proyecto fin de carrera - unican.es
TRANSCRIPT
ESCUELA TÉCNICA SUPERIOR DE INGENIEROS
INDUSTRIALES Y DE TELECOMUNICACIÓN
UNIVERSIDAD DE CANTABRIA
Proyecto Fin de Carrera
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS
PARA LA MEJORA DE LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE
(On the use of heuristic optimization techniques to enhance radio
resource management procedures over LTE networks)
Para acceder al Título de
INGENIERO DE TELECOMUNICACIÓN
Autor: Leire Martínez Guerrero
04 - 2015
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
2
E.T.S. DE INGENIEROS INDUSTRIALES Y DE TELECOMUNICACION
INGENIERÍA DE TELECOMUNICACIÓN
CALIFICACIÓN DEL PROYECTO FIN DE CARRERA
Realizado por: Leire Martínez Guerrero
Director del PFC: Ramón Agüero Calvo
Luis Francisco Díez Fernández
Título: “On the use of heuristic optimization techniques to enhance radio resource
management procedures over LTE networks”
Title: “Implementation of heuristic optimization techniques to improve the
management of radio resource processes in LTE”
Presentado a examen el día: 01/04/2015
para acceder al Título de
INGENIERO DE TELECOMUNICACIÓN
Composición del Tribunal:
Presidente (Apellidos, Nombre): Roberto Sanz Gil
Secretario (Apellidos, Nombre): Ramón Agüero Calvo
Vocal (Apellidos, Nombre): María Ángeles Quintela Incera
Este Tribunal ha resuelto otorgar la calificación de: ......................................
Fdo.: El Presidente Fdo.: El Secretario
Fdo.: El Vocal Fdo.: El Director del PFC
(sólo si es distinto del Secretario)
Vº Bº del Subdirector Proyecto Fin de Carrera Nº
(a asignar por Secretaría)
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
3
Resumen
En las últimas décadas el crecimiento de las comunicaciones
inalámbricas ha sido notable. De tal forma, que éstas han pasado a ser
imprescindibles en el día a día de los ciudadanos. La aparición de nuevas
tecnologías inalámbricas ha traído consigo nuevos escenarios de red y un
aumento en las estaciones bases desplegadas.
Hoy en día, los usuarios pueden elegir entre distintas redes de acceso
para establecer conexión: GSM/GPRS, 3G, Wi-Fi o LTE. Será esta última en la
que se centre este trabajo.
LTE (Long Term Evolution) presenta grandes mejoras frente a su
tecnología predecesora (UMTS o 3G) principalmente en la velocidad de
transmisión de datos que ofrece. El objetivo de este trabajo es el de estudiar
esquemas de asignación de recursos que ofrecen las estaciones desplegadas
a los usuarios a fin de maximizar la utilidad de las conexiones. Para ello, se
hará uso de técnicas de optimización heurísticas, en concreto algoritmos
genéticos.
En base a este modelado se hará una implementación en C++ mediante
la cual se simulará un despliegue de red en el que la utilidad asignada a cada
conexión variará en función del tipo de servicio y la capacidad que reciba el
mismo. De la misma manera, se valorarán otros parámetros tales como el
número de rechazos, el número de traspasos o el número de servicios
interrumpidos. Éstos afectarán a la utilidad global de las conexiones en cada
instante. A lo largo del trabajo se profundizará en cada uno de los aspectos
mencionados y, finalmente, se mostrará de forma gráfica los resultados
obtenidos.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
4
Abstract
During the last decades, the growth of wireless technologies has been
very fast. Thus, these have become almost essential for the citizenship’s day to
day. The appearence of new Wireless tecnology has brought novel network
scenarios and an increase deployed based stations.
Nowadays, user can choose between different network accesses to
establish connection: GSM/GPRS, 3G, WI-FI or LTE. This work focuses on this
latter technology .
LTE (long term Evolution) presents major improvements compared to its
predecesor technology (UMTS or 3G) in terms of data rates. The aim of this
work is to analyze resource allocation schemes that the deployed base stations offer to the users so as to maximaze its utility. In order to do so, heuristic
optimization techniques, in particular genetic algorithms, will be used.
Based on this modelling, an implementation in C++ will be done. A
network deployment will be simulated, in which the utility allocated to each
connection will be modified according to the type of service and its received
capacity. In the same way, other parameters will be taken into consideration,
such as the number of rejections, the numer of handovers or the number of
dropped services. These will alter the global utility of the network connection.
This report will discuss the various elements that are required to undertand the
work that has been carried out, and finally discusses some of the results that
were obtained.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
5
Índice general
1.- Introducción ______________________________________________________________ 9
1.2.- Objetivos ____________________________________________________________ 10
1.2.- Estructura de la memoria________________________________________________ 10
2.- LTE (Long Term Evolution) __________________________________________________ 12
2.1- Introducción a LTE ______________________________________________________ 12
2.1.1- Antecedentes ______________________________________________________ 12
2.1.2- Aspectos generales _________________________________________________ 13
2.1.3- Implantación de LTE en España ________________________________________ 14
2.2- Características importantes sobre la red de acceso LTE _________________________ 15
2.2.1- Modulación empleada _______________________________________________ 15
2.2.2- Otros aspectos _____________________________________________________ 18
3.- Planteamiento del Problema ________________________________________________ 20
3.1.- Introducción __________________________________________________________ 20
3.2.- Escenario del problema _________________________________________________ 21
3.2.1- Tratamiento de la propagación ________________________________________ 23
3.2.1- Cálculo de la utilidad ________________________________________________ 26
3.4.- Otros aspectos ________________________________________________________ 28
3.5.- Elección del método de optimización ______________________________________ 29
3.6.- Flujo del problema _____________________________________________________ 30
4.- Algorítmo para la resolución del problema: Código Genético _______________________ 32
4.1.- Definición del Algoritmo Genético _________________________________________ 32
4.2.- Descripción del algoritmo _______________________________________________ 32
4.2.1- Generación de la población inicial ______________________________________ 33
4.2.2- Operadores del Algoritmo Genético ____________________________________ 34
4.2.3.- Restricciones ______________________________________________________ 36
4.3.- Programación del algoritmo _____________________________________________ 40
4.4.- Caracterización del Algoritmo Genético ____________________________________ 44
5.- Resultados _______________________________________________________________ 49
5.1.- Definición de los parámetros para la caracterización __________________________ 49
5.2.- Escenarios y resultados _________________________________________________ 50
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
6
6.- Conclusiones _____________________________________________________________ 56
Anexo I: Resultados de la simulación del problema _________________________________ 58
Referencias _________________________________________________________________ 72
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
7
Índice de figuras
Figura 1: Propagación multitrayecto ........................................................................................... 16
Figura 2: Subportadoras en el dominio de frecuencia OFDM ..................................................... 17
Figura 3: Resource Block (LTE) .................................................................................................... 17
Figura 4: Máquina de estados del problema .............................................................................. 22
Figura 5: Modelo general de propagación (TR36.942) ................................................................ 26
Figura 6: Utilidad por servicio ..................................................................................................... 27
Figura 7: Codificación del problema ............................................................................................ 34
Figura 8: utilidad en función del servicio y los recursos asignados............................................. 37
Figura 9: Evaluación de la matriz en el algoritmo ....................................................................... 42
Figura 10: Esquema del Algoritmo Genético ............................................................................... 44
Figura 11: Solución del Algoritmo Genético ................................................................................ 44
Figura 12: Utilidad en función de la población (iteraciones 15.000) .......................................... 45
Figura 13: Utilidad en función de la población (iteraciones 7.500) ............................................ 46
Figura 14: Utilidad en función de la población (iteraciones 4.000) ............................................ 46
Figura 15: Utilidad en función de la población ........................................................................... 47
Figura 16: Utilidad en función de la población ........................................................................... 47
Figura 17: Tipos de usuarios simulados ...................................................................................... 50
Figura 18: Rechazos con 180 usuarios ........................................................................................ 51
Figura 19: Utilidad 180 usuarios .................................................................................................. 52
Figura 20: Servicios interrumpidos 180 usuarios ........................................................................ 52
Figura 21: Handover 180 usuarios .............................................................................................. 52
Figura 22: Total de rechazos por fotografía ................................................................................ 54
Figura 23: Porcentaje medio de traspasos en función de usuarios ............................................ 54
Figura 24: Utilidad media en función de usuarios ...................................................................... 54
Figura 25: Rechazos (20 usuarios) ............................................................................................... 58
Figura 26: Utilidad (20 usuarios) ................................................................................................. 58
Figura 27: Interrupciones (20 usuarios) ...................................................................................... 58
Figura 28: Handovers (20 usuarios) ............................................................................................ 59
Figura 29: Rechazos (40 usuarios) ............................................................................................... 59
Figura 30: Utilidad (40 usuarios) ................................................................................................. 59
Figura 31: Interrupciones (40 usuarios) ...................................................................................... 60
Figura 32: Handovers (40 usuarios) ............................................................................................ 60
Figura 33: Rechazos (60 usuarios) ............................................................................................... 60
Figura 34: Utilidad (60 usuarios) ................................................................................................. 61
Figura 35: Interrupciones (60 usuarios) ...................................................................................... 61
Figura 36: Handovers (60 usuarios) ............................................................................................ 61
Figura 37: Rechazos (80 usuarios) ............................................................................................... 62
Figura 38: Utilidad (80 usuarios) ................................................................................................. 62
Figura 39: Interrupciones (80 usuarios) ...................................................................................... 62
Figura 40: Handovers (80 usuarios) ............................................................................................ 63
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
8
Figura 41: Rechazos (100 usuarios) ............................................................................................. 63
Figura 42: Utilidad (100 usuarios) ............................................................................................... 63
Figura 43: Interrupciones (100 usuarios) .................................................................................... 64
Figura 44: Handovers (100 usuarios) .......................................................................................... 64
Figura 45: Rechazos (120 usuarios) ............................................................................................. 64
Figura 46: Utilidad (120 usuarios) ............................................................................................... 65
Figura 47: Interrupciones (120 usuarios) .................................................................................... 65
Figura 48: Handovers (120 usuarios) .......................................................................................... 65
Figura 49: Rechazos (140 usuarios) ............................................................................................. 66
Figura 50: Utilidad (140 usuarios) ............................................................................................... 66
Figura 51: Interrupciones (140 usuarios) .................................................................................... 66
Figura 52: Handovers (140 usuarios) .......................................................................................... 67
Figura 53: Rechazos (160 usuarios) ............................................................................................. 67
Figura 54: Utilidad (160 usuarios) ............................................................................................... 67
Figura 55: Interrupciones (160 usuarios) .................................................................................... 68
Figura 56: Handovers (160 usuarios) .......................................................................................... 68
Figura 57: Rechazos (180 usuarios) ............................................................................................. 68
Figura 58: Utilidad (180 usuarios) ............................................................................................... 69
Figura 59: Interrupciones (180 usuarios) .................................................................................... 69
Figura 60: Handovers (180 usuarios) .......................................................................................... 69
Figura 61: Rechazos (200 usuarios) ............................................................................................. 70
Figura 62: Utilidad (200 usuarios) ............................................................................................... 70
Figura 63: Interrupciones (200 usuarios) .................................................................................... 70
Figura 64: Handovers (200 usuarios) .......................................................................................... 71
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
9
1.- Introducción
Una comunicación móvil describe cualquier enlace de radiocomunicación
entre dos terminales, de los cuales al menos uno de ellos está en movimiento,
o en su defecto, la posición en la que se encuentra es desconocida. Mientras,
el otro terminal puede estar en una posición fija o encontrarse en las mismas
circunstancias que el descrito anteriormente.
Las comunicaciones móviles tuvieron su mayor crecimiento en el
mercado con la tecnología GSM, la también conocida como 2G. Su éxito fue
debido a la cantidad de mejoras que incluía respecto a su tecnología
precedente. Ofrecía una mayor calidad de servicio y preveía la posibilidad de
enviar datos, aunque a una velocidad mucho menor de la que disponemos hoy
en día.
Antes de llegar la tecnología 3G, se amplió el estándar GSM y se
introdujo la tecnología GPRS permitiendo una mayor velocidad de transmisión
de datos. También es conocida como 2.5G.
La tecnología UMTS es la conocida como la tercera generación, 3G.
Ésta supuso una gran mejoría frente a la tecnología GSM, principalmente, en lo
que a transmisión de datos se refiere. Este avance trajo consigo un gran
cambio en lo que a comunicaciones móviles se refiere, ya que aporta la
posibilidad de soportar distintos servicios multimedia en un solo terminal
además de nuevas aplicaciones de banda ancha como videoconferencias. En
este sentido, está tecnología ha sufrido varios cambios que propician una
mejora en la banda ancha de estos dispositivos.
Ante estos avances en las comunicaciones y los avances que ha habido
en los propios dispositivos móviles, tales como las tablets, smartphones… La
dependencia de las comunicaciones móviles en la sociedad ha aumentado. Ello
obliga a los operadores a ofrecer mejoras en los servicios ofrecidos.
LTE, o también conocida como 4G, ofrece grandes mejoras frente a la
tercera generación. Lo más destacable de esta tecnología es la gran mejora
que ofrece en banda ancha tanto en lo que a velocidad se refiere como a
latencia. Además, se adapta a la perfección con los últimos avances realizados
en la tecnología móvil. (Para más información el lector puede recurrir a la
referencia [1]).
