Documente Academic
Documente Profesional
Documente Cultură
DE RADIO BASES
Hctor Magnagoa, Ivana Cruza Jos L. Hernndezb y Mercedes Carnerob
a
Departamento de Electricidad y Electrnica, Universidad Nacional de Ro Cuarto,Campus
Universitario, 5800 Ro Cuarto, Argentina, hem@cdc.unrc.edu.ar
b
Grupo de Optimizacin, Departamento de Ciencias Bsicas, Universidad Nacional de Rio Cuarto,
Campus Universitario, 5800 Ro Cuarto, Argentina, jlh@ing.unrc.edu.ar
Resumen: En el campo de las telecomunicaciones existen aplicaciones tales como las redes de
telefona mvil en cuya planificacin surge el problema de localizar los elementos transmisores, o
radio bases, de tal manera de cubrir la mayor rea posible, considerando las diferentes demandas de
cada una de las reas involucradas.
En general existe un conjunto de localizaciones candidatas, que son aquellas en las cuales es posible
instalar una radio base que tendr un rea de cobertura determinada. Entre todas las candidatas se
requiere seleccionar un subconjunto de ellas de tal manera de optimizar algn criterio de desempeo.
Esto conduce a diferentes problemas de diseo relacionados con la localizacin de radio bases que si
bien difieren entre s en la formulacin de la funcin objetivo y/o restricciones, pueden ser abordados
con las mismas metodologas para su resolucin.
Los problemas de localizacin de radio bases pertenecen a la clase NP-Completa. Problemas de este
tipo han sido tratados utilizando metaheursticas con buenos resultados. Entre ellas se han reportado
trabajos que hacen uso de metaheursticas de bsqueda local y evolutivas.
En este trabajo se proponen para la resolucin de problemas de localizacin de radio bases dos
heursticas diferentes. La primera basada en bsqueda tab implementa una oscilacin estratgica a
travs de los lmites de factibilidad. Dicha metodologa posee una capacidad de diversificacin e
intensificacin para explorar el espacio de bsqueda que ha resultado exitosa en la resolucin de
algunos problemas de optimizacin combinatoria. En el segundo enfoque se utiliza un algoritmo
evolutivo con poblacin estructurada y seleccin local.
Se presenta un ejemplo de aplicacin y se realizan estudios comparativos de desempeo entre ambas
metodologas propuestas.
1 INTRODUCCIN
Un sistema de telefona mvil o una red de datos inalmbrica de gran cobertura deben
asegurar la comunicacin entre las terminales mviles y cualquier otro dispositivo de usuario,
sea este fijo o mvil. Cualquier cliente mvil debera poder conectarse en cualquier momento
y en cualquier lugar dentro del rea de cobertura que se garantiza, a travs de ondas de radio.
La instalacin de una nica antena para cubrir una zona relativamente grande requiere la
utilizacin de potencias de irradiacin que superan los lmites permitidos por las
reglamentaciones vigentes y adems el sistema presentara una baja eficiencia en zonas de
gran densidad de demanda. Para lograr esta disponibilidad con potencias admisibles, el
sistema debe estar conformado por radio bases fijas, de menor potencia, instaladas dentro del
rea de cobertura. Cada radio base cubre un rea llamada celda y da servicio a una pequea
regin de tamao variable, entre 100 metros (alta densidad de demanda) y unas decenas de
Km (baja densidad de demanda).
El problema de localizacin de radio bases (LRB), puede ser descrito como sigue: dada
una cantidad definida de ubicaciones candidatas, que son aquellas en las cuales es posible
instalar una radio base que tendr un rea de cobertura determinada, debe seleccionarse un
subconjunto de dichas candidatas de manera tal que se maximice la cobertura de la demanda
al tiempo que se utiliza un nmero de radio bases menor que un valor prefijado.
El planteo anterior, se puede asimilar al problema del Conjunto de Mnimo Dominante
(Minimum Dominating Set, MDS), el cual ha sido catalogado como NP-Completo (Garey,
1999) y es de gran importancia en el diseo de redes eficientes y de bajo costo. Los
problemas de tipo NP-Completo o NP-Hard, son aquellos para los cuales no se conoce, hasta
la fecha, la forma de resolver cualquier instancia de los mismos en tiempos acotados
polinomialmente.
Esta clase de problemas son de gran relevancia, no slo por su inters terico, sino tambin
porque pueden asimilarse a una gran cantidad de problemas de optimizacin topolgica de
redes, que son problemas clsicos de investigacin operativa, con aplicabilidad prctica en
diversos campos de las telecomunicaciones, diseo de redes de computadoras, etc.
