Vous êtes sur la page 1sur 158

UNIVERSITE de NICE-SOPHIA ANTIPOLIS UFR SCIENCES Ecole Doctorale STIC

` THESE
pour obtenir le titre de

Docteur en SCIENCES
de lUniversit de Nice-Sophia Antipolis e Discipline : INFORMATIQUE prsente et soutenue par e e

Marie-Emilie VOGE

Optimisation des rseaux de tlcommunications : e ee


Rseaux multiniveaux, Tolrance aux pannes et e e Surveillance du trac

Th`se dirige par Jean-Claude Bermond e e et prpare au sein du projet mascotte (i3s(cnrs/unsa)/inria) e e soutenue le 17 novembre 2006 Jury : Examinateurs Mme. M. M. M. Mme. M. M. Myriam Michel David Preissmann Cosnard Coudert Charge de Recherche e Professeur Charg de Recherche e Directeur de Recherche Professeur Professeur Professeur

Directeur Rapporteurs

Jean-Claude Bermond Claudia Linhares-Sales Philippe Mahey Jean-Claude Knig o

ii

Table des mati`res e


1 Introduction 2 Les rseaux ip/wdm e 2.1 Description des Rseaux ip/wdm . . . . . . . . . . . . . . . . . . . . e 2.1.1 Evolution de larchitecture . . . . . . . . . . . . . . . . . . . . 2.1.2 Interactions entre les niveaux . . . . . . . . . . . . . . . . . . 2.1.3 Couche ip . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.4 Technologie wdm . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.4.1 Multiplexage en longueurs donde . . . . . . . . . . 2.1.4.2 Multiplexage temporel . . . . . . . . . . . . . . . . . 2.1.4.3 Hirarchie des conteneurs . . . . . . . . . . . . . . . e 2.1.4.4 Brassage des conteneurs . . . . . . . . . . . . . . . . 2.1.4.5 Conversion de longueurs donde dans un rseau tout e 2.1.4.6 Reprsentation des fonctionnalits des brasseurs . . e e 2.1.5 Architecture mpls . . . . . . . . . . . . . . . . . . . . . . . . 2.1.5.1 Le principe de mpls . . . . . . . . . . . . . . . . . . 2.1.5.2 Empilement de labels . . . . . . . . . . . . . . . . . 2.1.5.3 Les composants de mpls, terminologie . . . . . . . . 2.1.5.4 Les applications de mpls . . . . . . . . . . . . . . . 2.1.5.5 Extension - gmpls, mps . . . . . . . . . . . . . . . 2.2 Architecture des pop dun oprateur . . . . . . . . . . . . . . . . . . e 2.3 Modlisation des Rseaux ip/wdm . . . . . . . . . . . . . . . . . . . e e 2.3.1 Rseaux multiniveaux . . . . . . . . . . . . . . . . . . . . . . e 2.3.2 Rseaux ` deux niveaux . . . . . . . . . . . . . . . . . . . . . e a 2.3.3 Modlisation des ux . . . . . . . . . . . . . . . . . . . . . . . e 2.3.4 Modlisation dun pop . . . . . . . . . . . . . . . . . . . . . . e 2.4 Tolrance aux pannes dans les rseaux multiniveaux . . . . . . . . . e e 2.4.1 Les pannes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4.2 Mcanismes de survie classiques . . . . . . . . . . . . . . . . e 2.4.2.1 Restauration . . . . . . . . . . . . . . . . . . . . . . 2.4.2.2 Protection . . . . . . . . . . . . . . . . . . . . . . . 2.4.3 Particularits des rseaux multiniveaux . . . . . . . . . . . . e e 2.4.3.1 Niveau de traitement dune panne . . . . . . . . . . 2.4.3.2 Utilisation des ressources . . . . . . . . . . . . . . . 2.4.3.3 Groupe de risque (srrg) . . . . . . . . . . . . . . . 2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii 1 7 7 8 9 9 11 11 11 11 12 12 13 14 14 16 16 18 19 19 21 21 21 23 24 24 24 24 25 25 28 28 30 30 31

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . optique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

iv

` TABLE DES MATIERES 33 34 35 35 35 36 37 37 39 39 40 41 42 42 44 49 49 49 52 53 53 54 55 57 58 58 60 61 62 63 64 64 64 66 66 67 67 68 69 69 70 70 73

3 Conception de rseau virtuel et Groupage e 3.1 Conception dun niveau virtuel able . . . . . . . . . . . . . . . . . . . . . . 3.1.1 Donnes et notations . . . . . . . . . . . . . . . . . . . . . . . . . . . e 3.1.2 Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.3 Objectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.4 Contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.5 Remarques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Groupage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 Probl`me du groupage sur un chemin . . . . . . . . . . . . . . . . . . . . . . e 3.3.1 Dnition du probl`me . . . . . . . . . . . . . . . . . . . . . . . . . . e e 3.3.2 Le groupage sur le chemin en tant que dimensionnement de rseaux e niveau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.3 Rsultats antrieurs . . . . . . . . . . . . . . . . . . . . . . . . . . . e e 3.4 Mthodes de rsolution pour le groupage sur le chemin . . . . . . . . . . . . e e 3.4.1 Programmes linaires . . . . . . . . . . . . . . . . . . . . . . . . . . e 3.4.2 Heuristiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.4.3 Rsultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 3.5 Briques de recouvrement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5.1 Principe du recouvrement par des briques . . . . . . . . . . . . . . . 3.5.2 Construction de briques . . . . . . . . . . . . . . . . . . . . . . . . . 3.5.2.1 Voisins . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5.2.2 Requtes simples . . . . . . . . . . . . . . . . . . . . . . . . e 3.5.2.3 Combinaisons . . . . . . . . . . . . . . . . . . . . . . . . . 3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . sur un . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

4 Tolrance aux pannes et Graphes colors e e 4.1 Modlisation des Rseaux et srrg : Graphes Colors . . . . . . . . . . . . . . . . . . e e e 4.1.1 Graphes Colors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 4.1.2 Probl`mes Colors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e 4.1.2.1 Probl`mes de connexit . . . . . . . . . . . . . . . . . . . . . . . . . e e 4.1.2.2 Probl`mes de vulnrabilit . . . . . . . . . . . . . . . . . . . . . . . e e e 4.1.3 Etat de lart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Complexit des Probl`mes Colors . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e e 4.2.1 Comparaison avec les probl`mes classiques . . . . . . . . . . . . . . . . . . . . e 4.2.1.1 Minimum Color st-Cut et Nombre de chemins couleur-disjoints, Minimum Color Cut et Nombre darbre couvrant couleur-disjoints 4.2.1.2 Minimum Color st-Cut et Minimum Color Multi-Cut . . . . 4.2.1.3 Minimum Color st-Cut, Minimum Color st-Path et les graphes srie-parall`les . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e 4.2.1.4 Minimum Color st-Path . . . . . . . . . . . . . . . . . . . . . . . 4.2.1.5 Minimum Color Cut . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.2 Span dune couleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.3 Cas polynomiaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.3.1 Graphe color de span maximum 1 et Hypergraphe . . . . . . . . . e 4.2.3.2 Coupe colore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 4.2.3.3 Nombre de couleur de span > 1 born . . . . . . . . . . . . . . . . . e 4.2.4 Span Born . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e

` TABLE DES MATIERES 4.2.4.1 Trouver deux chemins couleur-disjoints . . . . . . . 4.2.4.2 Nombre maximum de chemins couleur-disjoints . . . 4.2.4.3 MC-st-Cut et MC-st-Path . . . . . . . . . . . . . 4.2.5 Span quelconque . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.5.1 MC-st-Path et MC-st-Cut . . . . . . . . . . . . . 4.2.5.2 Minimum Color Spanning Tree . . . . . . . . . 4.2.6 Synth`se des complexits . . . . . . . . . . . . . . . . . . . . e e Formulations en milp . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.0.1 Formulation en milp pour MC-Cut et MC-st-Cut 4.3.0.2 Formulation milp pour MC-st-Path . . . . . . . . Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.1 Dcision : span 1 ? . . . . . . . . . . . . . . . . . . . . . . . . e 4.4.1.1 Traitement initial du rseau . . . . . . . . . . . . . e 4.4.1.2 Proprits des couleurs de span 1 . . . . . . . . . . ee 4.4.1.3 Cohabitation des couleurs . . . . . . . . . . . . . . . 4.4.1.4 Artes multiples . . . . . . . . . . . . . . . . . . . . e 4.4.1.5 Algorithme exact et polynomial . . . . . . . . . . . 4.4.2 Maximiser le nombre de couleurs de span 1 . . . . . . . . . . 4.4.2.1 Complexit et approximabilit . . . . . . . . . . . . e e 4.4.2.2 Une piste pour des mthodes heuristiques . . . . . . e Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

v 73 74 74 79 79 80 83 83 83 85 86 87 87 88 91 91 92 93 93 94 95 97 97 98 100 100 101 103 106 107 109 109 110 111 112 112 112 113 115 117 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 . 131 . 131 . 131 . 132