A lo largo de este trabajo se tratará la tecnología LTE en profundidad. Se
analizarán los aspectos que hacen que esta tecnología pueda llegar a alcanzar
altas velocidades y se considerarán aquellos aspectos que producirán que los
usuarios no sean capaces de percibir el total de la capacidad que podrían llegar
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
10
a obtener. Todo ello orientado a encontrar un método de asignación de
estaciones base a usuarios, a fin de optimizar los recursos que éstas son
capaces de dar.
El Grupo de Ingeniería Telemática dispone de una herramienta de
simulación a la que se le han añadido funcionalidades y modificado diferentes
aspectos a fin de adaptarlo a la situación planteada en este proyecto.
1.2.- Objetivos
A continuación se presentan los objetivos marcados para este trabajo:
Modificar la herramienta mencionada a fin de obtener una
simulación más precisa de las pérdidas que se producen en la red
de acceso.
Elegir y desarrollar una herramienta para la resolución del
problema de optimización que plantea el desarrollo de este
trabajo.
Considerar casuísticas tales como los traspasos y rechazos en las
comunicaciones.
Reestructurar todo el almacenamiento de la información a fin de
poder adaptarlo al algoritmo de optimización implementado para
la resolución del problema.
1.2.- Estructura de la memoria
La memoria se ha desarrollado en seis secciones, cada uno de ellas
trata un aspecto necesario para la comprensión del trabajo realizado. A
continuación se hará una breve explicación acerca de la información que
contiene cada uno de esos capítulos:
Capítulo 2: LTE (Long Term Evolution)
El trabajo realizado está centrado en LTE. Por tanto, a lo largo de este
capítulo se explicará qué es LTE y qué características presenta. Se hará
especial hincapié en todo aquello necesario para poder comprender el
desarrollo del trabajo. Lo más destacable de este capítulo es el tipo de
modulación que se emplea en LTE para la transmisión de la información.
Además, se contará de forma superficial la situación actual de esta tecnología
en España.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
11
Capítulo 3: Planteamiento del problema
En esta sección se describirá con detalle el problema tratado en este
proyecto. Será en este en éste donde se analicen todos aquellos parámetros
que se han considerado para el planteamiento del problema. Por ejemplo, se
explicará cómo es el escenario planteado y el tratamiento que se le ha dado a
la utilidad en este caso. Para finalizar, se hará una breve introducción al
siguiente capítulo, haciendo hincapié en la importancia del algoritmo de
optimización para la resolución del problema.
Capítulo 4: Algoritmo para la resolución del problema
Como se describe en el capítulo anterior, uno de los principales aspectos
de este proyecto es el algoritmo de optimización empleado para la resolución
del problema. Además de describir los motivos de elección de este algoritmo,
se narrará cómo se ha desarrollado y, más importante aún, cómo se ha
caracterizado dicho algoritmo.
Capítulo 5: Resultados
En este capítulo se expondrán todos los resultados obtenidos de todos
aquellos aspectos analizados en este problema.
Capítulo 6: Conclusiones
Tras haber expuesto los resultados obtenidos de la simulación del
problema de optimización se analizará todo aquello obtenido y se expondrán
las conclusiones alcanzadas.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
12
2.- LTE (Long Term Evolution)
Este capítulo tiene como objetivo dar a conocer al lector las
características de la tecnología LTE (Long Term Evolution). Para ello, se
dividirá en dos partes: en una primera parte se hará una reflexión sobre los
antecedentes de LTE y una introducción de las características generales de la
misma; y en una segunda parte se profundizará más en características y
aspectos necesarios para poder entender cómo se ha desarrollado el proyecto
y cómo se ha llegado a los resultados y conclusiones obtenidas.
2.1- Introducción a LTE
LTE es la abreviatura de Long Term Evolution que usualmente es
llamada 4G LTE. Se trata de un estándar de 3GPP para la comunicación
inalámbrica de teléfonos móviles y terminales de datos [2]. El objetivo de este
estándar es el aumento de velocidad y capacidad utilizando nuevas técnicas de
procesado de señal digital y de modulación.
2.1.1- Antecedentes
Pese a ser en 1901 cuando Marconi lograse la primera transmisión de
voz a través del Océano, es decir, la primera comunicación inalámbrica en la
historia, no fue hasta 1980 cuando llegó la primera generación de red
inalámbrica, conocida por 1G. Esta red disponía de un número limitado de
canales y la principal diferencia de esta primera generación frente a las demás
es el uso de tecnología analógica. Con la aparición de la red 1G el mercado de
teléfonos móviles creció entre un 30 y 50 por ciento (%) anualmente, y el
número de suscritos mundiales alcanzó aproximadamente 20 millones para
1990.
La red GSM, conocida como 2G, llegó en el año 1991. Esta supuso un
cambio hacia lo digital lo que suponía poder tener un mayor número de enlaces
simultáneos en un mismo ancho de banda. Además, este paso hacia la
modulación digital supuso también una mejora en la calidad de la señal
transmitida.
Después llegó lo que algunos llamaron 2.5G, que se trataba de 2G sólo
que con algunas mejoras que más adelante tendría la red 3G como por ejemplo
el uso del estándar GPRS que permitía a los usuarios enviar datos con
imágenes..
3G o UMTS llego en 2001 de la mano de la japonesa NTTDoCoMo y fue
basada en la tecnología W-CDMA. La diferencia básica sobre la tecnología
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
13
precedente radica en la conmutación de paquetes para la transmisiónde datos.
Además, trajo consigo una mayor capacidad de red, mayor velocidad de datos
y más servicios de red avanzados. Una de las mejoras más importantes fue en
la seguridad, ya que propiciaba la identificación de la red.
Esta generación supuso que los usuarios pudiesen usar internet en su
móvil. Esta tecnología ya soporta voz y datos en tiempo simultáneo y permite a
sus usuarios el uso de aplicaciones de audio, imágenes y video en tiempo real
además de la posibilidad de realizar videollamadas. En condiciones óptimas
esta red es capaz de ofrecer hasta 2Mbit/s.
Por otro lado, el 3G supuso el avance hacia el roaming global, es decir,
la posibilidad de conexión a Internet desde cualquier parte del mundo.
En febrero de 2007 de nuevo la japonesa NTTDoCoMo presentó un
prototipo de 4G que garantizaba 100Mb/s en movimiento y 1Gb/s parado.
Actualmente, este sistema está en proceso de ser implantado por distintos
países del mundo. En España fue Vodafone en el 2013 el primero en anunciar
la cobertura 4G con velocidades de hasta 150Mbit/s.
Las compañías están desarrollando la próxima generación de
tecnologías móviles inalámbricas, que será denominada 5G y prevén su uso
común para el año 2020 [3].
2.1.2- Aspectos generales
Como hemos visto antes, la evolución de la tecnología en el mundo de
las telecomunicaciones es constante y queda claro la orientación que lleva. Lo
que se pretende es conseguir alta velocidad de navegación y descarga de
multimedia, Internet, televisión… en nuestros dispositivos móviles. Es decir,
que el dispositivo pueda ser suficiente para satisfacer todas las necesidades
tecnológicas del usuario.
En este sentido, la tecnología LTE surgió para cubrir todas las carencias
y de la tecnología 3G, así como aportar nuevas ventajas.
Las principales limitaciones de la tecnología 3G serían las siguientes:
Velocidad de transferencia de datos.
Imposibilidad de soportar múltiples sistemas de acceso.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
14
Ante estas limitaciones la tecnología LTE ofrece una mejora en las
velocidades de transmisión de datos (tanto en downlink como en uplink),
utilización de nuevas frecuencias de espectro e interconexión en las redes de
acceso.
LTE (Long Time Evolución) en sus inicios se planteó en 3GPP para
denominar al estudio o trabajo que se estaba realizando para mejorar la red de
acceso de UMTS, llamada UTRAN (Universal Terrestrial Radio Access
Network). A esta nueva red de acceso se la llamaría formalmente E-UTRAN
(Envolved Universal Terrestrial Radio Access Network), aunque en general es
conocida como LTE.
Por su parte, en lo referente a la red troncal, se utilizó el término SAE
(System Architecture Evolution) en referencia una red toncal evolucionada y
basada en conmutación de paquetes, aunque su nombre formal sea EPC
(Envolved Packet Core).
Estas dos mejoras unidas (la evolución de la red de acceso y la de la red
troncal) constituyen la EPS (Envolved Packet System).
Mientras que UTRAN hacia uso de WCDMA, LTE o E-UTRAN ha
apostado por la tecnología OFDMA (Orthogonal Frecuency-Division Multiple
Access).
En definitiva, LTE no es un estándar definido sino una nueva tecnología
capaz de integrar lo mejor de GSM, GPRS, UMTS y HSPA (High-Speed Packet
Access), incluso aporta una mejora de rendimiento. Según Telecoms & Media
de la consultora Altran “Es la evolución de los estándares de la telefonía
móvil” [4].
2.1.3- Implantación de LTE en España
Cabe destacar en España han llegado primero los terminales móviles
compatibles con esta tecnología que la propia tecnología. En gran medida esto
ha sido debido a un problema de espectro.
La comisión del Mercado de las Telecomunicaciones autorizó en España
tres anchos de banda para 4G: la 800MHz, 1800MHz y 2600MHz.
En problema radica en que la banda más propicia para la implantación
de esta tecnología sería la banda de 800Mhz, ya que es la que menos pérdida
de propagación presenta, lo que supondría un ahorro en recursos a los
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
15
operadores. No obstante, esta banda está ocupada por la TDT (Televisión
Digital Terrestre). Finalmente, según un dictamen de la Unión Europea, esta
banda ha de ser liberada para el 2015.
Por otro lado se encuentra la banda de 1800MHz, la cual tampoco
supondría mayores problemas a las operadoras, sin embargo, esta también se
encuentra ocupada con las tecnología 2G y 3G.
El Colegio Oficial de Ingenieros de Telecomunicación realizó un estudio
tratando la evolución del espectro radieléctrico [5] donde se pude obtener más
información a este respecto.
2.2- Características importantes sobre la red de acceso LTE
Tras haber dado a conocer a grandes rasgos en qué consiste la red de
acceso LTE, ahora se analizará en más detalle conceptos de la red que serán
necesarios para entender posteriormente el planteamiento del problema y los
resultados obtenidos.
2.2.1- Modulación empleada
Como se ha mencionado con anterioridad, mientras que UTRAN hacía
uso de WCDMA, LTE o E-UTRAN ha apostado por la tecnología OFDMA
(Orthogonal Frecuency-Division Multiple Access) [6].
OFDM, que se surgió para fines militares hacia la década de los 60, se
trata actualmente la modulación más usada en los sistemas de comunicación
inalámbrica actuales. Se emplea tanto en WiFi como en Wimax como en LTE
entre otros.
Este tipo de modulación fue diseñada para evitar el ISI (Interferencia
entre símbolos) que produce el camino multitrayecto y el ICI (Interferencia entre
portadoras). Así como para transmitir mayor información en un menor ancho de
banda sin degradar la calidad de la señal.
Por tanto, para entender la modulación OFDM es necesario conocer en
qué consiste el ISI debido a la propagación multitrayecto:
Al transmitir una señal por una antena, esta señal puede llegar a la
antena receptora por varios caminos distintos. Esto es debido a los obstáculos
que hay entre ambas y producen que la señal rebote. Este fenómeno produce
que la señal llegue a la antena receptora más de una vez y en tiempos
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
16
distintos, haciendo un efecto de eco. Al llegar la señal repetida y en tiempos
distintos, los “ecos” se entremezclen y conlleva que la señal no llegue clara al
receptor. Este efecto se puede apreciar en la siguiente imagen (ver figura 2.1):
Figura 1: Propagación multitrayecto
Se puede observar que en esta situación la señal A sería la primera en
llegar, la señal B la segunda y en última instancia llegaría la C.
De esta forma también se produce el ICI, la interferencia entre portadoras. Esta puede ser debida a tres factores: tanto por desplazamientos de frecuencia de la portadora como por la dispersión Doppler y, en menor grado, por desplazamientos en la frecuencia de muestreo.
OFDM trata de evitar estos efectos haciendo uso del Prefijo Cíclico,
técnica que consiste en, teniendo en cuenta que la duración de cada símbolo
es larga, es posible introducir un intervalo de guarda entre los mismos. De esta
forma se evita que dos símbolos consecutivos puedan ser solapados. A este
tiempo se le denomina tiempo de guarda.
La modulación OFDM divide la banda en canales ortogonales mientras
que cada uno de ellos transmite una portadora, que a su vez, tiene su propia
modulación. De esta forma, cada portadora se comporta como un canal
independiente que tan solo sufre atenuación, no dispersión. Además, al ser una
modulación formada por múltiples subportadoras se consigue que cada
símbolo sea capaz de transportar una gran información de bits, frente a
aquellas modulaciones con una sola portadora que tan solo transportan unos
pocos bits. En la siguiente imagen es posible apreciar las distintas
subportadoras en el dominio de la frecuencia de OFDM (ver figura 2.2):
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
17
Figura 2: Subportadoras en el dominio de frecuencia OFDM
En definitiva, la mayor ventaja que dispone la modulación OFDM se trata
de la robustez que ofrece frente al multitrayecto, así como la gran cantidad de
información que es capaz de transmitir. Por tanto, LTE se beneficia de todas
estas ventajas. El uso que hace LTE de esta modulación puede ser ilustrado
como una cuadrícula de la siguiente manera (ver figura 2.3) [7]:
Figura 3: Resource Block (LTE)
Como puede observarse en la imagen, cada Resource Block es
bidimensional (tiempo-frecuencia). Atendiendo a la frecuencia se contemplan
doce subportadoras con ∆f=15 KHz y atendiendo al tiempo 0,5ms. Teniendo en
cuenta que 0,5ms equivales a 7 símbolos OFDM, un RB(Resource Bloq)
matemáticamente queda definido de la siguiente manera:
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
18
1𝑅𝐵 = 15𝐾𝐻𝑧 (1 𝑠𝑢𝑏𝑝𝑜𝑟𝑡𝑎𝑑𝑜𝑟𝑎) ∗ 7 𝑠í𝑚𝑏𝑜𝑙𝑜𝑠 𝑂𝐹𝐷𝑀
A cada usuario se le asignará un número concreto de Resouce Block en
función de los servicios contratados. A mayor Resource Blocks, mayor
capacidad recibida por el usuario.
