Planification de réseaux optiques WDM k-fibres

Hervé Rivano
Projet MASCOTTE – CNRS-I3S-INRIA
BP 93 – F-06902 Sophia-Antipolis – France.
Herve.Rivano@sophia.inria.fr

Cet article propose une modélisation en termes d’hypergraphe du problème d’affectation de longueurs d’onde à des che-
mins dans un réseaux WDM k-fibres. La contrainte classique rencontrée dans les réseaux WDM change de nature lorsque
plusieurs fibres connectent physiquement deux noeuds du réseau. Nous montrons l’équivalence entre ce problème et
la coloration k-tolérante de l’hypergraphe des conflits des chemins. Nous exploitons ensuite deux résultats d’algorith-
mique aléatoire de la littérature pour donner une première approximation du dimensionnement des réseaux k-fibres.
Keywords: réseaux optiques, multiplexage en longueurs d’onde, algorithme aléatoire, arrondi aléatoire, algorithme
d’approximation, coloriage d’hypergraphe, programme linéaire

1 Introduction
La technologie optique de multiplexage en longueurs d’onde est un des supports privilégiés des réseaux
de communication modernes depuis le début des années 90 [CGK92, Pan92]. Le lecteur intéressé pourra
trouver des informations sur les technologies sous-jacentes dans [BDO+ 98] et plus particulièrement sur
celles du WDM dans [Bea00].
Les réseaux optiques sont sujet d’un grand nombre d’études dont certaines se sont penchées principale-
ment sur des aspects techniques [PG95]. Cependant, dès que, motivées par l’important coût d’installation de
ces réseaux, des questions de dimensionnement se sont posées, une modélisation en termes de graphes a été
nécessaire. Un état de l’art étoffé de cette modélisation est proposé dans [Bea00] et de nombreux résultats
existent, qu’il s’agisse de l’étude du routage dans des réseaux particuliers [Bea00, FPR01] ou d’instances
structurées [Bea99], ou encore d’ordonnancement de communications [Erl98].
Cependant, la réalité technologique ne correspond pas à ce modèle simplifié où, entre deux noeuds phy-
siquement connectés, on considère qu’il n’y a qu’une seule fibre, mais capable de guider un nombre quel-
conque de longueurs d’onde. En effet, le coût prépondérant de l’installation d’un réseau optique est dû à la
pose des câbles. Dès lors, les opérateurs préfèrent poser des faisceaux de plusieurs fibres [PCR00]. De plus,
la technologie actuelle fournit des fibres capables d’acheminer un nombre fixé de longueurs d’onde. Il est
donc essentiel de faire évoluer le modèle et de considérer des réseaux multi-fibres.
Le problème des réseaux multi-fibres est, lui, étudié depuis peu. Les réseaux où le nombre de fibres par
lien est constant sont les plus étudiés à ce jour. Il a été montré que l’augmentation du nombre de fibres
par lien simplifie parfois drastiquement le routage optique (cf [Bea00] pour la définition exacte) : ∀k, m,
il existe un réseau et une requête de connexion dont la réalisation nécessite m longueurs d’onde (que nous
appellerons couleurs dans la suite) avec k fibres par lien, mais n’en prend plus qu’une seule avec k +1 fibres.
De même, le routage optique d’une étoile non orientée et d’un arbre binaire de hauteur 2 est N P -difficile
lorsqu’il n’y a qu’une fibre mais est polynomial lorsqu’il y en a deux [LS00, MS00]. Dans d’autres cas, les
cycles par exemple, il a été seulement possible d’améliorer les bornes existantes sur le nombre de couleurs
nécessaires. Toutefois il est faux que l’augmentation du nombre de fibres sur chaque lien du réseau diminue
toujours le nombre de couleurs nécessaires [MS00].
Malgré tout, le dimensionnement d’un réseau k-fibres reste hautement non trivial et, afin d’obtenir des
résultats plus généraux, une modélisation maniable de ces réseaux en termes de théorie des graphes doit
être développée.
 Hervé Rivano

Nous présentons donc dans cet article une généralisation du graphe des conflits utilisé pour le dimension-
nement des réseaux mono-fibre : l’hypergraphe des conflits. Nous montrons l’équivalence entre le problème
d’affectation de longueurs d’ondes aux chemins d’un réseau k-fibres (WAP† ) et la coloration k-tolérante de
l’hypergraphe des conflits. Enfin nous exploitons cette coloration pour donner des bornes sur le dimension-
nement d’un réseau k-fibres grâce à des techniques d’approximation aléatoire.