4.3

4.4

4.5

5 Surveillance du trac 5.1 Motivations . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Etat de lart . . . . . . . . . . . . . . . . . . . . . . . . . 5.3 Surveillance passive . . . . . . . . . . . . . . . . . . . . . 5.3.1 Mod`le de rseau . . . . . . . . . . . . . . . . . . e e 5.3.2 P P M (k) et Minimum Partial Cover . . . . . 5.3.3 P P M (k) et Minimum Edge Cost Flow . . . . 5.3.4 Simulation et rsultats . . . . . . . . . . . . . . . e 5.4 Surveillance passive et chantillonnage . . . . . . . . . . e 5.4.1 Rduire la quantit de donnes . . . . . . . . . . e e e 5.4.2 Techniques dchantillonnage . . . . . . . . . . . e 5.4.3 Mod`le pour la surveillance avec chantillonnage e e 5.4.4 Trac dynamique . . . . . . . . . . . . . . . . . . 5.5 Surveillance active . . . . . . . . . . . . . . . . . . . . . 5.5.1 Le probl`me . . . . . . . . . . . . . . . . . . . . . e 5.5.2 Mthodes de rsolution . . . . . . . . . . . . . . e e 5.5.3 Simulations et rsultats . . . . . . . . . . . . . . e 5.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . 6 Conclusion A Probl`mes de rfrence e ee A.1 Classe de complexit . . . . . . . . . . . . . . . . . e A.1.1 RP , coRP et ZP P . . . . . . . . . . . . . . A.1.2 T IM E(f (n)) . . . . . . . . . . . . . . . . . A.2 Quelques probl`mes diciles et non approximables e

vi A.2.1 A.2.2 A.2.3 A.2.4 A.2.5 A.2.6 A.2.7 A.2.8 A.2.9 Maximum 3 Satisfiability . . . . . . . . . . . . . . Minimum Set Cover et Minimum Partial Cover Maximum Independant Set et Maximum Clique Set Splitting . . . . . . . . . . . . . . . . . . . . . . Red Blue Set Cover . . . . . . . . . . . . . . . . . Maximum Set Packing . . . . . . . . . . . . . . . . Minimum Label Cover . . . . . . . . . . . . . . . . Unsplittable Flow . . . . . . . . . . . . . . . . . . Minimum Steiner Tree [GJ79] . . . . . . . . . . . .

` TABLE DES MATIERES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132 132 134 135 135 135 135 137 138 139 145

B Transformation dun rseau multicolor : Algorithme de dcision e e e C Exemples de rseaux utiliss dans la littrature e e e

Table des gures


2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 2.13 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 3.10 3.11 3.12 3.13 3.14 3.15 4.1 4.2 Schma dtaill dun exemple de brasseur ` 3 niveaux. . . . . . . . . . . . . . . . . e e e a Acheminement dun paquet dans un rseau mpls. . . . . . . . . . . . . . . . . . . . e Empilement de lsp. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Hirarchie de lsp avec gmpls. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Architecture dun rseau de fournisseur dacc`s compos de plusieurs pop intercone e e nects par un rseau ` tr`s haut dbit. . . . . . . . . . . . . . . . . . . . . . . . . . e e a e e Architecture dun point de prsence compos de routeurs dacc`s et de routeurs de e e e cur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rseau ` deux niveaux. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e a Reprsentation dun rseau ` deux niveaux par deux graphes superposs. . . . . . e e a e Une classication des modes de protection et restauration [RM99a]. . . . . . . . . . Protection 1 : 1 dune requte AE pour la panne du cble AB. . . . . . . . . . . . e a Protection 1 : 1 dune requte AE pour la panne du cble CE. . . . . . . . . . . . . e a Protection 2 : 2 dune requte AE de taille 2 . . . . . . . . . . . . . . . . . . . . . e Exemple de rseau multiniveaux. . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Exemple de groupage de requtes sur un chemin orient. . . . . . . . . . . . . . . . e e Ensemble de tubes dirents entre une solution enti`re et une solution relle . . . . e e e Un graphe de requtes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Illustration du choix du tube ` ajouter pour crer un chemin . . . . . . . . . . . . a e Exemple de groupage avec lheuristique 1 pour C = 2 . . . . . . . . . . . . . . . . Exemple de groupage avec lheuristique 2 pour C = 2 . . . . . . . . . . . . . . . . Rsultats pour un facteur de groupage C = 2. . . . . . . . . . . . . . . . . . . . . . e Rsultats pour un facteur de groupage C = 4. . . . . . . . . . . . . . . . . . . . . . e Rsultats pour un facteur de groupage C = 8. . . . . . . . . . . . . . . . . . . . . . e Exemple de dcomposition dun graphe de requtes en sous graphes de groupage e e optimal connu pour un facteur de groupage C = 2. . . . . . . . . . . . . . . . . . . Deux tubes ne peuvent partager une requte que sils sont voisins. . . . . . . . . . e Les 4 rpartitions des voisins dun tube appartenant ` un groupage parfait pour un e a facteur de groupage C = 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Probl`me de requtes multiples et solution. . . . . . . . . . . . . . . . . . . . . . . e e Les toiles constituent des briques pour C = 4. Lensemble de requtes de la gure e e 3.14(a) nest pas inclus dans celui de la gure 3.14(b). . . . . . . . . . . . . . . . . Combinaison de tubes pour C = 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 15 17 19

. 20 . . . . . . . . . . . . . . . . . 20 22 23 25 26 26 27 31 40 44 45 46 47 47 50 50 51

. 52 . 53 . 54 . 54 . 55 . 55

Un rseau multiniveaux et sa reprsentation par un graphe muni de couleurs. . . . . 59 e e Exemple de transformation et et ou dun rseau multicolor en graphe color . . . 60 e e e vii

viii 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11

TABLE DES FIGURES Exemples de chemins, coupes et arbres couvrants colors . . . . . . . . . . . . . . . . e Aucune paire darbres couvrants colors couleur-disjoints alors que la coupe vaut 2. . e Aucune paire de st-chemins couleur-disjoints alors que la st-coupe vaut k = 3. . . . . Transformation dune instance de MC-Multi-Cut en MC-st-Cut. . . . . . . . . . Un chemin color minimum nest pas constitu de chemins colors minimum. . . . . e e e La coupe colore nest pas cohrente. . . . . . . . . . . . . . . . . . . . . . . . . . . . e e Span dune couleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Transformation dun graphe color en hypergraphe . . . . . . . . . . . . . . . . . . . e Transformation dun graphe color de span maximum 1, les probl`mes MC-st-Path, e e MC-st-Cut, 2-CDP et 2-MOP se rduisent ` leurs quivalents en nombre de some a e mets dans un graphe classique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Construction du graphe dont les sommets sont les composantes des couleurs dun graphe color. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Le st-chemin color minimum est obtenu pour une rpartition des cots particulire e e u e Exemple de rseau utilis dans la littrature [TR04b, SYR05] . . . . . . . . . . . . . e e e Le probl`me de Set Splitting se rduit ` trouver deux chemins couleur-disjoints e e a dans un graphe color de span maximum 2. . . . . . . . . . . . . . . . . . . . . . . . e Le probl`me Maximum Independant Set se rduit ` trouver un nombre maximum e e a de chemins couleur-disjoints. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rduction de Maximum 3 Satisfiability a MC-st-Path dans le cas de couleurs e ` de span au plus 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Un graphe color G et son carr G2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e st Illustration de la rduction de Minimum Label Cover ` Minimum Color st-Path. e a Exemple dinstance de Minimum Color Spanning Tree construit ` partir dune a instance de Minimum Set Cover. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Au plus deux couleurs peuvent tre places aux extrmits du chemin remplaant e e e e c une arte dun rseau multicolor. . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e e Les couleurs de larte {u, v} ne peuvent pas tre de span 1 simultanment. . . . . . e e e Exemple de rseau multicolor et des sous-graphes des couleurs. . . . . . . . . . . . . e e Deux artes xes pour une couleur doivent appartenir ` la mme composante connexe e a e sinon la couleur ne peut pas tre de span 1. . . . . . . . . . . . . . . . . . . . . . . . e Rseau avec arte multiple. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e Exemple de rseau construit ` partir dune instance de Maximum Set Packing. . . e a Exemple dinstances de Minimum Partial Cover et PPM(k) quivalentes . . . . e Instance de Minimum Edge Cost Flow construite ` partir dune instance de a P P M (k) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Charge des liens dun pop. Lpaisseur dune arte reprsente le pourcentage de trac e e e empruntant cette arte. Le trac nest pas uniforme. . . . . . . . . . . . . . . . . . e Surveillance passive : placement dinstruments sur un pop ` 10 routeurs. . . . . . . a Surveillance passive : placement dinstruments sur un pop ` 15 routeurs. . . . . . . a Surveillance active : placement de beacons dans un rseau de 15 nuds . . . . . . e Surveillance active : placement des beacons dans un rseau ` 29 nuds. . . . . . . e a Surveillance active : placement des beacons dans un rseau ` 80 nuds. . . . . . . e a 61 65 65 66 67 68 69 69