2.2.2- Otros aspectos
Como se ha mencionado con anterioridad, una de los aspectos
fundamentales que aporta una alta capacidad de datos a LTE se trata de la
modulación empleada. Recordar que OFDM destaca por su técnica de
multicanalización basada en el uso de varias subportadoras, es decir, que la
banda queda dividida en múltiples canales y cada uno de ellos dispone de una
portadora.
Esta multicanalización de LTE permite a las subportadoras tener una
modulación propia e independiente de las demás subportadoras de la banda a
fin de optimizar recursos.
A raíz de esta característica que ofrece el empleo de la modulación
OFDM en LTE se han desarrollado diversos estudios acerca de cómo mejorar
el throughput en la transmisión de información y, al mismo tiempo, aumentar la
fiabilidad de los datos enviados. Así se llegó finalmente a otra de las
características clave de LTE: la adaptación de enlace.
La adaptación de enlace aprovecha la multicanalización del canal con el
fin de utilizar de una forma más eficiente la capacidad del canal, adaptanddo
los parámetros de transmisión, el esquema de modulación y la tasa de
codificación.
En LTE la adaptación de enlace está basada en AMC (Adaptative
Modulacion Coding) la cual es capaz de adaptar es esquema de modulación y
la tasa de codificación de la siguiente manera [8]:
Esquema de modulación: si la SINR (Signal-to-interference-plus-
noise ratio), es decir, relación señal a ruido e interferencia es
suficientemente alta, se usan esquemas de modulación de orden
superior con mayor eficiencia espectral como por ejemplo 64-
QAM. Sin embargo en el caso en que la SINR sea baja, se
utilizará un esquema inferior con menor eficiencia espectal como
QPSK ya que es más robusta ante errores de bits.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
19
Tasa de codificación: dada una modulación concreta se puede
elegir una tasa de codificación correcta dependiendo de la calidad
del enlace. Cuanto mejor sea la calidad del canal, mayor es la
tasa de código que se utiliza y, por supuesto, de la misma manera
ocurre cuanto mayor sea la velocidad de datos.
La gran mayoría de los métodos AMC utilizados, seleccionan la
modulación y el esquema de codificación mediante mapas pre calculados: MCS
(Modulation and Coding Scheme). Este método es concreto es el que utiliza
LTE para la selección de sus parámetros de transmisión.
La tabla que puede verse a continuación está obtenida de las tablas
ts36.213 [9], más concretamente de las tablas reducidas [1] y [2]. En ella se
encuentran especificados los diferentes parámetros que se escogen para la
transmisión en LTE en función de la relación señal a ruido e interferencia
(SINR).
PHY MODE MODULATION CODE RATE SINRmin[dB]
1 QPSK 1/3 0,9
2 QPSK 1/2 2,1
3 QPSK 2/3 3,8
4 QAM16 1/2 7,7
5 QAM16 2/3 9,8
6 QAM16 5/6 12,6
7 QAM64 2/3 15,0
8 QAM64 5/6 18,2 Figura 2.4: tabla ts36.213
En la tabla es posible observar lo explicado previamente: para una SINR
baja, la modulación a emplear es QPSK con una baja tasa de código, ya que es
la más robusta. Por otro lado, se aprecia cómo para una SINR elevada la
modulación es 64-QAM y la tasa de código es alta.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
20
3.- Planteamiento del Problema
En esta sección se explicará en qué consiste el problema planteado y se
añadirá todo lo necesario, para comprender qué aspectos se han tenido en
cuenta a la hora de ser planteado, así como los motivos que han conducido a
tratarlo de esa manera.
Los principales puntos que se tratarán son aspectos tales como el
cálculo de las pérdidas que se sufren por la propagación, cómo afecta ésto a la
utilidad que un usuario recibe de dicha estación base y otros parámetros que
afectan a la utilidad.
Además, será en este capítulo donde se explique la elección del método
de optimización empleado para la resolución del problema, aunque será en el
siguiente capítulo donde se tratará en mayor detalle el algoritmo que se ha
escogido.
3.1.- Introducción
A lo largo del capítulo dos, se ha hecho una introducción y una
descripción acerca de LTE (Long Term Evolution). En este capítulo se hablará
de cómo se aplicará en el problema todo lo explicado a lo largo del capítulo
anterior.
La finalidad del problema es la de llegar a cómo establecer una
asignación óptima de estaciones base y usuarios, a fin de maximizar la utilidad
que éstos últimos reciben de las estaciones base. Además, se tendrán en
consideración otros aspectos tales como priorizar los servicios en curso y
minimizar, dentro de lo posible, el número de traspasos de los usuarios entre
estaciones base.
Para ello, se han tenido en cuenta aquellos factores que intervienen en
la calidad de la señal recibida y que, por tanto, afectan directamente a la
utilidad que cada usuario recibe por parte de las estaciones base desplegadas
en el escenario.
Todos estos aspectos considerados para alcanzar una solución
razonable del problema serán analizados y explicados uno a uno a lo largo de
este capítulo.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
21
3.2.- Escenario del problema
El planteamiento del problema pretende acercarse lo máximo posible a
la realidad, por este motivo resulta necesario este apartado en el que se
explicará con detalle cómo se ha tratado el escenario del problema.
Se ha realizado un despliegue de usuarios a lo largo del escenario. De
estos, se conoce la siguiente información: dónde están situados, qué servicios
tienen contratados, qué intención tienen de conectarse a la red y, en caso de
ser así, qué servicios en concreto quieren conectar.
Por otro lado, están desplegadas diferentes estaciones base. De ellas se
posee la siguiente información: dónde están situadas, la capacidad que tienen,
la potencia que transmiten y la frecuencia a la que lo hacen.
Además, para maximizar las similitudes con la realidad en las
comunicaciones móviles, se simularán 360 fotografías. Cada una de ellas
presenta una posición determinada de cada usuario y una intención distinta de
conectar o no alguno de sus servicios a la red. De esta forma, se simulará que
los usuarios van moviéndose por el escenario, cambiado sus intenciones y de
esta manera se podrán considerar más aspectos que aquellos relacionados
únicamente con la propagación. Aspectos tales como los traspasos y la
priorización de las llamadas en curso frente a otras que no estaban conectadas
con anterioridad.
Con este planteamiento del problema se entiende que los servicios
podrán estar en diferentes estados. Estos estados son los definidos a
continuación:
Idle: este estado se considera cuando el servicio no tiene intención de
conectarse, por tanto, no se considerará en el problema de optimización
hasta que no cambie de estado.
Active: ocurre cuando un servicio está conectado a una estación. En
caso de estar en este estado, a lo largo de las siguientes fotografías,
siempre que su intención no cambie, se tratará de mantenerlo en el
mismo estado. No obstante, no se garantiza que se pueda mantener el
servicio en curso.
Rejected: tras estar en el estado Idle, un usuario ha cambiado de
intención y desea conectarse a alguna de las estaciones base, no
obstante, no ha sido exitoso, no ha sido conectado a ninguna de las
estaciones base con las que recibía señal. Por tanto, el servicio ha sido
rechazado.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
22
Dropped: el usuario se encontraba en el estado active, no obstante, en
la siguiente fotografía, a pesar de mantener su intención de estar
conectado, no se le ha asignado conexión a ninguna de las estaciones
base. Este caso se intentará evitar en la medida de lo posible pero sin
garantizar que se haga.
Con las definiciones anteriores se entiende que los servicios siguen el
siguiente diagrama (figura 3.1):
Figura 4: Máquina de estados del problema
Los traspasos entre un estado y otro vienen definidos con el siguiente
formato: -/-. La primera cifra hace referencia a la intencionalidad que tiene cada
servicio de conectarse a la red. En caso de estar a ‘1’, significaría que el
servicio quiere conectarse. No obstante, en caso de estar a cero, no quiere
conectarse. Por otro lado, la segunda cifra representa si el servicio consigue
establecer conexión con la red (‘1’) o no lo consigue (‘0’).
A continuación se explica con mayor detalle el tránsito entre estados que
pueden sufrir los servicios:
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
23
Idle→Idle: En caso de que un estado no tenga intencionalidad de
conectarse a la red, se mantendrá fotografía tras fotografía en el estado
‘Idle’
Idle→Active: Estando un estado en Idle, es decir, sin intencionalidad de
conectarse a la red, puede cambiar al estado ‘Active’ en caso de
cambiar su intencionalidad y recibir conexión.
Active→Active: Un servicio que llega al estado active y su
intencionalidad no varía puede mantenerse en el mismo estado siempre
que reciba conexión.
Active→Dropped: En caso de que un servicio, estado activo y
manteniendo la intencionalidad de mantenerse conectado, sea
rechazado por la red, pasará al estado Dropped.
Active→Iddle: Cuando un servicio estando activo, cambia su
intencionalidad a 0, es decir, no quiere mantenerse conectado, su
estado cambia a Iddle.
Iddle→Rejected: Sucede cuando un servicio que teniendo su
intencionalidad a 0, es decir, no queriendo estar conectado a la red,
cambia su estado pero no consigue establecer conexión. En este caso,
el servicio debería cambiar su intencionalidad una vez más, para más
adelante poder establecer conexión y cambiar al estado ‘Active’.
Cabe destacar que, dentro de las llamadas que se mantienen en el
estado Active, éstas pueden mantenerse durante todas las fotografías que
permanezcan en este estado, conectado a una misma estación base o no.
Cuando no ocurre de esa manera, es decir, que para mantener la conectividad
se haya requerido un cambio de estación base, habrá sufrido un traspaso
(“Handover”). Se trata de un aspecto que intentará de evitar en la medida de lo
posible y se contabilizarán el número de traspasos ocurridos a lo largo de la
simulación del problema.
En definitiva, éstos son los datos de partida para el planteamiento y, a
continuación, la resolución del problema de optimización. Por tanto, a
continuación se irá cómo se ha implementado la propagación, cómo se ha
calculado la utilidad que recibe cada usuario, otros parámetros que se han
considerado y qué método de optimización se ha seleccionado, así como los
motivos que han llevado a su elección.
3.2.1- Tratamiento de la propagación
Uno de los aspectos considerados en el problema es la propagación. La
propagación se trata de un conjunto de fenómenos físicos que producen que
las ondas viajen desde el transmisor hasta el receptor.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
24
No obstante, este fenómeno se aleja de ser ideal en el sentido en que la
potencia de la señal que se transmite no llega al receptor con la misma
potencia. Es decir, existen las pérdidas de propagación, hay señal que se
pierde al atravesar el espacio entre dos puntos.
Estas pérdidas varían en función de diferentes factores. Los más
significativos y que se han tenido en consideración son, el área en el que se
desarrolla; es decir, si el planteamiento del problema es en zona urbana,
suburbana o rural.
En una zona rural el tráfico de comunicaciones móviles es muy pequeño,
la velocidad de los usuarios suele ser mayor que en otro tipo de zonas y las
reflexiones que generan las montañas y los arboles no son del orden de las
que se generan en un entorno urbano.
Mientras, en zonas urbanas el tráfico es mucho mayor que en las zonas
rurales. La velocidad suele ser muy pequeña, pudiendo ser nula en muchos
casos. En este tipo de zonas hay muchos edificios y vehículos que al igual que
ocurría con los montes en la zona anterior, afecta directamente a la
propagación de la señal.
Además, es muy importante la altura de las antenas transmisoras y
receptoras, ya que a mayor altura las probabilidades de encontrar obstáculos
entre las antenas es menor. De la misma manera afecta la distancia entre las
antenas: a menor distancia probabilidad de menores pérdidas. Otro factor muy
relevante en las pérdidas que se producen por la propagación, en la frecuencia
en la que transmite la señal.