2 Réseaux WDM k-fibres et hypergraphes

Soit R un réseau k-fibres. Une instance de communication I sur R est une famille de couples de noeuds
de R qui doivent être connectés par un chemin. Un routage R(I) est une famille de chemins dans R réalisant
I : pour tout couple (a, b) dans I, il y a un chemin allant de a vers b.
On définit le graphe des conflits de chemins dans un réseau mono-fibre comme le graphe qui a un sommet
par chemin dans le réseau et un lien entre deux sommets si les chemins correspondants sont en conflit
sur une fibre du réseau. Une coloration de ses sommets donne de manière équivalente une coloration des
chemins dans le réseau respectant la contrainte WDM : deux chemins utilisant la même fibre doivent avoir
deux couleurs différentes.
Dans le contexte des réseaux multi-fibres, ce graphe n’a pas de sens puisqu’il ne modélise que des conflits
deux à deux et que la liberté apportée par la multiplicité des fibres rend caduque cette notion. Il faut donc
utiliser un outil plus puissant que les graphes pour modéliser les conflits sur un réseau multi-fibres.

L’hypergraphe des conflits, Hc (R , R(I)), des chemins R(I) dans R se définit de la sorte :
Définition 1 Hypergraphe des conflits de R(I) dans R
Hc = (Vc , Ec ) est l’hypergraphe où il y a un sommet v par chemin p dans R(I) et une hyperarête e pour
chaque arc de R de charge supérieure ou égale à 2 contenant les sommets correspondant aux chemins en
conflit sur cet arc.
Les quatre principaux paramètres d’un hypergraphe peuvent donc se déduire de R et R(I) :
– le nombre de sommets, n = |Vc | = |R(I)|
– le nombre d’hyperarêtes, m = |Ec | ≤ |E|, le nombre de liens de R
– le rang (i.e. la taille maximum d’une hyperarête), t = maxe∈Ec |e| = charge du routage π
– le degré, ∆ = maxv∈V |{e ∈ E : v ∈ e}| ≤ max p∈R(I) longueur(p) = diamètre du routage.
Une affectation de couleurs aux chemins de R(I) est k-valide s’il n’existe aucun arc de R par lequel
transite strictement plus de k chemins ayant la même couleur. Ainsi, une coloration de l’hypergraphe des
conflits correspond à une affectation valide de couleurs aux chemins si aucune hyperarête ne contient plus
de k sommets de la même couleur. Nous appellerons une telle coloration une coloration k-tolérante.
Définition 2 Coloration k-tolérante
Soit H = (V, E) un hypergraphe. Soit C une coloration (i.e. un ensemble d’ensemble de sommets).
C est k-tolérante si et seulement si :
– Tout sommet a une et une seule couleur : ∀v ∈ V, ∃! c ∈ C , v ∈ c.
– Il n’existe pas d’hyperarête ayant plus de k sommets de la même couleur : ∀e ∈ E, ∀c ∈ C , |e ∩ c| ≤ k.
Par définition une coloration k-tolérante de l’hypergraphe des conflits d’un ensemble de chemins R(I)
dans un réseau R donne une coloration k-valide de ces chemins. La coloration k-tolérante est donc au
moins aussi difficile que le WAP sur les réseaux k-fibres. La réciproque est vraie.
Théorème 1 La coloration k-tolérante est équivalente au sens de la réduction polynomiale au WAP sur les
réseaux k-fibres.
Preuve : Il reste à prouver que tout hypergraphe est l’hypergraphe des conflits du routage R(I) d’une ins-
tance de communication I sur un réseau R .

† Wavelength Assignement Problem. Cette terminologie a été définie pour les réseaux mono-fibre.
Réseaux optiques WDM k-fibres

Soit H = ({v1 , . . . , vn }, {e1 , . . . , em }) un hypergraphe, ∀i, ri = |ei |, ∀i , ei = {v ji , . . . , v jri }.