70 71 72 73 74 75 76 77 81 82 87 88 89 90 91 94

4.12 4.13 4.14 4.15 4.16 4.17 4.18 4.19 4.20 4.21 4.22 4.23 4.24 4.25 4.26 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8

. 102 . 104 . . . . . . 107 108 108 114 114 115

A.1 Minimum Set Cover et Minimum Partial Cover . . . . . . . . . . . . . . . . . 133 A.2 Exemple dinstance de Minimum Label Cover. . . . . . . . . . . . . . . . . . . . . 137

TABLE DES FIGURES A.3 Fonctions 2log C.1 C.2 C.3 C.4
1 1(log log x) 3

ix
x

et log x . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 145 146 146

NJLATA [CSC02, DS04a] . . . . . NSFNET [OSYZ95, Jau, YDA00] . Rseau Amricain [SYR05, TR04b] e e Rseau Italien [SYR05] . . . . . . . e

TABLE DES FIGURES

Chapitre 1

Introduction
Les probl`mes tudis dans cette th`se sont motivs par des questions issues de loptimisation e e e e e des rseaux de tlcommunication. Ces probl`mes doptimisation sont indpendants des choix proe ee e e tocolaires et sappuient uniquement sur les grands principes du routage et de lacheminement des donnes. Par consquent, les rsultats obtenus pourraient sappliquer ` dautres rseaux prsentant e e e a e e des caractristiques semblables pour lacheminement, par exemple les rseaux de transport de voyae e geurs ou de marchandises. Nous avons abord ces probl`mes sous deux angles principaux. Dune part nous avons tudi e e e e leurs proprits de complexit et dinapproximabilit. Dautre part nous avons dans certains cas ee e e propos des algorithmes exacts ou dapproximation ou encore des mthodes heuristiques que nous e e avons pu comparer ` des formulations en programme linaires mixtes (milp pour Mixed Integer a e Linear Programming) sur des instances particuli`res. Ces deux approches sont complmentaires : e e lune sintresse aux limites thoriques des mthodes de rsolution, lautre consiste ` trouver des e e e e a moyens dobtenir des solutions ralisables de bonne qualit. En particulier, conna la classe de e e tre complexit dun probl`me doptimisation et comprendre le cur de la dicult permet parfois de e e e dduire des mthodes de rsolution ecaces. e e e Nous considrons les rseaux internet dans leur globalit cest-`-dire aussi bien les rseaux e e e a e dacc`s que les rseaux de cur . Un rseau dacc`s est compos de plusieurs points de prsence e e e e e e (pop pour Point Of Presence) grs par des oprateurs concurrents. Les utilisateurs sont connects ee e e entre eux ` travers les pop de leurs oprateurs respectifs. Pour ce faire, les pop sont connects entre a e e eux par le rseau de cur. Le rseau de cur rsulte de linterconnexion de syst`mes autonomes e e e e (as pour Autonomous System) grs par direntes autorits (universits, oprateurs, entreprises ee e e e e etc). Pour des raisons historiques, les rseaux de tlcommunication sont composs de plusieurs nie ee e veaux technologiques assurant chacun des fonctions spciques. Lintgration dapplications noue e velles et de services, comme la voix et les donnes, sur une mme infrastructure de rseau a conduit e e e a ` des empilements complexes comme ip/atm/sdh/wdm. Les technologies rcentes permettent aue jourdhui de simplier la structure des rseaux et de converger vers un mod`le ip/wdm dans lequel e e larchitecture mpls,(Multi Protocol Label Switching) ou son extension gmpls (Generalized-mpls ), est de plus en plus employe. Les rseaux ip/wdm sont constitus de plusieurs rseaux virtuels e e e e empils sur un rseau physique de bres optiques et dquipements (nuds) les interconnectant. e e e Les liens du niveau virtuel, ou Label Switched Paths (lsp) dans le cadre de larchitecture mpls, correspondent ` des routes prtablies entre les nuds du rseau. Les utilisateurs nont en gnral a ee e e e quune vision du rseau limite au niveau virtuel le plus haut, sur lequel sont routes leurs requtes. e e e e 1

CHAPITRE 1. INTRODUCTION

Dans cette th`se nous considrons dans un premier temps les rseaux de cur de type ip/wdm ` e e e a deux niveaux utilisant larchitecture gmpls. Ces rseaux comportent un niveau physique (niveau e infrieur) et un seul niveau virtuel (niveau suprieur) constitu de lsp, sur lequel est rout un e e e e ensemble de requtes provenant des utilisateurs du rseau. e e Router les requtes sur un niveau virtuel permet de simplier lacheminement des ux de paquets e ip dans le rseau en regroupant des ux de faibles dbits sur des routes communes au niveau e e physique. En eet, lacheminement classique au niveau ip ncessite lanalyse des paquets ip en e chaque nud traverss avant darriver ` destination. Par contre, lacheminement sur un lsp ne e a ncessite quune seule analyse ` lentre du lsp. Les lsp sont en quelque sorte des tubes, une fois e a e quun ux est mis sur un lsp, il est achemin sans avoir ` tre rexamin ` chaque nud travers e e ae e ea e jusqu` lextrmit du lsp. Grce au routage sur le niveau virtuel, les paquets ip ne sont donc a e e a plus analyss ` chaque nud travers ce qui induit une rduction du cot des nuds aussi bien au e a e e u niveau lectronique (ip) quoptique (wdm). e Rduire les cots de maintenance et dexploitation est crucial pour un oprateur. Pour tre e u e e comptitif, il doit proposer des tarifs attrayants. Cependant il sengage aussi aupr`s de ses clients e e a ` maintenir une certaine qualit de service dans le rseau (sla pour Service Level Agreement), e e ce qui a un cot aussi bien en termes de ressources ncessaires que de gestion. Les performances u e dun rseau, qui peuvent tre values par des mesures de trac, dpendent non seulement de sa e e e e e conception et de son dimensionnement, mais aussi de sa capacit ` maintenir le service malgr les ea e pannes qui surviennent rguli`rement et ` nimporte quel niveau. e e a Le rle des mcanismes de protection et de restauration est dviter linterruption des services en o e e cas de panne. La restauration consiste ` dterminer un nouveau chemin pour une requte seulement a e e lorsquune panne se produit. Cest le mcanisme de survie utilis au niveau ip : les chemins suivis e e par les paquets sont calculs au fur et ` mesure de leur progression dun nud ` lautre en fonction e a a de ltat du rseau. Lorsquun quipement est indisponible il nest simplement pas pris en compte e e e dans le calcul des routes. Dans cette th`se nous ne nous intressons pas ` la restauration mais e e a uniquement ` la protection plus adapte aux niveaux virtuels et physique. Lide essentielle des a e e mthodes de protection est de prvoir, au moment dtablir une connexion entre deux nuds, e e e plusieurs chemins de sorte quil en reste toujours au moins un oprationnel en cas de panne. A e partir de ce principe, de nombreuses variantes ont vu le jour an datteindre le meilleur compromis entre le dlai de rtablissement du service apr`s une panne et les ressources requises. Notons que e e e pour respecter le dlai acceptable de 50 ms pour la tlphonie au niveau utilisateur (ip), le dlai e ee e au niveau wdm doit tre de lordre de la microseconde. Les mthodes de protection conues pour e e c un niveau de rseau seulement, sont toujours dactualit dans les rseaux multiniveaux, dautant e e e plus que le mcanisme de tolrance aux pannes est actuellement optimis indpendamment pour e e e e chaque niveaux. Cependant, depuis lintroduction de mpls, des mcanismes de protection unis o` les dirents e e u e niveaux coop`rent sont tudis. Outre le type de mcanisme ` adopter parmi les multiples possie e e e a bilits pour chaque niveau virtuel, il est aussi ncessaire de dterminer les interactions entre les e e e niveaux et le rle de chacun en cas de panne. Ces questions sont dordre protocolaire et ne nous o intressent pas directement, mais cette nouvelle mani`re daborder la protection a mis en vidence e e e les inconvnients gnrs par une optimisation indpendante pour chaque niveau. Ces inconvnients e e ee e e peuvent se limiter ` une mauvaise utilisation des ressources ou aller jusqu` la dconnexion compl`te a a e e dune partie du niveau suprieur du rseau lorsquune unique panne survient au niveau physique. e e Ces probl`mes ont t identis dans la littrature comme les consquences de lexistence de Shared e ee e e e Risk Resource Group (srrg), ou groupes de risque, dans les rseaux multiniveaux. e Dune mani`re gnrale un groupe de risque est un ensemble dlments dont la disponibilit e e e ee e