Considerando todos estos parámetros mencionados, el 3GPP ha
desarrollado unas tablas, con fórmulas obtenidas de forma empírica en la que
se especifican las distintas pérdidas de propagación que se obtienen en función
de la zona en que se encuentren las antenas, sus alturas, su distancia y la
frecuencia a la que transmitan [10]. Todas las fórmulas están calculadas para
LTE, con válidas en un rango de frecuencia entre 2Ghz y 6Ghz. La tabla
mencionada es la que se encuentra a continuación. En la primera columna se
define el escenario al que aplica, en la última columna se referencia a la altura
de las antenas, así como la distancia entre ellas:
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
25
Escenario
PL [dB]
Nota: fc en GHzy distancia en m
Shadow fading std
[dB]
Applicability range,
antenna height default
values
Urban Micro (UMi)
LOS (1)
𝑃𝐿 = 22.0𝑙𝑜𝑔10(𝑑) + 28.0 + 𝑙𝑜𝑔10(𝑓𝑐)
10 m < d1 < 𝑑′𝐵𝑃 hBS = 10 m, hUT = 1.5 m
𝑃𝐿 = 40𝑙𝑜𝑔10(𝑑1) + 7.8 +𝑙𝑜𝑔10(ℎ
′𝐵𝑆) − 18𝑙𝑜𝑔10(ℎ
′𝑈𝑇) +
2𝑙𝑜𝑔10(𝑓𝑐)
d’BP < d1 < 5000
m
hBS = 10 m, hUT = 1.5 m
NLOS
𝑃𝐿 = 36.7𝑙𝑜𝑔10(𝑑) + 22.7 +26𝑙𝑜𝑔10(𝑓𝑐)
10 m < d < 2 000 m
hBS = 10 m
hUT =1-2.5 m
Urban Macro (UMa)
LOS (1)
𝑃𝐿 = 22.0𝑙𝑜𝑔10(𝑑) + 28.0 +20𝑙𝑜𝑔10(𝑓𝑐)
10 m < d < 𝑑′𝐵𝑃 hBS = 25 m, hUT = 1.5 m
𝑃𝐿 = 40𝑙𝑜𝑔10(𝑑1) + 7.8 −18𝑙𝑜𝑔10(ℎ
′𝐵𝑆) − 18𝑙𝑜𝑔10(ℎ
′𝑈𝑇) +
2𝑙𝑜𝑔10(𝑓𝑐)
𝑑′𝐵𝑃 < d < 5 000 m hBS = 25 m, hUT = 1.5 m
NLOS
𝑃𝐿 = 161.04 − 7.1𝑙𝑜𝑔10(𝑊) + 7.5 +𝑙𝑜𝑔10(ℎ) −
(24.37 − 3.7 (ℎ ℎ𝐵𝑆⁄ )
2
) 𝑙𝑜𝑔10(ℎ𝐵𝑆) +
(43.42 − 3.1𝑙𝑜𝑔10(ℎ𝐵𝑆))(𝑙𝑜𝑔10(𝑑) −
3) + 20𝑙𝑜𝑔10(𝑓𝑐) −
(3.2(𝑙𝑜𝑔10(11.75ℎ𝑈𝑇))2− 4.97)
10 m < d < 5 000 m h = avg. building height W = street width hBS = 25 m, hUT = 1.5 m, W = 20 m, h = 20 m The applicability ranges: 5 m < h < 50 m 5 m < W < 50 m 10 m < hBS < 150 m 1 m < hUT < 10 m
Suburban Macro (SMa)
LOS (2)
𝑃𝐿 = 20𝑙𝑜𝑔10(40𝜋𝑑𝑓𝑐/3) +
min(0.03ℎ1.72, 10) 𝑙𝑜𝑔10(𝑑) −min(0.044ℎ1.72, 14.77) +0.002𝑙𝑜𝑔10(ℎ)𝑑
10 m < d < 𝑑𝐵𝑃
hBS = 35 m, hUT =
1.5 m, W = 20 m, h
= 10 m
(The applicability ranges of h, W, hBS, hUT are same as in UMa NLOS
𝑃𝐿 = 𝑃𝐿1(𝑑𝐵𝑃) + 40𝑙𝑜𝑔10(𝑑/𝑑𝐵𝑃)
𝑑𝐵𝑃 < d < 5 000 m
hBS = 35 m, hUT =
1.5 m,
NLOS
𝑃𝐿 = 161.04 − 7.1𝑙𝑜𝑔10(𝑊) +7.5𝑙𝑜𝑔10(ℎ) −
(24.37 − 3.7 (ℎ
ℎ𝐵𝑆)2
) 𝑙𝑜𝑔10(ℎ𝐵𝑆) +
(43.42 − 3.1𝑙𝑜𝑔10(ℎ𝐵𝑆))(𝑙𝑜𝑔10(𝑑) −
3) + 20𝑙𝑜𝑔10(𝑓𝑐) −
(3.2(𝑙𝑜𝑔10(11.75ℎ𝑈𝑇))2− 4.97
10 m < d < 5 000 m hBS = 35 m, hUT = 1.5 m, W = 20 m, h = 10 m (Applicability ranges of h, W, hBS, hUT are same as in UMa NLOS)
Rural Macro LOS 𝑃𝐿 = 20𝑙𝑜𝑔10(40𝜋𝑑𝑓𝑐/3) +
min(0.03ℎ1.72, 10) 𝑙𝑜𝑔10(𝑑) − 10 m < d <𝑑𝐵𝑃
hBS = 35 m, hUT =
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
26
(RMa) (2) min(0.044ℎ1.72, 14.77) +0.002𝑙𝑜𝑔10(ℎ)𝑑
1.5 m, W = 20 m, h = 5 m (Applicability ranges of h, W, hBS, hUT are same as UMa NLOS)
𝑃𝐿 = 𝑃𝐿1(𝑑𝐵𝑃) + 40𝑙𝑜𝑔10(𝑑/𝑑𝐵𝑃)
𝑑𝐵𝑃 < d < 10 000 m, hBS = 35 m, hUT = 1.5 m, W = 20 m, h = 5 m (Applicability ranges of h, W, hBS, hUT are same as UMa NLOS)
NLOS
𝑃𝐿 = 161.04 − 7.1𝑙𝑜𝑔10(𝑊) +7.5𝑙𝑜𝑔10(ℎ) −
(24.37 − 3.7 (ℎ
ℎ𝐵𝑆)2
) 𝑙𝑜𝑔10(ℎ𝐵𝑆) +
(43.42 − 3.1𝑙𝑜𝑔10(ℎ𝐵𝑆))(𝑙𝑜𝑔10(𝑑) −
3) + 20𝑙𝑜𝑔10(𝑓𝑐) −
(3.2(𝑙𝑜𝑔10(11.75ℎ𝑈𝑇))2− 4.97
10 m < d < 5 000 m, hBS = 35 m, hUT
= 1.5 m, W = 20 m, h = 5 m (The applicability ranges of h, W, hBS, hUT are same as UMa NLOS)
1. Punto de ruptura distancia d' BP = 4 h'BS h'UT fc / c, donde fc es la frecuencia central en Hz , c = 3.0108 m / s es
la velocidad de propagación en el espacio libre , y h'BS y h'UT son las alturas efectivas de antena de la BS y la UT ,
respectivamente. Las alturas efectivas de antena h'BS y h'UT se calculan de la siguiente manera : h'BS = HBS - 1,0
m, h'UT = Hut - 1,0 m, donde HBS y Hut son las alturas de las antenas reales , y la altura ambiente eficaz en entornos
urbanos se supone que es igual a 1,0 m .
2. La distancia de punto de rotura dBP = 2π HBS Hut fc / c, donde fc es la frecuencia central en Hz , c = 3.0108 m /
s es la velocidad de propagación en el espacio libre , y HBS y Hut son las alturas de las antenas en el BS y el UT,
respectivamente.
Figura 5: Modelo general de propagación (TR36.942)
Una vez se han calculado las pérdidas (PL), la fórmula de la potencia recibida por el usuario receptor es la siguiente:
RX_PWR = TX_PWR – (PL – G_TX – G_RX)
Como puede observarse, se han considerado todos los parámetros
comentados: el tipo de escenario que presenta cuatro posibilidades (urbano
micro, urbano macro, suburbano y rural), la altura de las antenas, la distancia y
la frecuencia.
En el problema todos estos aspectos son configurables y a la hora de
obtener resultados se especificarán cuáles son los escogidos.
3.2.1- Cálculo de la utilidad
La utilidad es el factor que se utilizará para determinar la calidad de la
señal que recibe cada usuario. En base a esta, se definirán los distintos pares
usuario-estación base. De hecho, se tratará del parámetro a optimizar a la hora
de resolver el problema de optimización.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
27
El parámetro de la utilidad será calculado para cada uno de los servicios
en función del número de bloques de recursos que recibe por parte la estación
base, de la capacidad de cada uno de estos bloques y del tipo de servicio. Esto
último viene dado porque no todos los servicios requieren del mismo número
de recursos. Hay dos tipos de servicios: los elásticos y los no elásticos.
Los servicios no elásticos son aquellos cuya utilidad es cero siempre que
no se le asigne una capacidad mínima, a partir de ésta, la utilidad no se
incrementa pese a asignársele mayor capacidad. Sin embargo, en los servicios
elásticos, a pesar de requerir un número mínimo de recursos para funcionar, a
medida que reciben más recursos la utilidad también iría mejorando, la calidad
del servicio sería mayor.
En el problema se han considerado cuatro tipos de servicios: video a
tiempo no real, video a tiempo real, juegos a tiempo real y voz. Entre estos
servicios se diferencian tres elásticos y uno inelástico, más concretamente, la
voz.
Para calcular la utilidad en función únicamente del tipo de servicio, se ha
seleccionado para cada uno de ellos un mínimo de Kbps para funcionar y un
máximo a partir del cual la utilidad no crece o crece de forma muy lenta. En las
siguientes gráficas se muestran la utilidad en función de la capacidad recibida
simulada en el problema:
Figura 6: Utilidad por servicio
En esta gráfica queda ilustrado cómo la utilidad de los servicios elásticos
sigue una línea logarítmica, de forma que al alcanzar una capacidad concreta,
la utilidad deja de mejorar. Mientras, se ve cómo en el caso del servicio no
elástico la utilidad o cero o máxima, no habiendo la posibilidad de que funcione
de otro modo.
0 500 1000 1500 2000 2500 3000
0
1
2
3
4
5
6
Kbps
Uti
lidad
Real-TimeGame
Voice
Non-Real-Time Video
Real-TimeVideo
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
28
La utilidad mostrada en la gráfica anterior que hace referencia a cada uno de
los cuatro servicios simulados, es también la mima que se simulará para la
resolución del problema de optimización.
El número de Kbps que recibe cada uno de los servicios se determinará
en función del número de bloques de recursos asignados la capacidad de cada
uno de ellos, de la siguiente manera:
𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜 = 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑏𝑙𝑜𝑞𝑢𝑒 × 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑏𝑙𝑜𝑞𝑢𝑒𝑠
De esta fórmula se deduce que para optimizar el valor de la utilidad será
necesario hacerlo también del número de bloques asignado a un servicio en
función de la capacidad del mismo.
3.4.- Otros aspectos
Otros aspectos considerados a la hora de plantear el problema han sido
el número de traspasos, el número de rechazos en el sistema y el número de
servicios interrumpidos.
Estos casos que se han considerado, pretenden ser evitados en la
medida de lo posible, ya que pretenden priorizarse todos aquellos servicios que
ya tienen establecida conexión con una estación base. Además, al ocurrir un
traspaso la calidad de la señal recibida puede verse negativamente afectada.
Por tanto, se analizarán estas casuísticas a fin de evitarlas a la hora de
establecer una asignación de estación base a un usuario. El método escogido
para ello, es el de degradar la utilidad que un usuario recibe por parte de una
estación base en caso de encontrarse en alguna de estas situaciones. Es por
ello que no se consiguen evitar en todos los casos pero que, como podrá verse
en el capítulo cinco, en el que se expondrán los resultados obtenidos, sí que se
consiguen mitigar en gran medida estos casos reduciendo el valor de la utilidad
obtenida en caso de ocurrir alguno de estos casos.
Además, otra forma de evitarlos es “premiando” a aquellos que se
asignan bien, es decir, aumentando la utilidad de aquellas asignaciones cuando
el servicio no es rechazado o en caso de que no sucedan traspasos.
Por otro lado, en el apartado en que se ha hablado acerca de la utilidad,
también se ha mencionado cómo se comportan los servicios no elásticos y los
servicios elásticos. Éstos, a partir de recibir un determinado régimen binario,
dejan de aumentar su utilidad o, en caso de los servicio elásticos, apenas lo
hacen. Por este motivo, se pretende que aquellos servicios que no requieran
mayor régimen binario, no lo reciban. Para conseguir esto, al igual que se ha
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
29
hecho con los traspasos y rechazos, se juega con la utilidad. Es decir, una vez
alcanzado el régimen binario máximo a partir del cual la utilidad no mejora o
apenas lo hace se degradará la utilidad.
Además, también se considera necesario establecer una utilidad
negativa en caso de que un servicio que tiene intención de establecer
conexión, no le sea asignado ningún recurso de ninguna estación base con la
que disponga conectividad.
En el capítulo tres se hará más hincapié en este tema. Se trata del
capítulo en el que se explicará de forma concisa cómo se ha desarrollado el
algoritmo de optimización, de la misma manera, se detallará cómo se ha
caracterizado.
Es en ese capítulo en concreto donde hay que considerar lo
anteriormente contado. Concretamente en el apartado de caracterización del
algoritmo de resolución escogido, a la hora de optimizar la utilidad hay que
tener esto en cuenta. La utilidad, pesar a poder alcanzar un valor de 360, es
muy complicado que lo haga ya que ésta se ve degradada tan pronto como se
supere un máximo de régimen binario establecido o cuando un servicio no se
conecta.
3.5.- Elección del método de optimización
Uno de los aspectos más importantes de este proyecto ha sido la
elección y el desarrollo del algoritmo de optimización para la resolución del
problema. A continuación, se explicará a grandes rasgos qué es un algoritmo
de optimización, qué componentes tiene y, lo más importante, cómo aplica esto
a nuestro problema.
Un algoritmo de optimización se define como aquel capaz de encontrar
una solución a un problema dado con la cualidad de ser mejor en el aspecto
que se requiera que otras posible soluciones.
Todo algoritmo de optimización se define por tener:
Función objetivo: Se trata de una medida de bondad de aquello que se
quiere optimizar.
Variables: Parámetros que afectan de forma directa o indirecta a la
función objetivo.
Restricciones: Obligaciones que las variables del problema están
obligadas a satisfacer para la obtención de un resultado válido.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
30
En nuestro problema la medida de bondad y el parámetro a optimizar se
trata de la utilidad. Es importante recordar que la función de utilidad para cada
uno de los servicios se establece variable, dependiendo del tipo de servicio.