Uno de los ms importantes objetivos de la planificacin de sistemas de
telecomunicaciones mviles es el diseo de la configuracin necesaria para prestar un
servicio de manera ptima respecto de algn criterio de desempeo. Por ejemplo, si el criterio
de desempeo es el costo, un problema a resolver es encontrar una topologa de red que
interconecte sus nodos al menor costo y que tenga la propiedad de asegurar la comunicacin
confiable.
x
i=1
i S max
5 BSQUEDA TAB
La Bsqueda Tab (Tabu Search, TS) es una tcnica metaheurstica que utiliza un
procedimiento de bsqueda local para explorar el espacio de soluciones, junto con
mecanismos de memoria adaptiva diseados para evitar el estancamiento en mnimos locales
y la visita cclica de las mismas soluciones. La informacin histrica acerca del proceso de
bsqueda de soluciones es almacenada en las llamadas listas tab.
A partir de una solucin inicial (x0), se define en cada iteracin una vecindad de posibles
soluciones, N(x), modificando la solucin corriente a travs de una secuencia de
movimientos.
Los elementos de dicha vecindad son examinados para determinar el mejor de ellos que
est ausente de la lista tab, (x). Esta solucin es seleccionada como punto de partida para
una nueva iteracin an cuando no mejore la solucin anterior x, a la vez que se guarda la
mejor solucin encontrada hasta el momento (x*).
El mtodo lleva un registro de los movimientos efectuados para alcanzar xdesde x en cada
iteracin. Esta memoria del proceso modifica la generacin de la vecindad determinando que
soluciones pueden ser alcanzadas por un movimiento a partir de la solucin corriente.
Normalmente esto se lleva a cabo a travs de una lista de movimientos temporalmente
prohibidos llamada lista tab basada en lo reciente, la cual se actualiza en cada iteracin.
Pasado un cierto nmero de iteraciones, llamado perodo tab (pt), el movimiento es
nuevamente permitido. La lista tab representa la memoria a corto plazo del proceso. El
estado tab asociado a un movimiento puede eventualmente ser revocado si se satisface algn
criterio de aspiracin como por ejemplo la generacin de una solucin de mejor calidad que
cualquier otra visitada previamente durante la bsqueda
En contraste, la lista tab basada en la frecuencia con que ciertos movimientos son
realizados, representa la memoria a largo plazo de la tcnica y permite la diversificacin de la
bsqueda al seleccionar movimientos que han sido menos utilizados o nunca se han elegido.
En algunas aplicaciones, TS bsico puede ser suficiente; sin embargo existen otras en las
cuales es necesaria la incorporacin de otras estrategias adicionales para favorecer la
bsqueda.
En este trabajo se propone en primer lugar para la resolucin del problema de
Localizacin de Radio Bases, una heurstica de Bsqueda Tab basada en Oscilacin
Estratgica a travs de los lmites de la regin factible. Esta tcnica que consiste en una
secuencia de fases constructivas y destructivas, permite alcanzar un buen balance entre las
etapas de intensificacin y diversificacin (Glover, 1996).
Dada una solucin factible, la bsqueda es guiada estratgicamente hasta alcanzar el
lmite de la regin factible y contina en la regin no factible hasta que cierta profundidad en
la misma es alcanzada. En este punto se invierte la direccin de la bsqueda. El proceso de
atravesar repetidamente los lmites de la regin factible desde diferentes direcciones origina
un comportamiento oscilatorio. Para evitar recorrer nuevamente trayectorias ya visitadas, se
utilizan los mecanismos bsicos de bsqueda tab (Punnen, 1995).
Para el problema de localizacin de radiobases el procedimiento reaplica como sigue.
Dada una topologa inicial de radiobases factible, la fase destructiva consiste en eliminar una
radiobase por iteracin con la consecuente degradacin de la funcin objetivo, hasta que el
nmero de radiobases propuesto alcanza un lmite LI prefijado y que constituye un parmetro
del algoritmo de resolucin. En este punto la direccin de la bsqueda se invierte y comienza
una fase constructiva consistente en el agregado de una estacin por iteracin, que procede
an en la regin no factible hasta alcanzar nuevamente un lmite LS prefijado.
En lo que sigue se detallan los aspectos de implementacin del mecanismo de resolucin
propuesto.
