Quantum-Assited Joint Multi-Objetive Routing

and Load Balancing for Socially-Aware Networks

Maestrı́a en Ciencias de la Computación
Núcleo de Investigación y Desarrollo Tecnológico-FPUNA

Marcos Ibarra

2019

1 / 16
Indice

Introducción
Estructura del Artı́culo
Propuesta de Trabajo

2 / 16
Indice

Introducción
Estructura del Artı́culo
Propuesta de Trabajo

2 / 16
Indice

Introducción
Estructura del Artı́culo
Propuesta de Trabajo

2 / 16
Introducción

El uso generalizado de dispositivos de redes móviles, como teléfonos inte-

ligentes y tabletas, ha aumentado sustancialmente el número de nodos en
las redes operativas

3 / 16
Introducción

Optimizar su enrutamiento de mensajes con el fin de maximizar sus capa-

cidades

4 / 16
Introducción

El enrutamiento óptimo generalmente se basa en un delicado equilibrio

de objetivos diversos y, a menudo, conflictivos, como el retraso de la
ruta y el consumo de energı́a.
El diseño de la red también tiene que considerar el comportamiento
social centrado en el usuario de los nodos.
Equilibrio de carga de aspecto social se vuelve imperativo para evitar
la posible formación de cuellos de botella en el flujo de paquetes de
la red.

5 / 16
Estructura del Artı́culo

Introducción
Especificaciones de red
• Capa OSN
• Capa WMN
• Modelo de Optimización Multiobjetivo
• Ejemplo de nodo usando búsqueda exhaustiva
Búsqueda Cuántica y Algoritmo de Optimización
• QSA grover
• BBHT-QSA
• DHA
• Algoritmo NDQIO
Metodologı́a de diseño
• Operador de dominio pareto débil
• Algoritmo MODQO
• Contrucción de las tablas de enrutamiento MC
• Fusionar las rutas MC
• Ejemplo de 12 nodos usando MODQO
6 / 16
Estructura del Artı́culo

Discusión de precisión computacional versus complejidad

• Complejidad
◦ Paso interno
◦ Paso externo
◦ Complejidad total
• Precisión
◦ Algoritmo Benchmarking
◦ Comparación de precisión
Conclusión

7 / 16
Propuesta de Trabajo

1. Propone un algoritmo de optimización multipropósito asistido cuánti-

co, llamada, algoritmo de optimización cuántica basado en la descom-
posición de objetivos múltiples (MODQO), que se basa en un nuevo
marco de descomposición óptimo para optimizar conjuntamente el en-
rutamiento y realizar el equilibrio de carga en la conciencia social de
redes de doble capa.

8 / 16
Propuesta de Trabajo

2. Desarrolla un nuevo marco para descomponer el problema conjunto

de enrutamiento multipropósito y equilibrio de carga en una serie de
subproblemas de baja complejidad y demuestra que el Frente Optimo
de Pareto del problema descompuesto es idéntico al Frente óptimo de
Pareto de su contraparte compuesta.
3. Propone una nueva métrica para caracterizar la distribución de la
carga de teletransporte, llamada, la entropı́a normalizada H de la dis-
tribución respectiva, que evita el sesgo hacia la solución de retraso
mı́nimo impuesta al confiar en el uso de la desviación estándar de la
respectiva distribución.

H(Bcom )
H(Bcom ) =
log2 (NMR )

9 / 16
Propuesta de Trabajo

4. Caracteriza analı́ticamente la complejidad impuesta por el algoritmo

√ 2N2
MODQO, que está en el orden de O( N) y O(NMRMC ) para redes que
tienen enrutadores NMR y usuarios de NMC en el mejor y el peor de
2
los casos. , respectivamente, por debajo de O(N2NMC ) impuesta por
la búsqueda exhaustiva, siendo N NMR el número total de rutas
hamiltonianas entre dos usuarios especı́ficos. Además, demuestra que
la complejidad promedio del algoritmo MODQO es múltiples órdenes
de magnitud más baja que la de la búsqueda exhaustiva, cuando se
consideran tamaños de red realistas.

10 / 16
Propuesta de Trabajo

5. Compara la precisión MODQO con la del Algoritmo Genético de Cla-

sificación No Dominado II (NSGA-II) que opera con una complejidad
computacional idéntica y demuestra que el algoritmo MODQO es ca-
paz de mejorar tanto el retraso como el consumo de energı́a. por al
menos la duración de dos saltos y al menos 4 dB, respectivamente,
para redes que tienen 10 enrutadores de malla.

11 / 16
Propuesta de Trabajo

Figura: Diagrama de flujo del algoritmo de optimización cuántica de

descomposición de objetivos múltiples (MODQO)

12 / 16
Propuesta de Trabajo

Figura: Paso interno del algoritmo 1 del algoritmo de optimización cuántica de

descomposición de objetivos múltiples (MODQO), introducido en el bloque 2.

13 / 16
Propuesta de Trabajo

Figura: Paso externo del algoritmo 2 del algoritmo de optimización cuántica de

descomposición de objetivos múltiples (MODQO), introducido en el bloque 3.

14 / 16
Referencias

D. Alanis, J. Hu, P. Botsinis, Z. Babar, S. X. Ng and L. Hanzo,

”Quantum-Assisted Joint Multi-Objective Routing and Load
Balancing for Socially-Aware Networks,ı̈n IEEE Access, vol. 4, pp.
9993-10028, 2016. doi: 10.1109/ACCESS.2016.2629671

15 / 16
FIN

MUCHAS GRACIAS!

16 / 16