La utilidad tiene como parámetros el número de recursos asignados a
cada servicio así como la capacidad de cada uno de estos servicios. Mientras
que la capacidad que recibe cada servicio por cada bloque de recursos será
constante para cada asignación usuario-estación base, el número de recursos
irá variando y se definirá como una variable discreta.
Una vez explicado cuál es la función objetivo y los parámetros, falta
definir las restricciones del problema. En el capítulo siguiente se hablará en
mayor detalle de éstas, por ahora, sería suficiente destacar que cada usuario
no puede estar conectado a más de una estación base de forma simultánea.
Esta restricción genera otra variable discreta.
Todos los métodos clásicos (programación lineal, programación
cuadrática, optimización estocástica…) no se ajustan los requerimientos del
problema, por tanto, ha sido necesario recurrir a Métodos Metaheurísticos.
Éstos están basados en la observación de fenómenos que ocurren en la
naturaleza y, pese a no garantizar la mejor solución posible, garantizan una
solución muy próxima. Más concretamente, el algoritmo genético es el
algoritmo seleccionado para la resolución del problema. El capítulo 4 está
íntegramente dedicado al algoritmo de optimización.
3.6.- Flujo del problema
En este último apartado del capítulo tres se quiere explicar de forma
esquematizada los pasos que se han establecido para la resolución del
problema. Con ello se pretende una mejor comprensión del mismo a lo largo de
los capítulos restantes.
Paso uno:
Despliegue de usuarios y estaciones base por el escenario.
Paso dos:
Cálculo de las pérdidas debidas a la propagación.
Paso tres:
Cálculo de la capacidad que ofrece cada bloque de recursos en función
de la estación base y usuario.
Paso cuatro:
Resolución del problema mediante el Algoritmo Genético
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
31
Paso cinco:
Guardar resultados para considerarlos en la siguiente fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
32
4.- Algorítmo para la resolución del problema: Código
Genético
Uno de las etapas más importantes en el desarrollo de este proyecto ha
sido el método de optimización empleado para la resolución del problema. Ya
que, la optimización de tiempo y de resultado es esencial.
A lo largo de este capítulo se entenderá qué son los algoritmos
genéticos, cuáles son sus utilidades y en qué se diferencian del resto de
algoritmos. Además se documentarán los pasos seguidos para adaptarlo a las
necesidades de optimización que planteaba el problema.
4.1.- Definición del Algoritmo Genético
Un algoritmo es un conjunto de pautas bien definidas, finitas y concisas
para la llevar a cabo cualquier actividad. Es decir, define cómo partiendo de un
estado inicial se alcanza un estado final.
Los algoritmos genéticos reciben este nombre ya que están basados en
los procesos genéticos de organismos vivos. Se basan en los principios de
selección natural y la supervivencia de los más fuertes, postulados por Darwin
en 1859. Con similitud a esos procesos descritos, un algoritmo genético es
capaz de ir creando soluciones para problemas de búsqueda y optimización.
Trabajan con una población de individuos, cada uno de los cuales representa
una posible solución a un problema dado.
Un algoritmo genético se diferencia del resto en que es capaz de dar
solución a una gran cantidad de situaciones provenientes de diferentes áreas,
es capaz de dar solución a aquellos que otros algoritmos no son capaces de
resolver. No obstante, el algoritmo no garantiza la mejor solución en lo que a
optimización se refiere, no obstante, es capaz de dar solución con un nivel
aceptable, según evidencias empíricas. Además, el tiempo requerido para
llegar a una solución es comparable al tiempo requerido por algoritmos de
optimización combinatoria.
Como dato histórico, destacar que los algoritmos genéticos fueron
establecidos por Holland hacia 1975 y que fueron posteriormente
documentados en distintos textos hacia los años 90.
4.2.- Descripción del algoritmo
Tras haber explicado a grandes rasgos en qué consiste un algoritmo
genético, en este apartado se detallará cómo define las pautas a seguir para la
resolución de problemas de búsqueda y optimización.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
33
Como se ha comentado en el apartado anterior, un algoritmo genético
trabaja con poblaciones de individuos. Cada uno de los individuos de la
población representa una posible solución de problema de optimización. Por
tanto, al inicializar el algoritmo se genera una población de individuos.
A cada uno de los individuos generados en el algoritmo se le asigna una
puntuación en función de lo buena que sea la solución que proponen. Con esta
puntuación, y continuando con las analogías genéticas, compiten con los
demás individuos: cuanto mayor sea esta puntuación, la capacidad de que ese
individuo se reproduzca también lo es, es decir, la probabilidad de que este
individuo se cruce con otro de alta puntuación aumenta.
De esta forma se crean nuevos individuos que compartirán con sus
“padres” algunas características. De esta forma se crea una nueva población
de individuos que reemplazará a la anterior.
Con este proceso, cada población será mejor genéticamente que la
anterior ya que las mejores características genéticas son las que se van
propagando a lo largo del algoritmo.
Tras haber descrito del algoritmo ya es posible entender los diferentes
operadores de los que se han empleado en la resolución del problema.
4.2.1- Generación de la población inicial
La mayor complejidad del problema se presenta a la hora generar la
población inicial. La población inicial está formada por un número concreto de
individuos, cada uno de los cuales representa una posible solución del
problema. Estos individuos son generados de forma aleatoria, no obstante, el
número de individuos generados será un parámetro a optimizar a la hora
mejorar el algoritmo.
Además del número de individuos generados hay que plantear cómo
codificar cada uno de estos individuos, es decir, cómo codificar cada una de las
posibles soluciones aplicables al problema que se trata de optimizar para su
eficiente resolución.
Como se ha explicado en el apartado de planteamiento del problema, se
trata de dar conexión a un número de usuarios desplegados por el escenario, lo
que implica conectar cada uno de los servicios que estos tienen contratados y
quieren ser conectados con la estación base situada en el escenario que mejor
calidad global pueda ofrecer al conjunto de servicios que quieren ser
conectados por parte de cada uno de los usuarios.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
34
Teniendo lo anterior en cuenta, el parámetro a optimizar es la utilidad
total que se recibe por cada uno de los usuarios al ser conectados a las
estaciones base.
Por tanto, lo que se quiere hallar es la mejor combinación de usuario-
estación base para que todos los servicios puedan estar conectados.
Considerando lo anterior, la forma de codificación escogida para cada
individuo es la siguiente (siendo n el número de servicios que quieren ser
conectados):
Individuo
Servicio 1 Estación base Número de recursos
Servicio 2 Estación base Número de recursos
Servicio 3 Estación base Número de recursos
Servicio 4 Estación base Número de recursos
Servicio 5 Estación base Número de recursos
… … …
Servicio n Estación base Número de recursos
Figura 7: Codificación del problema
Es decir, los servicios se numeran desde ‘1’ hasta ‘n’ y a cada uno de
ellos se le asigna un número de estación base y un número determinado de
recursos. Propiamente el número de servicio no aparece en la solución, sino
que se mantiene un registro del orden en que se ha realizado el individuo.
La forma de asignar una estación base a cada uno de los servicios
podría ser generando estaciones bases aleatorias y posteriormente, eliminando
aquellas soluciones no válidas. No obstante, más adelante será cuando se
valore cuál es el mejor modo de hacerlo.
4.2.2- Operadores del Algoritmo Genético
El algoritmo genético que se va a emplear consta de tres operadores
principales: el operador de competición, el operador de cruze y el operador de
mutación. Va a ser aplicado sobre la población generada, que será la primera
generación, y tras éste se obtendrá una nueva generación, sobre la que se
volverá a aplicar el código genético. Esto se hará sucesivamente hasta obtener
una solución convergente.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
35
Competición
Se emplea la función competición. Se escoge al azar una pareja de
soluciones de la generación inicial, se comparan sus valores de utilidad,
y la de mayor valor pasa a formar parte de la nueva matriz de
soluciones. Esto se realiza con tantas parejas como individuos tiene la
población, de modo que la nueva matriz tenga el mismo número de
individuos que la primera. Al tratarse de un proceso aleatorio no se
garantiza que todos los individuos sean comparados, pudiendo quedar
así eliminada la mejor solución de todas; sin embargo, en términos
globales la nueva matriz estará compuesta por los mejores individuos de
la primera. Una opción sería garantizar que las mejores soluciones
pasen a la nueva matriz, y ser sometidas al operador tan sólo las
restantes. Se comprobará en apartados siguientes si esto proporciona
una mejor solución o no.
Cruzamiento
Se emplea la función cruce. Se elige, de nuevo al azar, una pareja: un
individuo hará de ’padre’ y otro de ’madre’. Se cruzan sus genes de
forma aleatoria y dan lugar a un ’hijo’; es decir, se elige al azar si el ’hijo’
hereda cada cromosoma del ’padre’ o de la ’madre’. Esto se realiza con
un número aleatorio de parejas de la población, y el conjunto de ’hijos’
constituirá la nueva generación de soluciones.
Mutación
Se emplea la función mutación. Al igual que ocurre en la naturaleza, es
habitual que se den mutaciones en los cromosomas de una generación
a otra, por lo que cierto porcentaje de los cromosomas cambiarán, no
obstante, ocurrirá en un bajo porcentaje de ocasiones. Se estudiará
cómo afecta el porcentaje de mutaciones.
Generaciones
La matriz obtenida en Mutación vuelve a entrar en Competición y se itera
el número de generaciones elegido.
A medida que aumenta el número de generaciones la solución se acerca
más a la óptima, hasta cierto número de éstas donde la solución se
mantiene estable. La elección del número de iteraciones se seleccionará
al igual que el número de individuos seleccionados.
Además del empleo de estos operadores se contemplará la posibilidad
de usar el operador de élite. Éste operador consiste en conservar la mejor
solución y hacer que pase directamente a la matriz de vencedoras. De esta
forma se asegurará que no se pierde tras cruzarse con otro individuo o por
mutar.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
36
4.2.3.- Restricciones
Además de la generación de la población inicial y de los operadores a
emplear para la resolución del problema, hay que establecer cuáles son las
restricciones a considerar para su correcto resultado.
Las restricciones hacen referencia a aquellas casuísticas en que la
solución del problema pasaría a no ser válida. Hay que estudiar cada uno de
estos casos y tenerlos en cuenta a la hora de programar el algoritmo, a fin de
evitarlos.
Para poder de expresar matemáticamente estos casos en que la
solución no sería válida se expresará cada variable del problema de la
siguiente manera:
k→tipo de servicio
i→servicio
j→BS
z→usuario
Restricción 1:
Cada estación base tiene una capacidad máxima, es decir, un número
máximo de recursos que pueden ofrecer. Comúnmente, las estaciones
base no ofrecen toda la capacidad que pueden dar, ya que se suele
mantener capacidad de reserva para posibles incidentes que puedan
ocurrir. No obstante, en este caso, no hemos considerado particularidad
y asumimos que las estaciones base pueden dar el máximo de su
capacidad. De cualquier manera, ocurre que la suma de los recursos
asignados para cada servicio en una misma estación base no puede
superar la capacidad de la misma:
∀𝑗 ∑ 𝑅𝑖,𝑗 𝑖
≤ 𝐶𝑗
Restricción 2:
La utilidad se calcula en función del tipo de servicio y de los recursos
asignados a ese recurso en concreto. Por este motivo, la utilidad que
puede tener un servicio en función de los recursos puede verse de la
siguiente manera:
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
37
Figura 8: utilidad en función del servicio y los recursos asignados
En la imagen se observa cómo se comporta un servicio ante los recursos
que se le asignan. Puede verse que un servicio requiere de un mínimo
de recursos para poder funcionar (dmin). También se aprecia que la
calidad o la utilidad comienzan a mejorar a medida que se le dan más
recursos o, que bien, la utilidad se mantiene constante cuando ya se le
ha asignado un número determinado de recursos (dmax).
Cabe destacar que esto sucede únicamente con los servicios elásticos,
es decir, aquellos que no requieren de un ancho de banda constante
para funcionar. Por el contrario, los servicios inelásticos son aquellos en
los que la dmin y dmax coinciden ya que requieren un número mínimo
de recursos determinado para poder funcionar.
En definitiva, la restricción en este caso sería que cada tipo de servicio
requiere recibir un número de recursos comprendido entre su mínimo
para funcionar y su máximo para mantener su utilidad constantes, es
decir, entre dmin y dmax.
Restricción 3:
Cada usuario y sus servicios solamente puede estar conectado a una
única estación base. No siendo posible que los distintos servicios
contratados por un mismo usuario puedan estar conectados a
estaciones bases distintas.
∀𝑗 ∑ 𝑋𝑧,𝑗 𝑗
≤ 1
∀𝑖 𝑑𝑚𝑖𝑛𝑘𝑖 ≤ ∑ 𝑅𝑖,𝑗 𝑗
≤ 𝑑𝑚𝑎𝑥𝑘𝑖
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
38
𝑋𝑧,𝑗 = {0,1}
𝑋𝑧,𝑗 {1; 𝑅𝑧,𝑗 > 0
0
En resumen, las restricciones del problema serían las siguientes:
Teniendo:
k→tipo de servicio
i→servicio
j→BS
z→usuario
{
∀𝑗 ∑ 𝑅𝑖,𝑗
𝑖≤ 𝐶𝑗 (1)
∀𝑖 𝑑𝑚𝑖𝑛𝑘𝑖 ≤ ∑ 𝑅𝑖,𝑗 𝑗
≤ 𝑑𝑚𝑎𝑥𝑘𝑖 (2)
∀𝑗 ∑ 𝑋𝑧,𝑗 𝑗
≤ 1 (3)
𝑋𝑧,𝑗 = {0,1}
𝑋𝑧,𝑗 {1; 𝑅𝑧,𝑗 > 0
0
Sabiendo cuáles son las restricciones que hay que considerar para la
resolución del problema de optimización, queda plantear las opciones posibles
para que se puedan llegar a cumplir todas las restricciones establecidas para el
problema. En este sentido se hallan dos posibilidades:
Tras competir, eliminar aquellas soluciones que no cumplan estas
restricciones establecidas.
