Submitted by Haroudo Xavier Filho (haroudo.xavierfo@ufpe.br) on 2016-02-25T17:38:28Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) ppgee_ufpe_tese_danilo_araujo_d56.pdf: 4766595 bytes, checksum: d35136114bc3c8b6116c06920b45e876 (MD5) / Made available in DSpace on 2016-02-25T17:38:28Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) ppgee_ufpe_tese_danilo_araujo_d56.pdf: 4766595 bytes, checksum: d35136114bc3c8b6116c06920b45e876 (MD5) Previous issue date: 2015-07-21 / CNPq / A infraestrutura de transporte para Internet e outros serviços de telecomunicações que exigem elevada taxa de transmissão é constituída basicamente por redes de comunicações ópticas. Em redes com estabelecimento dinâmico de requisições, algumas das requisições podem não ser atendidas devido à indisponibilidade de um caminho óptico, decorrente da ausência de um canal ou de restrições de Qualidade de Transmissão (QoT). A probabilidade de bloqueio de requisições (PB) pode ser usada para medir o desempenho deste tipo de rede. PB pode ser estimada por expressões analíticas ou por simuladores de eventos discretos. Expressões analíticas possuem baixo custo computacional, mas são aplicadas apenas em cenários muito simples. Simuladores facilitam a estimativa de PB em cenários mais complexos, mas apresentam elevado custo computacional, pois exigem um grande número de requisições para uma estimativa precisa. Algoritmos evolucionários foram usados em trabalhos anteriores sobre planejamento de redes, mas eles apresentam elevado custo computacional, pois ativam o estimador de PB diversas durante o processo. Nesta Tese é proposta uma nova abordagem para planejamento de redes baseada em conceitos de Ciência das Redes e de Inteligência Computacional. São propostas novas métricas, um estimador de PB baseado em redes neurais e um novo algoritmo de planejamento que usa o conceito de modelos substitutos. De acordo com os resultados obtidos, o novo método de estimativa de PB possui um tempo até 72 vezes menor do que o obtido por um simulador e o erro de estimativa é da ordem de 104, para uma rede óptica de 18 nós. Diversos cenários de projeto de redes foram analisados e o novo algoritmo de planejamento oferece uma redução do tempo de execução de até 88% sobre as propostas anteriores, baseadas em algoritmos evolucionários e simuladores de rede. / The transport infrastructure for the Internet and other telecommunications services that require high transmission rate is comprised basically of optical communication networks. If networks with dynamic tra c are used, some requests could not be established due to the absence of an optical channel or due to restrictions in the Quality of Transmission (QoT). The blocking probability (BP) can be used to measure the performance of this kind of networks. BP can be estimated by analytical expressions or by discrete event simulators. Analytical expressions provide low computational cost, but they can be used only in very simple scenarios. Simulators facilitate the estimation of BP in more complex scenarios, but they present a high computational cost due to the large number of calls which is necessary to provide an accurate estimation. Evolutionary algorithms were used in previous works about design of optical networks, but they present high computational cost, since they activate the BP estimator several times to plan a single network. This Thesis proposes a new approach to design optical networks based on Network Science and Computational Intelligence. We propose new metrics, a new method to estimate BP based on neural networks and a new planning approach based on surrogate models. From the results, the proposed BP estimator presents a speedup of 72 over a network simulator and presents estimation errors in the order of 104, for an optical network with 18 nodes. Di erent scenarios for optical network design were evaluated and the new proposal o ers a reduction in processing time up to 88% when it is compared with previous approaches, that are based on evolutionary algorithms and network simulators.