Optimierungsmodells für Kapazitätsplanung Routing-Optimierung Erweiterungsplanung Implementierungen des Modells in Modellierungssprache AMPL und Netzplanungs-Werkzeug „OMNI” mit Hilfe von LEDA- /Concert Technology- Bibliotheken Untersuchungen zur Anwendbarkeit des Modells

Demonstration der Netzplanungs-Software OMNI