A la hora de establecer la población inicial, evitar que puedan darse este
tipo de situaciones y corregir aquellas soluciones que tras realizarse los
distintos operadores, se encuentren en alguna de las casuísticas
descritas anteriormente.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
39
En primera instancia se trató de resolver el problema de la primera
manera, es decir, eliminando aquellos individuos que resultaban estar en una
de estas casuísticas: esos individuos no pasaban a la matriz de vencedores. El
problema fue que de esta manera la población iba disminuyendo en gran
medida hasta poco a poco reducirse a cero sin obtener una solución ni tan
siquiera aceptable.
Como solución a este problema se optó por regenerar la población a
medida que se iban eliminando soluciones, a fin de mantener la población. Esta
solución tampoco fue válida para el problema, ya que requería demasiadas
iteraciones para alcanzar una solución aceptable.
Por tanto, como solución final se tuvieron en cuenta, a la hora de
generar la población inicial, las distintas restricciones. Se hizo de la siguiente
manera:
En la generación de cada uno de los individuos se comprueba para cada
estación base que la capacidad de la misma no se sobrepasa de ninguna
manera, es decir, se van sumando los recursos asignados a servicios por parte
de cada estación base de forma que, al alcanzar la capacidad máxima de la
misma, no pueda ser asignada a ningún otro servicio. De esta forma, queda
cubierta la restricción 1.
En lo referente la restricción dos, la forma de proceder no es tan
evidente. En este caso la forma de cumplir esta restricción viene dada por los
valores de utilidad asignados a esos casos. Siendo mucho mayor la utilidad
para aquellos casos en que la restricción se cumple, y degradando el valor de
la utilidad para aquellos en que no se hace. Esta restricción no se cumple para
todos los casos pero los valores que se obtienen son muy aceptables.
Por último, la tercera restricción hace referencia a que cada servicio sólo
puede estar conectado a una única estación base. Esta restricción queda
directamente satisfecha con la forma de codificar cada individuo. Además
establece que cada usuario sólo puede estar conectado a una misma estación
base. A diferencia de la anterior, esta no es directa con la forma de codificar
cada individuo, ya que, un mismo usuario puede tener más de un servicio. Por
tanto, a la hora de generar la población se fuerza a que los servicios de un
mismo usuario esté conectados a la misma estación base.
Con esta forma de generar la población solamente se consigue que
todos los individuos de la población inicial sean válidos, sin valorar lo que
ocurre con la población a medida que muta, cruza… Por tanto, se procede de
la siguiente manera:
Se ha elaborado una función cuya finalidad es la de evaluar la validez de
la solución de cada individuo y, en caso de no ser válida, corregirla. En primer
lugar, la función se asegura de que cada usuario esté conectado a una única
estación base, que no tenga sus diversos servicios conectados a diferentes
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
40
estaciones. En caso de encontrar servicios de una misma estación base
conectados a distintas estaciones, se selecciona aleatoriamente una de las
estaciones base asignadas y es asignada para todos aquellos servicios del
mismo usuario.
A continuación, se hace la comprobación de que el número de recursos
asignados por cada estación base no exceda el máximo de sus respectivas
capacidades. Para ello, se calcula cuál es el excedente de recursos asignados
a cada estación base, a fin de no hacer grandes cambios en el individuo, de
forma aleatoria se va restando un recurso a cromosomas aleatorios con cada
estación base en concreto hasta que el excedente de cada una de ellas pase a
ser cero.
De esta manera, ya se cumplen las restricciones establecidas para el
problema sin necesidad de eliminar individuos y manteniendo la población.
4.3.- Programación del algoritmo
Con todo lo explicado hasta ahora, ya es posible hacerse una clara idea
de cómo se ha desarrollado este algoritmo. Por tanto, en este apartado se
pretende esquematizar todo lo explicado hasta ahora acerca de cuál es el
proceso de optimización elegido, los diferentes cambios que se han realizado
para mejorar su funcionamiento y se dejarán planteados cuáles serán los
parámetros a optimizar en el próximo apartado (caracterización del Algoritmo
Genético).
A continuación se enumerarán los pasos seguidos para explicar cuál ha
sido la forma de realizar cada uno de los operadores descritos con anterioridad,
así como aclarar el orden en que se ha realizado cada paso. En un primer
lugar, todavía antes de cumplir la restricciones de la forma descrita en el
apartado anterior el algoritmo se planteó de la siguiente manera:
Generación de la población inicial
Evaluación de la matriz:
Para cada una de las posibles soluciones que propone la matriz
población se calcula la utilidad total. Como se explicaba en la definición
del algoritmo, este algoritmo está basado en la selección natural y en la
evaluación de la matriz es donde se puntúa lo bueno que es cada
individuo.
Competición
Cruce
Mutación
No obstante, en el esquema anterior se hallaron varias cosas a mejorar.
Una de ellas es el tratamiento de las restricciones descrito anteriormente. Otro
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
41
de los aspectos de mejora es la forma de cruzar los individuos. En un primer
lugar se optó por cruzarlos de forma completamente aleatoria, no obstante, se
probó a ordenar los individuos de mayor a menor y asignarles un indicador, de
la calidad de la solución propuesta. De esta forma el cruce se realiza
atendiendo a ese indicador de calidad y favoreciendo que aquellos individuos
que presentan una utilidad mayor: estos se cruzan con mayor probabilidad que
el resto, es decir, se consigue que los mejores padres tengan hijos con mayor
facilidad que el resto.
Además de esta mejora se hizo otra favoreciendo la calidad de la
población inicial generada. Ésta consiste en barajar los servicios antes de
asignarles número de estación base y número de servicios. De esta forma se
consigue aún más aleatoriedad en los individuos y favorece más diversidad de
soluciones, lo que conlleva más soluciones satisfactorias.
Por último se barajó la opción de emplear el operador de élite. Este
operador trata de conservar la mejor o las mejores soluciones posibles a fin de
no perderla. Tras observar en varias ejecuciones cómo la solución final no era
la mejor solución de todas las iteraciones se optó por añadirlo.
Una vez añadidas estas mejoras, es esquema del algoritmo pasaría a
ser el siguiente:
Barajar servicios:
Como se ha comentado antes de generar la población se altera el orden
de los servicios para obtener una mayor aleatoriedad en las soluciones y
así una mejor solución posible en un mejor número de iteraciones.
Generación de la población inicial:
La generación de la población inicial sigue constando de un número de
estación base y un número determinado de usuarios. Para esta primera
población se asegura que las restricciones son cubiertas.
Evaluación de la matriz:
En esta parte, como bien se había indicado, se calcula la utilidad de
cada individuo y se le establece un indicador a cada uno de ellos en
función de lo buena que sea. A continuación queda explicado con un
ejemplo:
Suponiendo que la población consta de seis individuos se procede de la
siguiente manera:
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
42
Utilidad del individuo
Utilidad ordenada de menor a
mayor Indicador
2,5 1,6 6,72268908
6,5 2,2 15,9663866
4,3 2,5 26,4705882
2,2 4,3 44,5378151
6,7 6,5 71,8487395
1,6 6,7 100 Figura 9: Evaluación de la matriz en el algoritmo
Como puede observarse, en primera instancia se ordenan de menor a
mayor los individuos, en función de la utilidad de cada uno de ellos. A
continuación, se calcula el porcentaje asociado a dicha utilidad y de
esta forma los que mayor utilidad tienen tendrán un mayor porcentaje.
Para el cruce, se sacarán número aleatorios entre uno y cien y se
cruzarán aquellos cuyo indicador sea el más próximo superior al
número aleatorio. De esta forma se propicia que aquellos con mayor
utilidad tengan una mayor probabilidad de cruce que aquellas con una
utilidad baja.
Élite:
Antes de comenzar con los demás operadores se guarda la mejor
solución a fin de evitar que se pierda, si esta solución es mejor que la
mejor solución generada en la siguiente iteración se sustituye por la
peor solución de la población de esa iteración. De esta forma queda
asegurado que la mejor solución iteración tras iteración no va a
empeorar.
Competición:
Con las mejoras realizadas al algoritmo, este operador resulta
prescindible. Por tanto, no se aplicará de aquí en adelante.
Cruce:
Se establece una probabilidad de cruce entre el 0 y el 100, se saca un
número aleatorio entre dichos valores y en caso de que el número
aleatorio sea mayor al valor de cruce establecido habrá cruce. En este
caso la probabilidad de cruce establecida es del 100%. A continuación
se sacan dos número aleatorios entre el uno y el 100 para establecer
qué individuos van a cruzarse. Siempre se escogerá el individuo cuyo
indicador sea el inmediato superior al número aleatorio hallado. A
continuación se saca otro valor aleatorio más, comprendido entre, el 0
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
43
y el número de cromosomas que tiene el individuo a fin de determinar
el lugar de cruce. Este proceso se realiza para cada individuo.
Comprobación:
Una vez cruzados los usuarios se llama a la función comprobación para
que verifique si las posibles soluciones de la nueva población cumplen
las restricciones. En caso de no hacerlo se realiza el proceso explicado
en el apartado anterior de corrección de la solución.
Mutación:
La mutación se realiza para un número menor de casos que el cruce.
De hecho, la mutación el muy poco probable. En este caso se ha
establecido de la siguiente manera: un cromosoma puede llegar a
mutar en un 6% de los casos. Para las mutaciones se ha establecido
que en el caso de los recursos solo puedan ser incrementados o
reducidos en una unidad. Con esto se pretende que sean suaves y que
no afectes de forma muy brusca al individuo en general.
Comprobación:
De nuevo, y sólo en el caso en que haya habido mutación, se
comprueba que la solución cumpla todas las restricciones establecidas
para el problema.
Una vez realizados todos estos pasos, el algoritmo volvería al paso
“Evaluación de la matriz” y continuaría en ese orden el resto de pautas
establecidas. Esto se realizaría tantas veces como fuesen necesarias para la
obtención de un resultado aceptable. Como ya se ha descrito en otros
apartados previos, el algoritmo genético no asegura la mejor solución al
problema pero da una solución más que aceptable del mismo.
Una vez se tiene establecido todo lo anterior quedaría decidir cuál es el
número de iteraciones necesario para alcanzar la solución y cómo de grande
debería ser la población inicial. Esta cuestión se tratará en el siguiente
apartado (Caracterización del Algoritmo Genético).
Antes de comenzar con la caracterización del algoritmo genético, en la
siguiente imagen se puede apreciar de forma gráfica el diagrama de los pasos
descritos previamente para alcanzar la solución del problema.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
44
Figura 10: Esquema del Algoritmo Genético
4.4.- Caracterización del Algoritmo Genético
Para la caracterización del Algoritmo Genético hay que optimizar el
número de iteraciones y el tamaño de la población inicial a fin de obtener un
resultado aceptable en un tiempo también aceptable.
Antes de comenzar con ello, se presenta una gráfica con una población
y un número de iteraciones escogido de forma aleatoria a fin de mostrar cómo
a medida que las iteraciones van aumentado también lo hace la utilidad, es
decir, para dejar constancia de que todo lo descrito anteriormente se está
realizando:
Figura 11: Solución del Algoritmo Genético
En el eje de ordenadas se observa la utilidad, mientras que en el eje de
abscisas están las iteraciones. Puede verse cómo la utilidad va aumentando al
pasar un número amplio de iteraciones, y que, a continuación se mantiene,
pero que en ningún momento baja el valor de la utilidad.
0
20
40
60
80
100
120
140
160
1 100 199 298 397 496 595 694 793 892 991 1090 1189
Uti
lidad
Nº de iteración
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
45
Para determinar cuál es el número de iteraciones y el tamaño de
población más adecuado para la obtención de una solución aceptable, el
proceso a llevar a cabo será fijar el número de iteraciones a un número elevado
y realizar un barrido en el tamaño de la población, de esta manera se
determinará para qué iteración y qué tamaño de población la solución ya no
sufre una mejoría considerable. Como se puede apreciar en la imagen anterior,
en las primeras iteraciones, el salto que hay entre los primeros escalones es
mayor que en las últimas iteraciones. Por tanto, cabe pensar que, si se
considera el tiempo, conviene dar la solución con cuantas menos iteraciones
mejor. No obstante, también hay que considerar que el tamaño de población
también afecta al tiempo de ejecución, por lo que, en definitiva, hay que
considerar todas estas situaciones.
Para obtener una primera aproximación se ha situado el número de
iteraciones a 15.000, sabiendo que son demasiadas, para hacerse una idea de
hasta qué solución puede llegar el algoritmo. La población, por su parte, se ha
ido incrementando de 25 en 25.