1 i

Pour toute hyperarête ei , soit Ri le réseau à étages décrit ci-dessous :

x1 z1
– n sommets xij , j = 1 . . . n
– 2 sommet Yi et Yi0
Yi Y’i – n sommets zij , j = 1 . . . n
– un arc Yi → Yi0
– ∀ j ∈ { j1i , . . . , jri i }, un arc xij → Yi et un arc Yi0 → zij
xn zn
– ∀ j 6∈ { j1i , . . . , jri i }, un arc xij → zij .

H est bien l’hypergraphe des conflits du réseau R , composé des réseaux Ri et des arcs zij → xi+1
j , ∀i =
1 n
1 . . . n − 1 sur lequel on route l’instance de communication {(x j , z j ), ∀ j}.

Dans la suite, nous exploitons l’hypergraphe des conflits et la coloration k-tolérante pour dimensionner
un réseau multi-fibres en fonction de certains paramètres de l’instance de communication et de son routage.

3 Dimensionnement d’un réseau multi-fibres

Soit R un réseau multi-fibres, I une instance de communication sur R , R(I) un routage de I et H = (V, E)
l’hypergraphe des conflits associé.
Le dimensionnement de R peut être vu sous deux angles différents. Soit k, le nombre de fibres, est fixé
et l’on cherche à trouver une coloration k-tolérante optimale en nombre de couleurs, soit le nombre de
couleurs disponibles est fixé et l’on cherche le plus petit k tel qu’il soit possible de router R(I) sur le réseau,
c’est-à-dire tel qu’il existe une coloration k-tolérante. Le point de vue dépend de la situation de l’opérateur
cherchant à optimiser son réseau.
Dans le premier cas, les fibres sont déjà en place et on veut diminuer le coût des équipements à installer
dans les noeuds du réseau. Cela sous entend que les fibres installées sont capables de faire transiter n’im-
porte quelles longueurs d’onde et d’accepter n’importe quel équipement à ses extrémités, ce qui est faux
d’un point de vue technologique mais peut être une première approximation de la réalité. Dans le deuxième
cas, l’opérateur a à sa disposition une technologie limitée et veux optimiser son réseau en fonction de ces
limites. Cette approche est beaucoup moins éloignée de la réalité puisque les fibres actuellement sur le
marché ne sont capables de guider qu’un certain ensemble de longueurs d’ondes.
Il parait donc plus adapté de chercher le nombre optimal de fibres pour réaliser le WAP de R(I) avec un
certain nombre c de couleurs.

La réduction du WAP de R(I) à la coloration k-tolérante de H nous permet de dériver des relations entre
les différentes grandeurs de R , notamment k, c et la charge π.
La coloration k-tolérante est un programme linéaire en nombre entier avec minimisation (MIP pour min-
max integer program). Dans un premier temps, nous exploitons cette formulation grâce à une technique
d’arrondi aléatoire de sa relaxation linéaire. Ensuite nous présentons une approximation aléatoire de la
coloration k-tolérante qui permet d’obtenir une borne supérieure sur le dimensionnement de R et ce, de
manière effective. Ce dernier algorithme, présenté dans [Lu98], a été déterminisé par ses auteurs.

Si l’on se donne c couleurs et k fibres par lien, vérifier que le WAP de R(I) est réalisable, i.e. vérifier qu’il
existe une coloration k-tolérante de H, revient à trouver une solution au programme linéaire suivant :

Soit une numérotation des sommets de V de 1 à n.

1. ∀i ∈ {1 . . . n}, on se donne c variables xi,1 , . . . , xi,c ∈ {0, 1} : ∀i, j, xi, j = 1 ≡ vi à la couleur j.
2. Tout sommet doit avoir une et une seule couleur : ∀i ∈ {1 . . . n}, ∑nj=1 xi, j = 1.
 Hervé Rivano

3. Tout hyperarête doit contenir au plus k sommets de la même couleur :

→
−
∀ j ∈ {1 . . . c}, ∀e ∈ E, ∑i|vi ∈e xi, j ≤ k, i.e. Ax ≤ k , A ∈ {0, 1}nc×m avec au plus ∆ éléments non nuls
dans chaque colonne.