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20
21 22 23 24 25 26 27 28 29 30
31 32 33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48 49 50
51 52 53 54 55 56 57 58 59 60
61 62 63 64 65 66 67 68 67 70
71 72 73 74 75 76 77 78 79 80
81 82 83 84 85 86 87 88 89 90
91 92 93 94 95 96 97 98 99 100
Figura 1. Ejemplo de representacin de un rea de cobertura discretizada
{ }
N (x) = x/ xi xi y xj = x j j i (2)
5.3 Funcin de evaluacin
Dado que un movimiento puede originar una solucin no factible, cada elemento de una
vecindad es evaluado utilizando una funcin F, que tienen cuenta posibles violaciones a la
restriccin del problema, como sigue:
P( x )= ( N rbu S max )
2
(4)
6 ALGORITMOS GENTICOS
Para resolver el problema de optimizacin planteado se ha diseado un algoritmo gentico
con poblacin estructurada mediante vecindades con el objeto de mejorar la evolucin. La
funcin de aptitud es la misma que la descrita para el caso de bsqueda tab. Los restantes
componentes fundamentales de un algoritmo evolutivo son: la representacin de los
individuos, el mtodo de seleccin de padres, los operadores genticos y los parmetros que
gobiernan la evolucin. Estos componentes son analizados a continuacin.
6.1 Funcin de aptitud (fitness)
La funcin de aptitud es la misma funcin de evaluacin que se describe en el apartado
5.3. Tambin en este caso corresponde aplicar la funcin de penalizacin por cuanto los
operadores genticos de cruzamiento y mutacin pueden arrojar soluciones no factibles.
6.4 Seleccin
Un algoritmo gentico (AG) tradicional utiliza esquemas de seleccin y apareamiento
panmticos, esto es cada individuo compite globalmente con todos los otros presentes en la
poblacin. Durante el proceso de seleccin, un individuo seleccionado puede potencialmente
aparearse con cualquier otro individuo en la poblacin. Aunque estos esquemas, tales como
seleccin estocstica con reemplazo, son ampliamente utilizados, ellos no estn equipados
para realizar bsquedas de genotipos exitosos en paisajes adaptivos de gran tamao y
multimodales, ya que la poblacin es incapaz de mantener radicalmente diferentes genotipos
con buen fitness debido a la convergencia. El problema de la convergencia prematura, o
mejor an el balance entre explotacin y exploracin, ha sido un problema constante en los
AGs tradicionales. En la literatura pueden encontrarse muchas variantes sobre el AG clsico
que intentan tratar con este problema (De Jong, 1975, Deb, 1989, Collins, 1992, Alba, 2002)
En este trabajo se utiliz un AG de poblacin estructurada donde el intercambio de
informacin entre los individuos est restringida a una estructura de vecindad local. Con el
objetivo de simular una topologa del espacio de bsqueda determinada, los individuos se
distribuyen en una grilla unidimensional (anillo) o bidimensional (toroide) (Sarma, 1997); el
solapamiento de las vecindades permite una difusin uniforme de las buenas soluciones a
travs de la grilla.
El mtodo define, en primer lugar, un conjunto de individuos que son seleccionados de
alguna manera para ser "padres". La seleccin de las "madres" se realiza, para cada padre
entre los individuos de su vecindad. Para evitar diferencias desproporcionadas en los valores
de fitness, se somete a la poblacin a un ranking lineal antes de comenzar el proceso. De esta
manera los cromosomas son seleccionados proporcionalmente a su rango mas que a los
valores reales de la funcin de aptitud, de forma de evitar que superindividuos eliminen
material gentico deseable y hagan que la evolucin converja prematuramente (Michalewicz,
1996).
7 EXPERIMENTOS Y RESULTADOS
Se ejecutaron los algoritmos propuestos para un ejemplo de 841 nodos de demanda
distribuidos en un rea representado por una matriz A29x29. Las localizaciones candidatas son
las indicadas en la tabla 1 en la cual se muestran adems los otros parmetros utilizados en la
resolucin del problema. El rea es totalmente cubierta si se colocan radiobases en todas las
localizaciones candidatas.
En el caso de TS, la restriccin del nmero mximo a utilizar, Smax, sugiere el valor de la
solucin inicial para comenzar la iteracin. Smax valores 1 en el vector binario asegura la
factibilidad de la solucin a la vez que proporciona una buena cantidad de componentes que
pueden ser reemplazadas por su complemento.