A continuación se muestra la gráfica de las utilidades con dicho número
de iteraciones y variando la población:
Figura 12: Utilidad en función de la población (iteraciones 15.000)
En el eje de abscisas aparece el tamaño de la población y en el eje de
ordenadas, el valor de la utilidad. En este caso, con el número de iteraciones
seleccionado se observa que para todo tamaño de población, la utilidad se
mantiene entre 280 y 315, soluciones muy aceptables teniendo en cuenta que
la utilidad máxima podría llegar a ser 360, pero como en casos en que la
restricción dos no se esté cumpliendo, la utilidad en lugar de sumar, resta, es
demasiado optimista pretender alcanzar algo muy cercano a 360.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
46
A la vista de este resultado, se repetirá la simulación reduciendo a la
mitad el número de iteraciones. La población, al igual que en el caso anterior,
irá aumentando de 25 en 25. El resultado obtenido es el siguiente:
Figura 13: Utilidad en función de la población (iteraciones 7.500)
Como puede observarse en la gráfica, al parecer, cuanto mayor es la
población más iteraciones le supone al algoritmo llegar a la solución óptima.
Según la gráfica el tamaño de población óptimo rondaría 100.
Para asegurar la conclusión anterior, se repetirá la simulación
reduciendo el número de iteraciones a 4000. La gráfica obtenida es la
siguiente:
Figura 14: Utilidad en función de la población (iteraciones 4.000)
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
47
Se vuelve a observar esa tendencia a reducirse utilidad a medida que
aumenta la población por ese motivo, la siguiente prueba a realizar será hacer
un barrido con paso más corto en lo que a la población se refiere, para
determinar de forma más cerceta que los resultados no varían demasiado en
ese rango y que siguen siendo resultados buenos.
Figura 15: Utilidad en función de la población
Tras esta simulación se observa cómo la mejor solución es hallada entre
110 y 140 individuos. Por tanto se realizará un barrido más exhaustivo entre
esos valores aumentando los individuos de 5 en 5.
Figura 16: Utilidad en función de la población
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
48
Tras esta simulación se puede determinar que con 4000 iteraciones y
una población entre 100 y 150 la estimación del resultado el buena. Al tratarse
de un proceso aleatorio no es posible determinar un número de población y un
número de iteraciones exacto. Por tanto nos quedaremos con un tamaño de
población de 120 y 4000 iteraciones, ya que es un valor intermedio. Otro factor
que no se ha comentado, es que el número de usuarios conectados es muy
elevado quedando sólo hay 1 servicio de 36 sin conectar. Recordar que cuando
hay servicios sin conectar la utilidad se degrada.
Ahora falta considerar el tiempo de ejecución. Como se ha podido
apreciar a la hora de escoger la población y el número de iteraciones
adecuado, se ha tratado en todo momento de reducir el tamaño de la población
y el número de iteraciones, ya que el aumento de cualquiera de estas dos se ve
claramente reflejado en el tiempo.
Si se compara el tiempo requerido para las 15000 iteraciones y 75
individuos obtenido en la primera aproximación de la solución con el de ahora
se obtiene un beneficio de aproximadamente 28 segundos, ya que con la
población a 120 individuos y 4.000 iteraciones el tiempo de ejecución es de 14
segundos.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
49
5.- Resultados
En los capítulos previos ya se ha hecho una descripción del problema.
De la misma manera se ha descrito el algoritmo utilizado para la resolución del
mismo, así como el procedimiento para la caracterización de dicho algoritmo.
En este capítulo se mostrarán los resultados obtenidos sobre los
diferentes escenarios simulados en el problema. Gracias a esto se podrán
identificar los diferentes comportamientos de la red de acceso conforme es
sometido a distintas situaciones.
En definitiva, a lo largo de este capítulo se describirán los parámetros
definidos para caracterizar la red de acceso. Además, se describirá cada
escenario planteado para el que se mostrarán los parámetros descritos
previamente.
5.1.- Definición de los parámetros para la caracterización
En el problema serán planteados distintos escenarios. Para cada uno de
ellos se analizarán los siguientes parámetros a fin de caracterizar la red de
acceso LTE:
Número de servicios rechazados:
Como se ha descrito en los apartados anteriores, para cada servicio se
ha diferenciado si un usuario tiene intenciones de conectar ese servicio
o si por el contrario no quiere conectar ese sevicio. En este sentido, para
cada una de las iteraciones se contabilizará si ese servicio ha sido o no
rechazado.
Utilidad media:
De la misma manera que se ha caracterizado el algoritmo de resolución
en el apartado anterior valiéndose del parámetro de utilidad, para
caracterizar la red de acceso se analizará la utilidad media y la máxima
utilidad obtenida para cada una de las simulaciones, es decir, para cada
escenario descrito.
Número de servicios interrumpidos:
Una vez que el servicio ha sido conectado hay dos opciones. La primera
opción es que ese servicio siga siendo cursado hasta que el usuario
decida que no quiere seguir utilizando ese servicio. La segunda opción
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
50
para finalizar ese servicio es que sea la propia red la que, por motivos de
capacidad de la estación base, interrumpa ese servicio.
Este será otro de los parámetros empleados para caracterizar la red de
acceso. Concretamente se harán dos análisis, el número de servicios en
rechazados y el número de servicios rechazados en función de su
tipología.
Handovers: El último parámetro que se empleará para la caracterización
del algoritmo será el número de traspasos que hayan. Es decir, el
número de servicios que estando conectados una estación base en
concreta, se cambien a otra estación base distinta.
A través de los parámetros descritos anteriormente, es decir, la utilidad
máxima y media para cada escenario, el número de servicios rechazados, el
número de servicios interrumpidos y el número de “handover”, se caracterizará
la red de acceso LTE.
5.2.- Escenarios y resultados
Tal y como se ha descrito al principio de este capítulo, se procederá
describir los escenarios analizados para la caracterización de la red de acceso
LTE. En primera instancia se razonará el motivo que ha llevado a analizar cada
uno de los escenarios y posteriormente se analizarán los resultados esperados
para ese escenario en concreto. Por último, se expondrá el resultado obtenido
en la simulación y se analizarán las conclusiones obtenidas al respecto.
Sin embargo, antes de comenzar con la descripción de los distintos
escenarios, cabe mencionar que se han definido dos tipos de usuarios en
función de los servicios contratados.
Como se explicó en secciones anteriores, en el problema se han
considerado cuatro tipos de servicios: video a tiempo no real, video a tiempo
real, juego a tiempo real y voz. De esta forma se han descrito los siguientes
usuarios:
Usuario Servicios contratados
Tipo 1 Video a tiempo no real.
Video a tiempo real.
Tipo 2 Juego a tiempo real
Voz Figura 17: Tipos de usuarios simulados
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
51
Volviendo a la descripción de los escenarios, en este problema en
concreto, el parámetro que ha sido variado a lo largo de los escenarios para
caracterizar la red de acceso, es el número de usuarios. Es decir, en cada uno
de los escenarios descritos se ha ido variando el número de usuarios en él.
Para el primer escenario, se ha supuesto una carga baja de usuarios, es
decir, de 20 usuarios. Para los siguientes escenarios, este número de ha ido
incrementando de 20 en 20 hasta alcanzar 200 usuarios. De esta forma, el
número de escenarios simulados en el problema han sido de 10 escenarios.
Además, para cada uno de los escenarios se han simulado 10 trazas
distintas. Cada traza describe unos usuarios concretos y estos usuarios van
desplazándose a lo largo del escenario. Es decir, cada traza presenta una
nueva situación al problema, ya que el tipo de usuarios que describe y su
intencionalidad de conectar o no un servicio es distinta en cada caso. Como se
ha dicho antes, los resultados mostrados para cada escenario serán la media
obtenida de la simulación de las 10 trazas generadas para cada uno de ellos.
Para ver los resultados de cada uno de los escenarios simulados ver el
Anexo I. A continuación, se mostrará y analizarán los resultados obtenidos de
la simulación del escenario 9, es decir, 180 usuarios.
Escenario 9: 180 usuarios
Rechazos
Figura 18: Rechazos con 180 usuarios
0%
20%
40%
60%
80%
100%
1
27
53
79
10
5
13
1
15
7
18
3
20
9
23
5
26
1
28
7
31
3
33
9
Re
chaz
os
(%)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
52
Utilidad
Figura 19: Utilidad 180 usuarios
Utilidad máxima 377,26
Utilidad media 326,03
Servicios interrumpidos
Figura 20: Servicios interrumpidos 180 usuarios
Handovers
Figura 21: Handover 180 usuarios
-300
-200
-100
0
100
200
300
400
12
87
57
3
85
91
14
51
43
1
17
17
20
03
22
89
25
75
28
61
31
47
34
33
37
19U
tilid
ad
Nº de iteración
0%
20%
40%
60%
80%
100%
1
29
57
85
11
3
14
1
16
9
19
7
22
5
25
3
28
1
30
9
33
7
Inte
rru
pci
on
es
(%)
Nº de fotografía
0%
20%
40%
60%
80%
100%
1
29
57
85
11
3
14
1
16
9
19
7
22
5
25
3
28
1
30
9
33
7
Han
do
vers
(%
)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
53
A continuación se analizarán los resultados parámetro a parámetro:
Rechazos:
En la figura 5.1 puede observarse como en la primera iteración es donde
mayor número de rechazos se produce alcanzando el 18% sobre los
servicios que quieres conectarse. El rechazar estos servicios conlleva
que no podrán conectarse hasta que no lo reintenten. Concretamente, lo
que debe ocurrir, es que estos servicios cambien su intención de querer
conectarse a la de no conectarse y, a continuación, vuelvan a intentarlo.
Por este motivo, en las siguientes iteraciones el número de rechazos
disminuye, al hacerlo también el de usuarios con intención de
conectarse.
El hecho explicado anteriormente produce que a medida que avanzan
las fotografías el número de rechazos tienda a cero.
Utilidad:
En la figura 5.2 puede observarse la utilidad. La utilidad se ha mostrado
hallando la media de todas las fotografías del escenario en cada una de
las iteraciones del algoritmo. Como era de esperar, a medida que itera el
algoritmo, también lo hace la utilidad.
En este escenario en concreto, el valor máximo de utilidad que puede
hallar este algoritmo es de 445. En la simulación realizada el valor
máximo hallado es de 377,26, por tanto, un 88.77% sobre el máximo
alcanzable. Se trata de un resultado muy bueno, ya que hay que recordar que
en el algoritmo hay establecidos distinto pesos (que restan utilidad) para evitar
que un servicio sea rechazado, traspasado o interrumpido.
Servicios interrumpidos:
Como puede verse en la figura 5.3 no se ha producido la interrupción de
un servicio en marcha. Este hecho se produce gracias al peso que se
ha establecido en la programación del algoritmo en el que se resta
utilidad en caso de que un servicio sea interrumpido.
Handovers:
La situación de este parámetro puede verse en la figura 5.4. El número
de traspasos, pese a haberse establecido un peso en la utilidad para
minimizarlo (igual que se ha hecho con los servicios interrumpidos y los
rechazos) no se ha conseguido minimizar de la misma manera.
Concretamente, la media de traspasos para este número de usuarios es
del 37.22 %.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
54
En las próximas gráficas se observa la evolución de los parámetros a lo
largo de los resultados obtenidos tras la simulación de cada uno de los
escenarios descritos. Como se ha mencionado con anterioridad, los resultados
obtenidos de cada uno de los escenarios, pueden consultarse en el Anexo I de
esta memoria.
Rechazos:
Figura 22: Total de rechazos por fotografía
Traspasos:
Figura 23: Porcentaje medio de traspasos en función de usuarios
Utilidad:
Figura 24: Utilidad media en función de usuarios
0
20
40
60
80
20 40 60 80 100 120 140 160 180 200Nº
tota
l de
re
cch
azo
s
Nº de usuarios
0,00%
20,00%
40,00%
60,00%
80,00%
100,00%
20 40 60 80 100120140160180200
% T
rasp
aso
s
Nº de usuarios
0
100
200
300
400
20 40 60 80 100 120 140 160 180 200
Uti
lidad
Nº de usuarios
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
55
En definitiva, puede observarse que a medida que hay más usuarios en
el escenario los parámetros se van degradando. Especialmente, el número de
rechazos y el número de traspasos va en aumento.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
56
6.- Conclusiones
Con este trabajo ha se ha dejado constancia de la posibilidad de simular
una red de acceso mediante la programación. Gracias a esta herramienta ha
sido posible conocer el comportamiento de la misma a través de los distintos
parámetros que se han estudiado y ante las distintas situaciones que han sido
planteadas.
Como se ha podido observar a lo largo de toda la memoria, el trabajo
realizado se ha centrado en la investigación y el desarrollo de un algoritmo de
resolución idóneo que permite la optimización de los distintos parámetros que
se han estudiado. A través del método de resolución escogido se ha tratado de
asemejar de la forma más fiel posible la simulación realizada al
comportamiento real de una red de comunicación. Concretamente, se ha
tratado de escoger la mejor opción de conexión entre estaciones base y
usuarios mediante la consideración de parámetros como traspasos, rechazos,
interrupciones y utilidad recibida por el usuario.
El crecimiento que se ha sufrido en los últimos tiempos en el campo de
las comunicaciones inalámbricas junto con el avance que ha habido en este
tipo de tecnologías, ha propiciado que éstas cobren una gran importancia en el
día a día de los ciudadanos.
Con el crecimiento en las tecnologías inalámbricas, cada vez más
personas son capaces de acceder a internet y a los servicios proporcionados
por la red. Es más, se espera que este número se vaya incrementando en los
próximos tiempos propiciado por nuevos avances este campo. Resulta evidente
pensar que este tipo de tecnologías van a jugar un papel decisivo en un futuro.
Es por este motivo que continuamente se trata de conseguir mejoras,
principalmente, en la velocidad de las comunicaciones inalámbricas.