3 dpend de celle dune mme ressource. Dans un rseau multiniveaux, chaque ressource physique e e e (nud ou lien) est ` lorigine dun groupe de risque contenant tous les liens virtuels routs sur cette a e ressource. En eet, si cette ressource tombe en panne, tous les liens virtuels du groupe de risque associ sont coups simultanment : ils sont soumis au mme risque de panne. e e e e Les groupes de risque sont ` lorigine des deux premi`res problmatiques doptimisation que a e e nous avons abordes dans cette th`se. Elles concernent la conception de rseaux virtuels (tolrants e e e e aux pannes ou non), et la connexit et la vulnrabilit aux pannes dun rseau multiniveaux donn. e e e e e La troisi`me problmatique est lie ` la mesure des performances dun pop. e e e a Conception de rseau virtuel Concevoir un rseau virtuel qui reste connexe quelle que soit la e e panne qui survienne au niveau physique permet de rduire linuence des groupes de risque sur la e disponibilit du rseau. Comme nous le verrons dans le chapitre 3, il sagit dun probl`me dicile e e e contenant en particulier le probl`me du groupage. Le groupage consiste dune mani`re gnrale ` e e e e a agrger des ux de faibles dbit, par exemple les ux mis par un ensemble dutilisateurs, en un e e e ux de plus haut dbit, par exemple le dbit dune longueur donde. Il est ensuite possible dagrger e e e plusieurs longueurs donde entre deux nuds pour remplir une bre optique. Nous avons tudi un e e probl`me particulier de groupage [PV05] issu du probl`me de conception de rseau virtuel tolrant e e e e aux pannes. Tolrance aux pannes dun rseau virtuel donn Lexistence mme dun rseau virtuel e e e e e implique lexistence de groupes de risque. Si une conception judicieuse permet de limiter linuence des groupes de risque, elle est insusante pour garantir la disponibilit du rseau en cas de panne. e e Optimis pour un ensemble de requtes donn, le niveau virtuel nest plus ncessairement adapt e e e e e lorsque le trac volue. En outre, le probl`me de conception ncessite un temps de calcul important. e e e Ainsi le rseau virtuel ne peut pas tre optimis d`s la moindre variation de trac. Par consquent, e e e e e dans un contexte dynamique, le routage de nouvelles requtes doit seectuer dans un rseau virtuel e e non ncessairement optimal. Cest pourquoi nous avons abord la question des groupes de risque e e sous un autre angle consistant simplement ` tudier les probl`mes de routage et de tolrance aux ae e e pannes dans un rseau virtuel en prsence de groupes de risque. Pour cela nous avons modlis les e e e e rseaux multiniveaux par des graphes colors. Un graphe color est un graphe reprsentant le niveau e e e e virtuel dun rseau multiniveaux. Lensemble des artes est partitionn en couleurs reprsentant e e e e les groupes de risque. Deux artes appartenant ` la mme couleur correspondent ` deux liens e a e a virtuels appartenant au mme groupe de risque. Dans ces graphes nous tudions des probl`mes e e e fondamentaux lis ` la connexit (existence densembles de chemins particuliers, arbre couvrant) e a e du rseau reprsent ainsi qu` sa vulnrabilit aux pannes (probl`mes de coupes). Ces travaux ont e e e a e e e fait lobjet de plusieurs publications [CDP+ 06, CPRV06, Vog06a, Vog06b]. Surveillance du trac dans un pop La surveillance du trac est un outil important pour un oprateur qui lui permet dapprofondir sa connaissance du rseau. Il peut alors tablir des sla quil e e e est en mesure de respecter, mais aussi vrier quil les respecte eectivement. Mesurer le trac e possde de nombreuses applications importantes, dont la dtection des pannes qui est une tape e e e incontournable ` la mise en place de solutions de secours. Il existe deux mthodes de surveillance a e complmentaires, la surveillance passive et la surveillance active. La surveillance passive permet e entre autres de mesurer les volumes des tracs de dirents types, ce qui permet un dimensione nement correcte des ressources de secours ` rserver. La surveillance active intervient directement a e dans la dtection de panne et permet galement de mesurer les performances du rseau du point de e e e vue des utilisateurs. La surveillance du trac, quelle soit active ou passive, ncessite linstallation e

CHAPITRE 1. INTRODUCTION

dquipements spciques dans le rseau. Ces quipements tant assez coteux, il nest pas envisae e e e e u geable pour un oprateur den installer sur chaque lien physique pour la surveillance passive ou sur e chaque nud pour la surveillance active. Minimiser le nombre dinstruments de mesure ` instala ler et dterminer leurs emplacements constituent donc des enjeux conomiques importants pour un e e oprateur. Nous avons tudi les probl`mes de placement des quipements pour la surveillance aussi e e e e e bien active que passive du trac, ce qui a donn lieu ` deux publications [CFGL+ 05b, CFGL+ 05a]. e a Nous prsentons nos travaux sur ces trois problmatiques selon le plan suivant. e e Le premier chapitre est consacr aux rseaux ip/wdm. Dans un premier temps nous prsentons e e e les principaux aspects de ces rseaux intervenant dans le routage et lacheminement des ux en e provenance des utilisateurs ainsi que larchitecture des points de prsence des oprateurs. Ensuite e e nous proposons une modlisation des rseaux multiniveaux et des points de prsences sous forme de e e e graphes et nous prcisons quelques proprits des ux considrs dans ces rseaux. Les mthodes de e ee ee e e protection classiques sont rappeles et tendus au cas multiniveaux. En particulier nous prcisons e e e la notion de groupe de risque. Dans le second chapitre nous abordons la conception de rseau virtuel tolrant aux pannes e e permettant dcouler un trac donn et statique. Nous formulons en milp ce probl`me dans le e e e cadre de la protection par chemin, partage et dpendante de la panne pour le niveau virtuel. La e e suite de ce chapitre traite dun probl`me particulier de groupage extrait du probl`me de conception e e de rseau. Pour ce probl`me, le rseau physique que nous considrons est un chemin orient de e e e e e capacit innie. Tous les liens virtuels, ou tubes, sont de mme capacit, ou facteur de groupage. e e e Tout aspect de tolrance aux pannes est ncessairement supprim puisque le rseau physique est e e e e un chemin unique. Malgr ces hypoth`ses restrictives, minimiser le nombre de tubes ncessaire ` e e e a lacheminement dun ensemble de requtes unitaires quelconque reste un probl`me dicile. Nous e e proposons donc deux heuristiques dont nous comparons les performances aux solutions optimales fournies par une formulation en milp du probl`me. Etant donn que pour des instances de taille e e moyenne les temps de calcul des solveurs sont dj` de lordre de plusieurs heures, nous tudions les ea e proprits densembles de requtes pour lesquels un groupage optimal est connu et permettraient ee e de tester les heuristiques sur des instances de grande taille. Dans le troisi`me chapitre nous proposons une modlisation des rseaux multiniveaux par des e e e graphes colors permettant de dnir simplement les probl`mes lis au routage et ` la protection e e e e a dans un rseau virtuel en prsence de groupes de risque. Dans ces graphes nous dnissons un e e e ensemble de probl`mes doptimisation dun intrt majeur pour la tolrance aux pannes dont nous e ee e tudierons la complexit et les ressemblances avec les probl`mes de thorie des graphes classique. e e e e Ceci nous conduira ` dnir un param`tre des graphes colors qui donne une indication de linuence a e e e dune couleur dans le graphe et joue un rle important dans la complexit de certains probl`mes, o e e le span des couleurs. Nous nous intressons ensuite ` la transformation dun rseau multiniveaux e a e en graphe color dont peut dpendre la complexit de certains probl`mes. e e e e Le quatri`me et dernier chapitre a pour objet la surveillance du trac circulant dans les points e de prsence dun oprateur. Nous tudions les probl`mes doptimisation lis au placement de ces inse e e e e truments de mesures pour la surveillance passive et pour la surveillance active. Nous prsentons des e mthodes de rsolution et des formulations en milp pour ces probl`mes ainsi que quelques rsultats e e e e de complexit. En particulier nous montrons que certains de ces probl`mes sont quivalents ` des e e e a