1 4 7 10 13 16 19 22 25 28 88 91 94 97
100 103 106 109 112 115 175 178 181 184 187 190 193
196 199 202 262 265 268 271 274 277 280 283 286 289
Localizaciones 349 352 355 358 361 364 367 370 373 376 436 439 442
Candidatas 445 448 451 454 457 460 463 523 526 529 532 535 538
541 544 547 550 610 613 616 619 622 625 628 631 634
637 697 700 703 706 709 712 715 718 721 724 784 787
790 793 796 799 802 805 808 811
Smax 50
Solucin Generada aleatoriamente asegurando Smax valores 1 dentro del vector
inicial binario.
Tabla 1. Parmetros utilizados en el algoritmo TS.
Los valores para los lmites en el procedimiento de oscilacin estratgica fueron fijados en
LI=30 y LS=60
La figura 2 muestra la evolucin de la funcin de aptitud en funcin del nmero de
iteracin del algoritmo. Se consideran 150 iteraciones slo para mostrar el proceso puesto
que, en realidad, la topologa ptima se encuentra en la iteracin nmero 41.
Se puede observar una primera zona en la primera fase destructiva (simbolizada con +),
en la cual la funcin de aptitud desmejora; esto es aumenta. Esto se debe a que al sacar
estaciones el rea de cobertura disminuye. Cuando el lmite inferior es alcanzado comienza la
etapa constructiva (o) en la cual se comienza a agregar en cada iteracin una estacin. Es de
esperar tener mayor cobertura y por lo tanto una disminucin de la funcin de aptitud lo cual,
efectivamente puede apreciarse en la figura 2.
Figura 2. Evolucin de la funcin de ajuste en una ejecucin del algoritmo TS.
Sin embargo esta mejora acaba cuando la zona no factible es alcanzada y la penalizacin
asociada a la evaluacin de la funcin objetivo produce una funcin a aptitud peor. El
agregado de estaciones llega al lmite superior impuesto lo que obliga al algoritmo a pasar una
vez ms a una nueva etapa destructiva repitiendo el ciclo que finalizar cuando se obtiene el
valor ptimo buscado. Este valor es 0, lo cual indica que toda el rea en estudio se cubre. La
topologa que permite tal cobertura est asegurada colocando estaciones en los nodos 2 4 6 8
11 12 15 16 18 19 20 21 23 25 28 32 35 37 40 42 43 44 45 49 50 51 56 57 58 61 63 64 69 70
72 75 76 77 78 81 84 89 90 91 93 94 96 97 99 100.
La tabla 2 muestra las condiciones bajo las cuales se resolvi el problema utilizando un
algoritmo gentico.
Cantidad de individuos 50
Selecci
Mtodo de seleccin
n local
Prob. De cruza 0.7
Prob. De mutacin 0.001
Cantidad de subpoblaciones 1
Numero de generaciones 200
Tabla 2: Parmetros utilizados en el AG
El algoritmo gentico obtuvo la misma solucin para el caso planteado aunque la cantidad
de evaluaciones de la funcin objetivo fue sensiblemente mayor: mientras que el algoritmo
basado en bsqueda tab logr determinar la solucin en 187 evaluaciones, el AG necesit en
promedio 875 evaluaciones de la misma funcin de aptitud, calculado en 100 ejecuciones del
mismo.
8 CONCLUSIONES
Se ha resuelto una instancia del problema de localizacin de radiobases mediante dos
heursticas, una basada en bsqueda tab con oscilacin estratgica y la otra a travs de la
utilizacin de un algoritmo gentico.
Ambas tcnicas resultaron aptas para resolver dicho problema. La bsqueda tab tiene la
ventaja de brindar una solucin factible y ptima en un tiempo de cmputo menor que en el
caso del algoritmo gentico. Por otra parte este, a diferencia con aquella permite la
consecucin de otras soluciones cuasi ptimas o bien otras topologas con el mismo costo, lo
cual permite alguna libertad adicional en la toma de decisiones.
REFERENCIAS
Garey, M. y Johnson, D., Computers and Intractability. A guide to the theory of NP-
Completeness, W.H. Freeman and Company, New York. 1999
Rappaport, R., Wireless Communications, Prentice Hall, New Jersey.1996.
Touhami, S. Optimization Problems in Cellular Networks. PhD thesis, Concordia University,
Montreal, 2004.
Tutschku, K., Gerlich, N., Tran-Gia, P. An integrated approach to cellular network planning.
Proceedings of the 7th International Network Planning Symposium (Networks 96), Sydney,
1996.
Glover, F. y Laguna,M., Tabu Search. Kluwer Academic Publishers, M.A (1997).
Punnen, A. y Aneja, P. A Tabu Search Algorithm for the Resource-Constrained Assignment
Problem. The Journal of the Operational Research Society, Vol. 46, No. 2, pp. 214-220 1995.