Con el crecimiento de los usuarios en la red esta puede llegar a
saturarse. Es decir, puede ocurrir que la red no pueda ser capaz de soportar un
número dado de conexiones simultáneas. En la simulación que se ha realizado
en el trabajo que ha considerado un número distinto de usuarios para cada
escenario planteado, a fin de poder observar el comportamiento de la red ante
distintas situaciones.
Los escenarios planteados en la simulación han permitido caracterizar
la red en base a los distintos parámetros estudiados. En base a la variación de
usuarios en el escenario se ha podido analizar los cambios sufridos en cada
uno de los parámetros.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
57
Uno de los parámetros que ha sido analizado ha sido la utilidad. De este
parámetro resulta posible destacar que a medida que los usuarios han ido
creciendo a través de los distintos escenarios planteados, la utilidad también lo
ha hecho. Ha alcanzado su valor máximo para un número determinado de
usuarios y a partir de este ha comenzado a descender. Este hecho se
interpreta de la siguiente manera: una red está dimensionada para dar servicio
a un número determinado de peticiones, cuando las peticiones son inferiores
no rinde al máximo de sus posibilidades, por tanto, la utilidad es menor; sin
embargo, una vez que se supera el número de usuarios para los que ha sido
diseñada, la red comienza a saturarse y el número de rechazos aumenta,
haciendo caer el valor de la utilidad.
Otra observación relevante es que en la vida real la operadoras
telefónicas priorizan los servicios en curso frente a los servicios que no han
establecido conexión. Ese hecho se ha considerado en este trabajo, con lo que
este parámetro es prácticamente cero para todos los escenarios. No obstante,
el porcentaje de traspasos (traspasos/usuarios*100), a partir de un número
determinado de usuarios se ha mantenido prácticamente constante.
Idealmente, este parámetro también habría de ser lo más pequeño posible, a
fin de mantener una calidad de señal constante.
En definitiva, mediante el algoritmo genético se ha tratado de simular en
la medida de lo posible el comportamiento real de una red de comunicación.
Para ello, en primera instancia se han considerado distintos aspectos como la
modulación o las pérdidas de propagación entre otros. A continuación, se han
establecido una serie de restricciones para las que la solución del algoritmo de
resolución no sería válida. Por último, se ha caracterizado el algoritmo y se le
han planteado distintas situaciones para poder obtener resultados comparables
a aquellos que podrían darse con usuarios reales.
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
58
Anexo I: Resultados de la simulación del problema
Escenario 1: 20 usuarios
Rechazos
Figura 25: Rechazos (20 usuarios)
Utilidad
Figura 26: Utilidad (20 usuarios)
Utilidad máxima 226,01
Utilidad media 199,79
Servicios interrumpidos
Figura 27: Interrupciones (20 usuarios)
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Re
chaz
os
(%)
Nº de fotografía
-50
0
50
100
150
200
250
1
28
7
57
3
85
9
11
45
14
31
17
17
20
03
22
89
25
75
28
61
31
47
34
33
37
19
Uti
lidad
Nº de iteración
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Inte
rru
pci
on
es
(%)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
59
Handovers
Figura 28: Handovers (20 usuarios)
Escenario 2: 40 usuarios
Rechazos
Figura 29: Rechazos (40 usuarios)
Utilidad
Figura 30: Utilidad (40 usuarios)
Utilidad máxima 247,92
Utilidad media 225,61
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Han
do
vers
(%
)
Nº de fotografía
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Re
chaz
os
(%)
Nº de fotografía
-50
0
50
100
150
200
250
1
28
7
57
3
85
9
11
45
14
31
17
17
20
03
22
89
25
75
28
61
31
47
34
33
37
19
Uti
lidad
Nº de iteración
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
60
Servicios interrumpidos
Figura 31: Interrupciones (40 usuarios)
Handovers
Figura 32: Handovers (40 usuarios)
Escenario 3: 60 usuarios
Rechazos
Figura 33: Rechazos (60 usuarios)
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Inte
rru
pci
on
es
(%)
Nº de fotografía
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Han
do
vers
(%
)
Nºde fotografía
0%
20%
40%
60%
80%
100%
1
27
53
79
10
5
13
1
15
7
18
3
20
9
23
5
26
1
28
7
31
3
33
9
Re
chaz
os
(%)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
61
Utilidad
Figura 34: Utilidad (60 usuarios)
Utilidad máxima 359,56
Utilidad media 298,12
Servicios interrumpidos
Figura 35: Interrupciones (60 usuarios)
Handovers
Figura 36: Handovers (60 usuarios)
-200
-100
0
100
200
300
400
1
28
7
57
3
85
9
11
45
14
31
17
17
20
03
22
89
25
75
28
61
31
47
34
33
37
19
Uti
lidad
Nº de iteración
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Inte
rru
pci
on
es
(%)
Nº de fotografía
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Han
do
vers
(%
)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
62
Escenario 4: 80 usuarios
Rechazos
Figura 37: Rechazos (80 usuarios)
Utilidad
Figura 38: Utilidad (80 usuarios)
Utilidad máxima 368,43
Utilidad media 310,25
Servicios interrumpidos
Figura 39: Interrupciones (80 usuarios)
0%
20%
40%
60%
80%
100%
1
27
53
79
10
5
13
1
15
7
18
3
20
9
23
5
26
1
28
7
31
3
33
9
Re
chaz
os
(%)
Nº de fotografía
-200
-100
0
100
200
300
400
1
28
7
57
3
85
9
11
45
14
31
17
17
20
03
22
89
25
75
28
61
31
47
34
33
37
19
Uti
lidad
Nº de iteracion
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Inte
rru
pci
on
es
(%)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
63
Handovers
Figura 40: Handovers (80 usuarios)
Escenario 5: 100 usuarios
Rechazos
Figura 41: Rechazos (100 usuarios)
Utilidad
Figura 42: Utilidad (100 usuarios)
Utilidad máxima 390,92
Utilidad media 321,15
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Títu
lo d
el e
je
Título del eje
0%
20%
40%
60%
80%
100%
1
27
53
79
10
5
13
1
15
7
18
3
20
9
23
5
26
1
28
7
31
3
33
9
Re
chaz
os
(%)
Nº de fotografía
-300
-200
-100
0
100
200
300
400
1
28
7
57
3
85
9
11
45
14
31
17
17
20
03
22
89
25
75
28
61
31
47
34
33
37
19U
tilid
ad
Nº de iteración
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
64
Servicios interrumpidos
Figura 43: Interrupciones (100 usuarios)
Handovers
Figura 44: Handovers (100 usuarios)
Escenario 6: 120 usuarios
Rechazos
Figura 45: Rechazos (120 usuarios)
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Inte
rru
pci
on
es
(%)
Nº de fotografía
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Han
do
vers
(%
)
Nº de fotografía
0%
20%
40%
60%
80%
100%
1
27
53
79
10
5
13
1
15
7
18
3
20
9
23
5
26
1
28
7
31
3
33
9
Re
chaz
os
(%)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
65
Utilidad
Figura 46: Utilidad (120 usuarios)
Figura A1.22:
Utilidad máxima 395,26
Utilidad media 335,02
Servicios interrumpidos
Figura 47: Interrupciones (120 usuarios)
Handovers
Figura 48: Handovers (120 usuarios)
-400
-200
0
200
400
1
28
7
57
3
85
9
11
45
14
31
17
17
20
03
22
89
25
75
28
61
31
47
34
33
37
19
Uti
lidad
Nº de iteración
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9Inte
rru
pci
on
es
(%)
Nº de fotografía
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Han
do
vere
s (%
)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
66
Escenario 7: 140 usuarios
Rechazos
Figura 49: Rechazos (140 usuarios)
Utilidad
Figura 50: Utilidad (140 usuarios)
Utilidad máxima 397,69
Utilidad media 355,02
Servicios interrumpidos
Figura 51: Interrupciones (140 usuarios)
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Re
chaz
os
(%)
Nº de fotografía
-400
-200
0
200
400
1
28
7
57
3
85
9
11
45
14
31
17
17
20
03
22
89
25
75
28
61
31
47
34
33
37
19
Uti
lidad
Nº de iteración
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Inte
rru
pci
on
es
(%)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
67
Handovers
Figura 52: Handovers (140 usuarios)
Escenario 8: 160 usuarios
Rechazos
Figura 53: Rechazos (160 usuarios)
Utilidad
Figura 54: Utilidad (160 usuarios)
Utilidad máxima 395,45
Utilidad media 324,11
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Han
do
vers
(%
)
Nº de fotografía
0%
20%
40%
60%
80%
100%
12
54
97
39
71
21
14
51
69
19
32
17
24
12
65
28
93
13
33
7
Re
chaz
os
(%)
Nº de fotografía
-400
-200
0
200
400
1
28
7
57
3
85
9
11
45
14
31
17
17
20
03
22
89
25
75
28
61
31
47
34
33
37
19
Uti
lidad
Nº de iteración
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
68
Servicios interrumpidos
Figura 55: Interrupciones (160 usuarios)
Handovers
Figura 56: Handovers (160 usuarios)
Escenario 9: 180 usuarios
Rechazos
Figura 57: Rechazos (180 usuarios)
0%
20%
40%
60%
80%
100%
1
27
53
79
10
5
13
1
15
7
18
3
20
9
23
5
26
1
28
7
31
3
33
9
Inte
rrp
cio
ne
s (%
)
Nº de fotografía
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Han
do
vers
(%)
Nº de fotografía
0%
20%
40%
60%
80%
100%
1
27
53
79
10
5
13
1
15
7
18
3
20
9
23
5
26
1
28
7
31
3
33
9
Re
chaz
os
(%)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
69
Utilidad
Figura 58: Utilidad (180 usuarios)
Utilidad máxima 377,26
Utilidad media 326,03
Servicios interrumpidos
Figura 59: Interrupciones (180 usuarios)
Handovers
Figura 60: Handovers (180 usuarios)
-400
-200
0
200
400
1
28
7
57
3
85
9
11
45
14
31
17
17
20
03
22
89
25
75
28
61
31
47
34
33
37
19
Uti
lidad
Nº de iteración
0%
20%
40%
60%
80%
100%
12
54
97
39
71
21
14
51
69
19
32
17
24
12
65
28
93
13
33
7
Inte
rrp
cio
ne
s (%
)
Nº de fotografía
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Han
do
vers
(%
)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
70
Escenario 10: 200 usuarios
Rechazos
Figura 61: Rechazos (200 usuarios)
Utilidad
Figura 62: Utilidad (200 usuarios)
Utilidad máxima 396,41
Utilidad media 328,45
Servicios interrumpidos
Figura 63: Interrupciones (200 usuarios)
0%
20%
40%
60%
80%
100%
1
25
49
73
97
12
1
14
5
16
9
19
32
17
24
1
26
5
28
9
31
3
33
7
Re
chaz
os
(%)
Nº de fotografía
-300
-200
-100
0
100
200
300
400
12
68
53
58
02
10
69
13
36
16
03
18
70
21
37
24
04
26
71
29
38
32
05
34
72
37
39U
tilid
ad
Nº de iteración
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Inte
rrp
cio
ne
s (%
)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
71
Handovers
Figura 64: Handovers (200 usuarios)
0%
20%
40%
60%
80%
100%
1
27
53
79
10
51
31
15
7
18
32
09
23
52
61
28
73
13
33
9
Han
do
vers
(%
)
Nº de fotografía
APLICACIÓN DE TÉCNICAS DE OPTIMIZACIÓN HEURÍSTICAS PARA LA MEJORA DE
LOS PROCESOS DE GESTIÓN DE RECURSOS DE RADIO EN LTE 2015
72
Referencias
[1] IEEE Society. “A Brief History of Communications”.
[2] 3GPP. “LTE”. http://www.3gpp.org/technologies/keywords-acronyms/98-
lte
[3] Gohil, A. “5G technology of mobile communication: A survey”, 2013.
[4] A. Fernández. “¿Qué falta para que llegue la LTE a España?”, 2013.
http://www.abc.es/tecnologia/redes/20130317/abci-falta-mucho-para-
espana-201303152021.html
[5] Grupo de Regulación de las Telecomunicaciones (Colegio Oficial de
Ingenieros de Telecomunicación). “La evolución de gestión del espectro
radieléctrico”. https://www.coit.es/descargar.php?idfichero=2523
[6] Srikanth S., Kumaran V, Manikandan C. “Orthogonal Frecuency-Division
Multiple Access: Is it the Multiple Access System of the Future?”, 2013.
[7] Jim Zyren. “Overview of the 3GPP Long Term Evolution Physical Layer”,
2007.
http://www.freescale.com/files/wireless_comm/doc/white_paper/3GPPEV
OLUTIONWP.pdf
[8] S. Hares, H. Yanikomeroglu, and B. Hashem. “Diversity- and AMC
(Adaptive Modulation and Coding)-Aware Routing in TDMA Multihop
Networks”.
http://www.sce.carleton.ca/faculty/yanikomeroglu/Pub/gc03_sh.pdf
[9] 3GPP. ”LTE; Evolved Universal Terrestrial Radio Access (E-UTRA);
Physical layer procedures (3GPP TS 36.213 version 8.8.0 Release 8) “
http://www.etsi.org/deliver/etsi_ts/136200_136299/136213/08.08.00_60/t
s_136213v080800p.pdf
[10] 3GPP. ” LTE; Evolved Universal Terrestrial Radio Access (E-UTRA);
Radio Frequency (RF) system scenarios (3GPP TR 36.942 version 8.2.0
Release 8)”.
http://www.etsi.org/deliver/etsi_tr/136900_136999/136942/08.02.00_60/tr
_136942v080200p.pdf