5 probl`mes de couverture. Enn nous prsentons galement les rsultats de la comparaison entre e e e e nos formulations en milp et dautres mthodes de rsolutions de la littrature pour les probl`mes e e e e de placement dinstruments de mesure du trac. Lannexe A rappelle la dnition de certains probl`mes doptimisation ou de dcision ainsi que e e e les principaux rsultats de complexit et dinapproximabilit les concernant. Dans cette th`se nous e e e e utilisons des rductions de ces probl`mes diciles pour montrer la complexit ou linapproximabilit e e e e des probl`mes que nous avons tudis. e e e Les annexes B et C se rapportent uniquement au chapitre 4. Lannexe B donne une version dtaille dun algorithme polynomial voqu pour un probl`me de transformation dun rseau mule e e e e e tiniveaux en graphe color. Lannexe C prsente des exemples de rseaux utiliss dans la littrature e e e e e pour eectuer des tests de mthodes de rsolution pour les probl`mes doptimisation issus des e e e groupes de risque.

CHAPITRE 1. INTRODUCTION

Chapitre 2

Les rseaux ip/wdm e


Dune mani`re gnrale, les rseaux de tlcom (Internet, tlphone, cble etc) sont composs e e e e ee ee a e dune partie rseau de cur et dune partie rseau dacc`s. e e e Cest grce au rseau dacc`s que les utilisateurs peuvent se connecter au reste du rseau. Le a e e e rseau dacc`s dInternet est partag entre plusieurs fournisseurs dacc`s (isp pour Internet Service e e e e Provider ). Chacun poss`de ou loue ` un autre oprateur un ensemble dquipements, les routeurs e a e e dacc`s, auxquels sont raccords les utilisateurs par des cbles ou des liaisons radio. Pour des e e a raisons technologiques dattnuation des signaux, la longueur de ces cbles est limite et un isp e a e doit possder des installations dacc`s dans chaque zone gographique, par exemple dans chaque e e e ville, o` il souhaite proposer ses services. Ces installations sappellent des points de prsence (pop u e pour Point Of Presence) et chaque isp peut en possder plusieurs suivant son importance. Un e pop est constitu dun ensemble de routeurs dacc`s assurant la liaison avec les utilisateurs et de e e routeurs de cur permettant louverture du pop sur le cur du rseau. e Comme le rseau dacc`s, le cur du rseau nest pas construit et administr par une entit e e e e e unique, mais rsulte de linterconnexion de syst`mes autonomes (as pour Autonomous System) e e htrog`nes plus ou moins tendus gographiquement. Un as est un ensemble de rseaux sous le ee e e e e contrle dune seule et mme entit, typiquement un fournisseur dacc`s ` Internet, une universit, o e e e a e une entreprise, un oprateur etc. Les choix technologiques et protocolaires concernant le transport e des donnes ` lintrieur dun as peuvent direr dun as ` lautre. Cependant le protocole ip (Ine a e e a ternet Protocol ) et des architectures comme mpls (Multi Protocol Label Switching) indpendantes e de la technologie assurent linteroprabilit entre eux. Larchitecture mpls joue un autre rle ime e o portant dans les rseaux de cur en facilitant lagrgation du trac. Dans le cur du rseau les e e e donnes transitent ` tr`s haut dbit sur des bres optiques connectant des routeurs optiques entre e a e e eux. La majorit des utilisateurs ne ncessitant pas toute la capacit de transmission dune bre e e e optique, il est ncessaire dagrger les ux de faible dbit en provenance de plusieurs metteurs en e e e e un ux de dbit comparable ` celui dune longueur donde pour acheminer tous ces ux dans le e a cur du rseau ` tr`s haut dbit. e a e e

2.1

Description des Rseaux ip/wdm e

Apr`s avoir donner un aperu de lorigine historique des rseaux ip/wdm, nous prciserons les e c e e modes dinteraction des dirents niveaux au sein de ces rseaux. Nous prsenterons ensuite les e e e aspects important permettant de comprendre comment sont routes les donnes dans un tel rseau e e e en dcrivant chacun des trois composants principaux : la couche ip, la technologie wdm et enn e 7

8 larchitecture mpls.

CHAPITRE 2. LES RESEAUX IP/WDM

2.1.1

Evolution de larchitecture

Pour des raisons historiques, les rseaux de tlcommunication ont une architecture en plusieurs e ee couches technologiques. Chaque couche poss`de une fonction particuli`re et ore un service ` la e e a couche qui est au dessus en utilisant la couche du dessous. Le mod`le de rfrence osi (pour e ee Open Systems Interconnection) de liso (pour International Standardization Organization) est un mod`le darchitecture en sept couches qui permet de dlimiter toutes les fonctions assurant le e e fonctionnement dun rseau et les grands principes de coopration entre les couches. Il reste toutefois e e un mod`le thorique car dans la ralit une couche peut avoir plusieurs fonctions et il y en a en e e e e gnral moins de sept. e e Les architectures les plus courantes sont composes dune couche internet constitu dun niveau e e ip et dun niveau atm. Le niveau ip ore un support au dveloppement de services et dapplications e pour les utilisateurs. Le contrle des ux, la gestion de la qualit de service et plus gnralement o e e e lingnierie de trac sont assurs par le niveau atm (Asynchronous Transfert Mode) sur laquelle e e repose le niveau ip. Ensuite la couche sdh (Synchronous Digital Hierarchy) g`re le transport des e ux atm sur le rseau optique wdm (Wavelength Division Multiplexing). Cependant cette archie tecture est le fruit dune volution technologique progressive, par suite elle manque aujourdhui de e exibilit et de dynamicit pour faire face ` laugmentation continuelle du trac [Liu02]. Dautre e e a part, pour lacheminement des donnes, chaque couche leur ajoute des informations de contrle e o lourdes (encapsulation), ce qui induit un sur-cot en bande passante et un traitement des donnes u e complexe dans les nuds. Cest pourquoi le besoin de simplier cet empilement de couches est de plus en plus prsent. e La tendance est de supprimer les couches intermdiaires pour obtenir un rseau de type ip/wdm e e [SKS03, Liu02, RLA04]. Lintrt du mod`le ip/wdm vers lequel tendent les rseaux actuels se fonde sur plusieurs ee e e constats. Dune part, les rseaux optiques wdm peuvent suivre la croissance continue du trac e Internet en exploitant les infrastructures dj` existantes. Lutilisation de la technologie wdm permet ea damliorer signicativement lutilisation de la bande passante des bres. Actuellement sur une bre e optique des donnes peuvent transiter ` un dbit de lordre de plusieurs terabits par seconde. Dautre e a e part depuis que les oprateurs ont fait converger les dirents types de tracs (voix, donnes, vido e e e e ou triple play) sur un mme support physique, la majorit du trac est de type ip. Enn, ce mod`le e e e hrite de la exibilit et de ladaptabilit des protocoles de contrle dip. e e e o Cependant, les ux ip sont de dbits tr`s faibles par rapport au dbit dune bre optique et e e e les rseaux ip/wdm ne peuvent pas fonctionner ecacement sans un intermdiaire ayant pour e e rle dagrger les ux ip pour obtenir des ux de dbits comparables ` ceux des bres optiques. o e e a Larchitecture mpls rempli admirablement cette fonction bien quelle nait pas t cre pour. Elle e e ee permet en eet lagrgation des ux selon plusieurs niveaux de granularits : des ux de faibles e e dbits sont agrgs en un ux de dbit suprieur, puis de tels ux sont eux-mmes agrgs en un e e e e e e e e ux de dbit encore suprieur etc. Chaque niveau dagrgation est un niveau de granularti de ux. e e e e Larchitecture mpls g`re galement la qualit de service et lingnierie de trac mais avec beaucoup e e e e plus de exibilit que les solutions antrieures comme atm. Les fonctionnalits de sdh comme les e e e mcanismes de tolrance aux pannes sont transmises ` la couche wdm grce ` des volutions e e a a a e technologiques [Liu02, Wei02] en particulier au niveau de la commutation et de la reconguration dynamique. Cependant des fonctions comme le formatage des ux pour leur transmission physique ne peuvent pas tre prises en charge par le niveau wdm, par consquent une couche sdh rduite e e e