Dans ces conditions, dimensionner le nombre de fibres de R pour un nombre de couleurs donné est
exactement minimiser la fonction de coût k dans le programme précédent qui est donc un MIP.
Il devient donc possible d’appliquer l’extension du lemme local de Lovàsz pour les MIP étudiée dans
[Sri96]. Celle-ci donne la preuve de l’existence d’une solution de coût k, très proche de celui, k∗ = πc , de
sa relaxation linéaire, c’est–à–dire de l’optimal du programme linéaire obtenu en conservant les mêmes
contraintes mais en autorisant les variables à être réelles entre 0 et 1 :
1. ∀i ∈ {1 . . . n}, ∀ j ∈ {1 . . . c}, xi,∗ j ∈ [0, 1].
2. ∀i ∈ {1 . . . n}, ∑nj=1 xi,∗ j = 1.
3. ∀ j ∈ {1 . . . c}, ∀e ∈ E, ∑i|vi ∈e xi,∗ j ≤ k.
La solution entière est obtenue par un arrondi aléatoire des variables relaxées (xi,∗ j est la probabilité que xi, j
vaille 1). Ainsi on obtient le résultat suivant :
Proposition 2 Il existe une coloration k-tolérante de H avec
– k = k∗ + O(log ∆) dès que c ≥ log
2π
∆ (ainsi k = O(log ∆))
√
– k = k + O k log ∆ sinon.
∗


∗

Le premier cas a l’avantage de présenter une déviation par rapport à k∗ faible et indépendante de la charge
2π
du routage. La contrainte c ≥ log ∆ peut être vue comme une restriction sur les routages considérés : c étant
∆
fixé on ne s’autorise que les routages tels que π ≤ c log
2 .
Lorsque le nombre de couleurs est insuffisant (ou, de manière équivalente, lorsque la charge est trop
grande) on retrouve la déviation classique en racine de k∗ .
Remarque 3.1 Il est intéressant de noter que ces résultats donnant une borne sur le nombre de fibres k en
fonction du nombre de couleurs c peuvent facilement s’inverser pour donner une borne sur c en fonction de
k : si il existe une coloration k-tolérante, k = πc + o( πc ), dès que c ≥ log
2π
∆ couleurs sont disponibles, alors,
log ∆ π
dès que k ≥ 2 , il existe une coloration k-tolérante avec c couleurs, c = k + o( πk ).
Le défaut d’une telle approche est qu’elle ne donne pas d’algorithme efficace pour obtenir une telle co-
loration. En fait, il existe une solution, mais la probabilité de la trouver grâce à l’arrondi aléatoire décroı̂t
exponentiellement avec la taille du programme.

L’article [Lu98] étudie la coloration k-tolérante des hypergraphes (sans toutefois lui donner ce nom) et
donne un algorithme aléatoire qui fonctionne en trois passes :
1. Coloration aléatoire des sommets avec c/3 couleurs.
2. Détection d’ensembles mauvais et recoloration aléatoire avec c/3 nouvelles couleurs.
3. Détection et recoloration déterministe exhaustive avec c/3 nouvelles couleurs.
Les ensembles mauvais que l’algorithme détecte ont une structure particulière qui permet à la fois de
les détecter en temps polynomial et de prouver qu’avec grande probabilité, lors de la troisième phase, les
ensembles mauvais sont de taille suffisamment petite pour qu’une recoloration déterministe exhaustive se
fasse en temps polynomial par rapport à la taille de l’hypergraphe.
Cet algorithme réussit donc
 avec grande probabilité mais cela se paye par un plus grand nombre de fibres :
π
k = O (log(π∆)) si c = O log(π∆) ce qui donne une log π-approximation du nombre de fibres optimal.

La dérandomisation des phases 1 et 2 se fait grâce à la technique des probabilités conditionnelles utilisant
un estimateur pessimiste [Rag94] : le calcul de la probabilité conditionnelle d’avoir un ensemble mauvais
sachant le choix fait pour la couleur d’un sommet donné étant très difficile, l’idée est de surestimer cette
Réseaux optiques WDM k-fibres

probabilité et de guider les choix par cet estimation pessimiste. De cette manière on est sur d’avoir une
bonne coloration (i.e. sans mauvais ensemble de taille trop grande) grâce à un algorithme glouton.

