1 / 16

Résolution d’un problème de positionnement d’antennes par une approche heuristique

Résolution d’un problème de positionnement d’antennes par une approche heuristique. Michel Vasquez Enseignant-Chercheur Groupe "Heuristiques et Systèmes Complexes". Résolution approchée de problèmes combinatoires de grande taille. Objectifs

kale
Download Presentation

Résolution d’un problème de positionnement d’antennes par une approche heuristique

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Résolution d’un problème de positionnement d’antennes par une approche heuristique Michel Vasquez Enseignant-Chercheur Groupe "Heuristiques et Systèmes Complexes"

  2. Résolution approchée de problèmes combinatoires de grande taille • Objectifs • meilleure résolution des problèmes d’optimisation combinatoires • caractérisation des instances difficiles : réduction • Moyens (méthodes) • heuristiques fondées sur la recherche locale tabou • exploitation intensive du système de contraintes pour la conception des structures de l’algorithme de voisinage • hybridation avec des méthodes exactes • Résultats • résolution de problèmes allant jusqu’à 400000 variables • amélioration de résultats connus sur des benchmarks réputés difficiles

  3. Problèmes traités variables  contraintes 2500  100 2300  36000 ~200000  … 3000  67000 • Sac-à-dos multidimensionnel en 0-1 : • meilleurs minorants connus [IJCAI, 2001], [RAIRO, 2002] • Planification de photos satellite SPOT5 : • meilleurs minorants [J. of Computational Optimization and Applications, 2001] • meilleures bornes supérieures [J. of Combinatorial Optimization, 2002] • Positionnement d’antennes : • configurations réalisables [Journal of Heuristic, 2001] • Affectation de fréquences : • challenge ROADEF’01 [FRANCORO III, Canada, Québec, 2001]

  4. Contrats, projets • 03/1997-07/1999 : projet européen ARNO 244 KE • Algorithms for Radio Network Optimisation, ESPRIT 4, No. 24232 • partenaires: CNET -France Telecom, University of Wales Cardiff (UK), GMD (D), EMA-LGI2P (F), ECTIA (F) • 02/2002-06/2002 : appel public DGA-CELAR 76 KE • résolution algorithmique de pb. d’attribution de fréquences dans un cadre opératif • collaboration avec la société COSYTEC • 2002… : étude pour Thalès-Communications (CIFRE + consulting) • problème d ’affectation de fréquences dynamique multi-critères • 2002… : projet exploratoire RNTL REVAC 183 KE • réalité virtuelle augmentée par les contraintes • partenaires:INRIA Rocquencourt, Alcatel CIT Lannion, COSYTEC, EMA-LGI2P

  5. Positionnement d’antennes (projet ARNO) zone géographique : 50 km x 46 km 568 sites 6652 TTP trafic 17393 STP Cd  Sq

  6. Définition du problème • 3 types d’antennes : omnidirective , directive à secteur large, et étroit • Réglage d’une antenne • puissance • azimut • inclinaison • nombre d’émetteurs • sur 1 site • 1 omnidirectionnelle • 1 à 3 directives • 1 site  près de 6500 réglages

  7. Définition du problème • Choisir un sous-ensemble de sites puis • choisir de 1 à 3 antennes par site • régler les paramètres d ’antenne • Contraintes • couverture de la zone géographique • 1 seule composante connexe par cellule • continuité du signal radio entre cellules • Objectifs • minimiser le nombre de sites • minimiser les interférences • maximiser le trafic supporté • maximiser le rendement des émetteurs

  8. Caractéristiques du problème • Immense espace de recherche : S • |S| 2 4 000 000 configurations possibles • Grande complexité de calcul • évaluation dynamique des contraintes • Importante quantité d’information > 200 Mo • Existe-t-il des configurations réalisables ?

  9. Approche générale en 3 étapes • Filtrage • utilisation de contraintes pour réduire l’espace de recherche • vers une formulation 0-1 et structures de données efficaces • Optimisation par la méthode tabou • voisinage ajout/réparation avec évaluation complète (contraintes binaires) • Post-optimisation

  10. Filtrage • Utilisation active de la contrainte sur les composantes connexes 2 composantes 1 composante

  11. Filtrage • Réduction conséquente de l ’espace combinatoire • Après le filtrage nous n ’avons plus que des cellules (listes de points) • Formulation 0-1 : 1 composante = 1 cellule • Le problème est transformé en problème de pavage que doit résoudre la recherche tabou

  12. Recherche Tabou • Vecteur de ~ 200000 composantes binaires • Ajouter / réparer • Cherche la couverture

  13. Post-optimisation Recherche tabou  couverture = 29831 STP Variation de Ps  couverture = 29954 STP

  14. Résultats : jeux d ’essai Réseaux en construction Réseaux en extension

  15. Résultats : réseau urbain • |S0| = 2 3689160 • Filtrage :|S| 2 294000 • Tabou : • Contraintes OK • 60 sites • Trafic 75% • Niveau d’ interférence très bas

  16. Conclusion • L’approche proposée a permis de trouver des solutions de qualité sur des scénarios différents • De manière générale ce travail montre que le positionnement d’antenne, malgré sa très grande complexité, peut être abordé par une approche d’optimisation heuristique

More Related