2.1. DESCRIPTION DES RESEAUX IP/WDM

a ` quelques fonctions doit subsister. Cette couche nomme thin sdh [Gro04] qui sera amene ` e e a dispara na pas dincidence sur les probl`mes doptimisation que nous tudions dans cette th`se tre e e e et ne sera pas plus voque ici. Dans la suite nous dtaillons les principaux composants des rseaux e e e e ip/wdm, cest-`-dire la couche ip, la technologie wdm et larchitecture de rseau mpls. a e

2.1.2

Interactions entre les niveaux

Un rseau ip/wdm est compos de plusieurs niveaux qui jouent chacun un rle spcique dans e e o e lacheminement des donnes. Chacun de ces niveaux comporte un plan de donnes et un plan de e e contrle. o Le plan de donnes est responsable uniquement de la transmission des donnes. Le plan de e e contrle est responsable dune part de la dcouverte et de la connaissance de la topologie du rseau, o e e de la disponibilit des quipements et des moyens existants datteindre les autres nuds. Dautre e e part, ` partir de ces informations, le plan de contrle est charg de calculer les routes par lesquelles a o e doivent transiter les donnes au niveau o` il op`re. Toutes les informations sont collectes par e u e e lchange de messages de contrle spciques entre les nuds. Les routes sont galement tablies, e o e e e supprimes ou modies grce ` la signalisation gre par le plan de contrle. e e a a ee o Dans un rseau multiniveaux trois mod`les dinteractions entre les plans de contrle sont tudis. e e o e e overlay : les plans de contrle des dirents niveaux sont indpendants les uns des autres, o e e aucune information nest change. Les calculs de route, les optimisations, la signalisation e e etc, sont eectus sparment pour chaque niveau et sans tenir compte des autres. e e e augmented : chaque niveau poss`de son propre plan de contrle mais ils utilisent la mme e o e signalisation, en particulier les informations sur la disponibilit des connexions. Le routage e est tout de mme eectu sparment entre les niveaux, mais avec des informations communes. e e e e peer : il existe un unique plan de contrle pour toutes les couches, cette collaboration amliore o e les performances globales du rseau puisque tous les niveaux peuvent tre optimiss ensembles. e e e Le mod`le overlay est utilis actuellement, mais les rseaux devraient voluer vers le mod`le auge e e e e mented puis peer qui permet une gestion plus ecace [Liu02].

2.1.3

Couche ip

Pour un utilisateur donn, Internet est un rseau mondial, transparent, qui interconnecte toutes e e les machines entre elles et permet lchange de donnes. Cette vision correspond ` un niveau vire e a tuel du rseau qui en ralit est constitu das htrog`nes utilisant des technologies et des modes e e e e ee e de transmissions varis. Le rle de la couche Internet est dassurer linteroprabilit et lintercone o e e nexion de ces as et de permettre aux donnes dtre achemines ` travers ces rseaux jusqu` leur e e e a e a destination. Pour cela elle dni le protocole ip charg de lacheminement des donnes. e e e Pour tre achemines dans le rseau, les donnes sont dcoupes en paquets ip. Un paquet ip e e e e e e est compos de deux parties : une partie den-tte comportant diverses informations ncessaires ` e e e a son acheminement, en particulier ladresse ip de destination, et une partie contenant les donnes. e La transmission des donnes par le protocole ip est non able et se fait sans connexion. En eet e il ny a aucune garantie quun paquet arrive ` destination, il peut tre perdu, dupliqu et plusieurs a e e paquets narrivent pas ncessairement ` destination dans leur ordre dmission. De plus lmetteur e a e e envoie des paquets sans prendre contact pralablement avec le rcepteur. e e Des protocoles de niveau suprieur ` ip comme tcp ou udp [Tan01] mis en uvre sur les e a machines des utilisateurs permettent alors de contrler larrive des paquets ip et ventuellement o e e dtablir des connexions. e

10

CHAPITRE 2. LES RESEAUX IP/WDM

Le principe de lacheminement des paquets ip est tr`s simple. Il est bas sur ladresse de destinae e tion contenue dans chaque paquet. Une fonction acheminement se charge, en chaque nud travers e par un paquet, de dterminer le nud vers lequel lenvoyer suivant son adresse de destination et e les informations fournies par la fonction routage du nud. Adressage Chaque paquet ip contient une adresse ip de destination. Cette adresse est constitue e de deux parties : un identicateur de rseau et un identicateur de la machine de destination dans e ce rseau. Une adresse nidentie pas simplement une machine mais une connexion ` un rseau : e a e si une machine est connecte ` plusieurs rseaux, elle poss`de une adresse par rseau. Dautre part e a e e e un organisme, le nic (Network Information Center ) est charg de distribuer les adresses ip en sorte e quune adresse ne soit aecte qu` une unique machine. e a fonction acheminement Lacheminement dun paquet repose sur son adresse ip. A la rception e dun paquet, un routeur analyse son en-tte et en particulier son adresse ip de destination an de e dterminer dans quel rseau il doit tre livr. e e e e Les informations donnes par les adresses ip sont exploites grce aux tables de routage des e e a routeurs ip. La table de routage dun routeur contient toutes les adresses de rseaux distants e existants et ladresse du routeur auquel transmettre les paquets pour atteindre ces rseaux par un e plus court chemin selon une mtrique propre au rseau. La table de routage est donc consulte e e e pour chaque paquet arrivant sur un routeur an de dterminer le prochain routeur (next hop ou e prochain saut) qui traitera ` son tour le paquet, cest la fonction dacheminement du routeur. a fonction routage Les tables de routage sont maintenues dynamiquement par des protocoles distribus spciques, ou algorithmes de routage, mis en uvre par la fonction routage de chaque e e routeur. Les protocoles de routage peuvent se diviser en deux classes, les protocoles igp (Interior Gateway Protocol) et les protocoles egp (Exterior Gateway Protocol). Les protocoles igp sont ` a luvre ` lintrieur dun as et permettent deectuer le routage dun paquet jusqu` sa destination a e a une fois quil a atteint las auquel elle appartient, rip et ospf sont deux exemples de protocoles igp. Les protocoles egp comme le protocole tr`s rpandu bgp, assurent linterconnexion des as e e entre eux, ils permettent la gestion du grand nombre de routes ncessaires pour prendre en compte e les as existants. La mise ` jour des tables de routage se fait suite ` lchange de messages de type routing update a a e entre les routeurs qui leur permet de propager des informations sur lindisponibilit de liens ou de e routeurs, lintroduction de nouveaux rseaux et tous les changements topologiques du rseau. Un e e calcul ` partir de ces informations permet de dterminer les nouveaux chemins les plus courts pour a e atteindre une destination. Les algorithmes de routage permettent donc de ragir dynamiquement e aux modications du rseau. e Plusieurs mtriques peuvent tre utilises sur les liens de dirents rseaux, il peut sagir du e e e e e nombre de routeurs travers, dun cot x par ladministrateur du rseau en fonction du dlai e u e e e observ sur chaque lien, de la bande passante disponible etc. e La dynamicit induite par les algorithmes de routage permet de tenir compte des changements e topologiques du rseau qui peuvent intervenir comme lindisponibilit dun lien, une panne de e e routeur, lengorgement dun lien ou lapparition dun nouvel lment du rseau etc. Elle a pour ee e autre consquence que deux paquets provenant dune mme source vers une mme destination e e e peuvent ne pas emprunter la mme route, cest-`-dire passer par la mme succession de routeurs. e a e Notons que le routage et lacheminement du paquet se font simultanment puisque la dcision e e du routeur suivant est prise indpendamment ` chaque routeur lorsque le paquet est reu et il est e a c

2.1. DESCRIPTION DES RESEAUX IP/WDM

11

rmis immdiatement suivant la dcision prise. ee e e Le protocole ip et ses applications sont dtaills dans plusieurs livres, en particulier dans [Tan01, e e Ml01, Liu02, Puj02]. e