4 Conclusion
Nous avons présenté une nouvelle approche des réseaux k-fibres qui apporte la puissance des hyper-
graphes en répondant à un manque constaté de la modélisation classique des réseaux mono-fibre. Il semble
y avoir beaucoup de résultats déjà démontrés pour des valeurs particulières de k (par exemple k=2 dans
[MS00, LS00]) qui sont en fait des propriétés de colorations particulières des hypergraphes. Les résultats
d’approximation obtenus valent pour tous les réseaux en général et ont un intérêt pratique indéniable, no-
tamment l’algorithme présenté dans [Lu98].
Il pourrait être toutefois intéressant de regarder plus spécifiquement certains types de réseaux déjà large-
ment étudiés dans le cadre des réseaux mono-fibre afin d’obtenir des résultats plus précis.
Enfin ce modèle semble pouvoir s’adapter fructueusement aux systèmes radio multi-porteuses avec mul-
tiplexage en temps (FTDMA). En effet une relaxation linéaire proche de la coloration fractionnaire étudiée
dans [FPR01] peut donner de bons résultats d’approximation si les terminaux sont autorisés à changer de
fréquence entre deux envois de paquets.

5 Remerciements
L’aide et les conseils pertinents d’Afonso Ferreira et Stéphane Pérennes m’ont été (et me seront toujours)
des plus profitables.

Références
[BDO+ 98] G-L. Bona, W. E. Denzel, B. J. Offrein, R. Germann, H. W. M. Salemink, and F. Horst. Wave-
length division multiplesed add/drop ring technology in corporate backbone networks. Techni-
cal Report RZ3046, IBM Research Division, august 1998.
[Bea99] Bruno Beauquier. All-to-All Communication for some Wavelength-Routed All-Optical Net-
works. Networks, 33(3) :179–187, 1999.
[Bea00] B. Beauquier. Communications dans les réseaux optiques par multiplexage en longueur d’onde.
PhD thesis, Université de Nice-Sophia Antipolis, 2000.
[CGK92] I. Chlamtac, A. Ganz, and G. Karmi. Lightpath communications : An approach to high band-
width optical WAN’s. IEEE Transactions on Communications, 40(7) :1171–1182, July 1992.
[Erl98] T. Erlebach. Scheduling Connections in Fast Networks. PhD thesis, Technishen Universität
München, Germany, October 1998.
[FPR01] A. Ferreira, S. Pérennes, and H. Rivano. Fractional coloring of bounded degree trees, January
2001. INRIA research report 4094.
[LS00] G. Li and R. Simha. On the Wavelength Assignement Problem in Multifiber WDM Star and
Ring Networks. IEEE Infocom, 3 :1771–1780, 2000.
[Lu98] Chi-Jen Lu. Deterministic hypergraph coloring and its applications. In RANDOM’98, volume
1518 of Lecture Notes in Computer Science, pages 35–46. Springer-Verlag, October 1998.
[MS00] L. Margara and J. Simon. Wavelength assignment problem on all-optical networks with k fibres
per link. In ICALP’00, pages 768–779, 2000.
[Pan92] R. K. Pankaj. Architectures for Linear Lightwave Networks. PhD thesis, Dept. of Electrical
Engineering and Computer Science, MIT, Cambridge, MA, 1992.
[PCR00] INRIA MASCOTTE Project, Alcatel Corporate Research Centre, and France Télécom R&D.
Délivrable 1. Document soumis à autorisation légale de France Télécom R&D, February 2000.
Projet RNRT PORTO, Planification et Optimisation des Réseaux de Transport Optiques.
 Hervé Rivano

[PG95] R. K. Pankaj and R. G. Gallager. Wavelength requirements of all-optical networks. IEEE/ACM

Transaction on Networking, 3 :269–280, 1995.
[Rag94] P. Raghavan. Probabilistic construction of deterministic algorithm : Approximating packing
integer programs. Journal of Computer and Systems Sciences, 38 :683–707, 1994.
[Sri96] A. Srinivasan. An extension of the lovász local lemma, and its applications to integer program-
ming. In ACM-SIAM Symposium on Discrete Algorithms, pages 6–15, 1996.