2.1.4

Technologie wdm

Loprateur exploitant un rseau de cur poss`de un certain nombre de clients ` qui il fournit e e e a des connexions dun point ` un autre du rseau (qui peuvent tre dautres oprateurs, de grandes a e e e entreprises, . . . ). Ces connexions sont lagrgation des ux de donnes de faible dbit, ux ip e e e changs par les utilisateurs dun rseau wan par exemple, dans le but de constituer des connexions e e e dune taille susante pour utiliser ` bon escient des bres optiques ayant un dbit tr`s lev. a e e e e Nous prsentons par la suite la terminologie associe aux rseaux ` bres optiques, ainsi que e e e a le principe gnral de leur fonctionnement. Une description dtaille de cette technologie peut tre e e e e e trouve dans [GR00, LD02]. e 2.1.4.1 Multiplexage en longueurs donde

Les rseaux ` bres optiques sont constitus de nuds relis par des cbles. Un nud intercone a e e a necte plusieurs cbles contenant chacun plusieurs bres. a Grce au multiplexage en longueur donde (Wavelength Division Multiplexing pour wdm), plua sieurs longueurs donde distinctes peuvent emprunter la mme bre pour transporter ` un tr`s e a e haut dbit dirents ux de donnes sans interfrence. Les noeuds ont la capacit dmettre sur e e e e e e une mme bre direntes longueurs donde runies en un mme signal lumineux mais aussi de e e e e sparer les longueurs donde composant un signal lumineux reu. On parle alors de multiplexage et e c + 97]. de dmultiplexage de ces longueurs donde [BCJ e 2.1.4.2 Multiplexage temporel

Le multiplexage temporel (tdm pour Time Division Multiplexing) consiste ` utiliser un mme a e canal, par exemple une mme longueur donde, pour transporter plusieurs ux indpendants. Lutie e lisation de ce canal est divise en priodes de temps et chaque priode est elle-mme divise en e e e e e intervalles de temps ou slot. Chaque ux est associ ` un slot, et son mission nest autorise que ea e e cycliquement pendant ce slot ` chaque priode. a e 2.1.4.3 Hirarchie des conteneurs e

Les rseaux de cur permettent de vhiculer des ux agrgs selon une hirarchie. Un conteneur e e e e e dsigne un ux rsultant de lagrgation ou de lencapsulation de ux de dbit infrieur. e e e e e Dans un rseau wdm, le conteneur de plus haut niveau est la bre optique. Une bre contient e plusieurs bandes qui elles-mmes contiennent plusieurs longueurs donde. La bande de longueurs e donde a t introduite pour la premi`re fois dans les rseaux en anneau [GRW00, SS99] et cette ee e e triple hirarchie de conteneurs est dcrite et utilise dans [HPS02, LYK+ 02, YOM03, CAQ04]. e e e Les quipements matriels des nuds mettant en uvre cette hirarchie, notamment avec les e e e oprations add et drop dinsertion et dextraction de conteneurs agrgs dans un conteneur de e e e niveau suprieur, sont des adm pour Add/Drop Multiplexer. e Ces quipements peuvent par exemple extraire (drop) une longueur donde dune bre et convere tir son signal lumineux en signal lectronique pour quil soit trait par la couche lectronique du e e e nud (par exemple, la couche ip). Inversement, des ux en provenance de la couche lectronique e

12

CHAPITRE 2. LES RESEAUX IP/WDM

peuvent tre insrs (add ) dans une longueur donde par un adm, et cette longueur donde insre e ee ee dans une bre ou une bande. Cependant, une longueur donde extraite dune bre optique nest pas ncessairement dirige e e vers la couche lectronique mais peut tre multiplexe dans une autre bre optique, avec dautres e e e longueurs donde. Il sagit alors dune opration de brassage des bres (2.1.4.4). Dans ce cas, e lquipement au niveau du nud ne fait pas ncessairement linterface avec la couche lectronique : e e e il est tout optique et permet dextraire ou dinsrer une longueur donde dans une bre ou une e bande. Un tel quipement est un oadm pour Optical Add/Drop Multiplexer. e 2.1.4.4 Brassage des conteneurs

Les nuds dun rseau wdm assurent une fonction de brassage permettant dacheminer les e conteneurs ` travers le rseau jusqu` destination. a e a Le brassage de conteneurs consiste dans un premier temps ` dmultiplexer le contenu de plua e sieurs conteneurs entrant dans le nud, ou en dautres termes ` extraire de plusieurs conteneurs a des conteneurs de niveau infrieur. Les conteneurs de niveau hirarchique infrieur ainsi obtenus e e e sont ensuite multiplexs suivant une nouvelle rpartition de sortie. Par exemple, le brassage permet e e dinsrer dans une mme bre en sortie dun nud des longueurs donde arrivant au nud par deux e e bres direntes. e Le brassage sappuie sur la commutation des conteneurs comparable au principe des aiguillages des lignes de chemin de fer. Les aiguillages sont congurs pour quun train passe sur la bonne voie e sans avoir besoin de sarrter pour prciser sa destination. Il en est de mme au niveau optique. e e e Une longueur donde est commute vers une bre ou une autre grce ` un commutateur optique e a a congurable constitu de lentilles mobiles. e Loadm ralisant le brassage dun niveau de conteneur est aussi appel brasseur optique ou oxc, e e pour Optical Crossconnect. Plus prcisment un f-oxc pour Fiber Optical Crossconnect permet de e e brasser des bres ` lintrieur de cbles. Un f-oxc manipule toutes les longueurs donde contenues a e a dans une bre au sein dun ensemble global non dissoci, le conteneur bre. De mme un b-oxc e e permet de brasser des bandes contenues dans des bres optiques. Enn le brassage de longueurs donde est ralis par un w-oxc pour Wavelength Optical Crossconnect. e e Lorsque le brasseur poss`de les fonctionnalits de plusieurs de ces oxc spciques, cest-`-dire e e e a quil permet le brassage de plusieurs niveaux de conteneur et non dun seul, il est appel brasseur e hirarchique (hierarchical crossconnect, hxc) [HSKO99, LYK+ 02]. e 2.1.4.5 Conversion de longueurs donde dans un rseau tout optique e

Contrairement au brassage de longueurs donde qui ne fait que commuter une longueur donde vers une bre de sortie ou une autre, la conversion de longueurs donde consiste ` mettre le signal ae vhicul par une longueur donde entrante donne sur une longueur donde dirente en sortie dun e e e e nud. En gnral, la conversion est assure par un passage de loptique vers llectronique et vice e e e e versa. Quelle seectue enti`rement au niveau optique ou quelle ncessite un passage au niveau e e lectronique, la conversion de longueur donde ncessite des quipements coteux (adm), cest e e e u pourquoi il faut viter dy avoir recours. De nombreux travaux sintressent donc ` la rduction e e a e + 05], tandis que dautres du cot des oadm ncessaires dans un rseau [KK99, BCM03a, BCC u e e font lhypoth`se de labsence totale de conversion [ES03]. En eet certaines tudes montrent que e e dans la plupart des rseaux rels, la conversion de longueur donde nest pas ncessaire ` la bonne e e e a exploitation des ressources [JMY05].

2.1. DESCRIPTION DES RESEAUX IP/WDM

13

Input

BOXC
Drop Add

Demux Band to waves Input

Mux Waves to Band Output

WOXC
Drop Add

Drop Fiber

Drop Band

Drop waves

Fig. 2.1 Schma dtaill dun exemple de brasseur ` 3 niveaux. e e e a Dans un rseau tout optique, labsence de conversion de longueurs donde signie que si un e signal emprunte une longueur donde donne dans une bre du rseau, il devra utiliser cette mme e e e longueur donde sur tout le chemin emprunt. A chaque nud cette longueur donde sera simplement e commute dune bre vers une autre sans jamais changer de frquence optique. e e 2.1.4.6 Reprsentation des fonctionnalits des brasseurs e e

Lencapsulation dans dirents niveaux hirarchiques permet de regrouper des conteneurs dun e e niveau donn dans des conteneurs de plus haut niveau. Par exemple au niveau dun nud, huit e longueurs donde peuvent tre encapsules dans une bande et la bande dans une bre. Pour cela le e e brasseur quipant le nud doit possder les deux composantes w-oxc et b-oxc ` la fois. Un nud e e a peut aussi servir de point dentre ou de sortie ` des donnes sur le rseau (add /drop), il doit alors e a e e tre quip dun convertisseur optique/lectronique. e e e e La gure 2.1 prsente le mod`le dtaill du fonctionnement dun brasseur adopt dans le cadre e e e e e du projet rnrt porto [ABD+ 01] impliquant Alcatel, le projet Mascotte (i3s(cnrs/unsa)/inria) et France Tlcom. Les termes bers, bands, waves correspondent ` bres, bandes et longueurs ee a donde. La fonctionnalit add ou drop dun brasseur lui permet dinsrer ou de retirer un signal e e du rseau. On peut directement insrer une bre, une bande ou une longueur donde dans un des e e niveaux f-oxc, b-oxc ou w-oxc. Les capacits de multiplexage/dmultiplexage sont illustres par e e e les connexions entre les niveaux deux par deux et par les termes mux et demux. Notons aussi que ce schma introduit la notion de nombre de ports de multiplexage, cest-`-dire le nombre de e a conteneurs dun niveau pouvant tre envoys au niveau infrieur (et vice versa). Les quipements e e e e

Input fibers

Output fibers

FOXC
Drop Add

Demux Fiber to Bands

Mux Bands to Fiber Output

Add Band Add waves

Add Fiber

14

CHAPITRE 2. LES RESEAUX IP/WDM

de brassage fournis par les quipementiers peuvent en eet varier suivant la taille, ` fonctionnalits e a e quivalentes. Il y a alors un lien troit entre la capacit dun quipement et son cot. e e e e u La gure 2.1 donne un exemple de brassage de deux bres entrantes, reprsentes en noir. On e e extrait de ces deux bres les bandes au niveau b-oxc, et si lon suppose que le nombre de bandes extraites nest pas suprieur ` la capacit dune bre, on peut alors les regrouper dans une mme e a e e bre avant de remonter au niveau f-oxc. La bre sortante (en noir) peut alors poursuivre son chemin vers un autre nud du rseau. e Dans la suite, nous utiliserons le terme wdm de faon gnrique. Dans la pratique on distingue c e e les technologies c-wdm, dwdm, udwdm qui sappliquent ` dirents types de rseau et ont des a e e proprits direntes, notamment en terme de capacit. Le nombre de longueurs donde par bre ee e e peut varier de 8 ` 1000 environ. La bande passante dune longueur donde est actuellement de a 10Go/s, elle devrait bientt voluer vers 40Go/s. En laboratoire elle atteint maintenant 160Go/s. o e

2.1.5

Architecture mpls

A lorigine mpls (Multi Protocol Label Switching) a t conu pour amliorer lecacit des ee c e e routeurs au niveau du traitement des paquets. Au lieu dtre analyss ` chaque routeur travers, les e e a e paquets sont analyss une seule fois ` lentre du rseau et achemins sur une route prdnie grce e a e e e e e a a ` un syst`me dtiquettes (labels). Ces tiquettes sont de petite taille par rapport aux informations e e e de contrle ajoutes par chaque couche dun rseau ip/atm/sdh/wdm. o e e mpls est une architecture de commutation multiniveaux qui contrairement ` ip permet de sparer a e les fonctions de routage et dacheminement des paquets, et ainsi prote de la rapidit dacheminee ment des ux de la commutation et de la dynamicit du routage. mpls sinspire de technologies e comme le Tag Switching de Cisco ou de aris pour Aggregate Route-Based IP Switching dIBM, et datm [Tan01] dont il gnralise certains principes comme par exemple les notions de circuits e e virtuels et de pile de label. Grce aux volutions technologiques, notamment lunication des plans de contrle entre tous a e o les niveaux du rseau, mpls comporte aujourdhui une composante dingnierie de trac (te pour e e Trac Engineering) qui permet entre autres le maintient de la qualit de service (qos pour Quality e of Service). mpls permet galement le dploiement facile de rseaux privs virtuels (vpn pour e e e e Virtual Private Network ). Larchitecture mpls est compose dun certain nombre de protocoles qui peuvent varier et e voluer suivant son domaine dapplication. Toutefois les protocoles utiliss ninuent ni sur le prine e cipe gnral de mpls ni sur les probl`mes tudis dans cette th`se, cest pourquoi il nen sera pas e e e e e e fait mention. Grce ` ses extensions, mps (Muli Protocol Lamdba Switching) et gmpls (Generalized-mpls), a a mpls peut tre utilis sur plusieurs technologies de rseaux et en particulier sur les rseaux wdm e e e e pour mettre en oeuvre des rseaux de type ip/wdm. Une description dtaille sur les aspects de e e e mpls abords dans la suite se trouve dans [RVC01, Liu02, Ml01]. e e 2.1.5.1 Le principe de mpls

Le principe de mpls est bas sur le regroupement de paquets partageant des caractristiques e e semblables pour leur acheminement au sein de fec (Forwarding Equivalence Class). Ces classes peuvent tre formes selon plusieurs crit`res : mme prxe dadresse de destination comme pour e e e e e le routage ip, paquets dune mme application, paquets issus dun mme prxe dadresses sources e e e (utilis pour la mise en oeuvre de rseaux privs virtuels ou vpn), qualit de service demande, etc. e e e e e

2.1. DESCRIPTION DES RESEAUX IP/WDM

15

LER IN OUT

IP data

3
LER

routage IP data
LSR IN OUT

3 IP data 2 IP data
LSR IN OUT

IN OUT

9 IP data 4 IP data
LER

OUT

routage

4
IN OUT

9
LSR

IP

IN OUT

routage

Fig. 2.2 Acheminement dun paquet dans un rseau mpls. e

Dautre part, contrairement au routage traditionnel dcrit en section 2.1.3 o` chaque paquet est e u analys ` chaque routeur quil traverse pour dterminer la prochaine tape de son parcours, avec ea e e mpls le paquet est analys une seule fois ` son entre dans le rseau mpls et est immdiatement e a e e e assign ` une fec par le routeur dentre (ler pour Label Edge Router ou encore Ingress Router ). ea e Une fois quun paquet est aect ` une fec le ler lui ajoute une tiquette ou label et lexpdie ea e e au routeur mpls (lsr pour Label Switched Router) suivant indiqu dans sa table de transmission e de labels ou table de forwarding de labels pour cette fec. Le lsr suivant na plus qu` lire ltiquette des paquets qui lui arrivent et ` consulter la table de a e a transmission de labels pour conna le lsr suivant. Avant de rexpdier le paquet il doit cependant tre e e changer son label dapr`s les informations fournies par la table de transmission de labels. En eet e les labels sont locaux ` chaque lsr et un lsr doit par consquent traduire le label pour quil ait un a e sens pour le lsr suivant. Par exemple sur la gure 2.2 le paquet entre dans le domaine mpls par un ler qui utilise un algorithme de routage pour dcider vers quel lsr lenvoyer et avec quel label, e ici le label 4. Le lsr suivant qui le reoit change le label 4 contre le label 9 apr`s avoir consult c e e e sa table de transmission de label et rexpdie le paquet au lsr suivant. e e Notons que la table de transmission de labels poss`de beaucoup moins dentres quune table e e de routage ip habituelle puisquelle contient les routeurs voisins dun lsr au lieu de contenir un nombre potentiellement grand dadresses de sous-parties du rseau. e Lorsquun paquet arrive ` un ler (ou Egress Router) pour ressortir du sous-rseau mpls quil a e vient de traverser, le ler lit dans la table que le paquet doit sortir du rseau et lui enl`ve son e e tiquette sans la remplacer, ensuite le paquet est rout de mani`re classique. e e e La succession de labels reus par un paquet entre les deux ler est un lsp ou Label Switched c Path.

16 2.1.5.2 Empilement de labels

CHAPITRE 2. LES RESEAUX IP/WDM

mpls est une architecture de commutation multiniveaux, or jusque l` un seul niveau a t voqu. a e ee e En fait mpls met en uvre la notion de pile de labels qui consiste ` agrger plusieurs lsp de faibles a e dbits en un seul lsp de dbit suprieur en empilant un label supplmentaire commun en en-tte des e e e e e paquets appartenant aux lsp de faibles dbits. Ce nouveau lsp peut ensuite lui mme tre agrg e e e e e avec dautres lsp sur une partie de sa route par lempilement dun autre label commun. Les lsr ne tiennent compte que du label de dessus de pile pour traiter les paquets qui sont achemins comme e dcrit en 2.1.5.1. Le principe de la pile de label dans mpls est en fait comparable ` la hirarchie e a e de conteneurs de wdm. Les conteneurs ne sont plus des bres, des bandes ou des longueurs donde mais tous des lsp distingus non par des caractristiques physiques mais par des niveaux de labels. e e Ce principe tait dj` utilis dans atm mais restreint ` deux niveaux. Avec mpls il ny a pas de e ea e a limite conceptuelle sur la taille de la pile de label. Lempilement et le dpilement des labels en en-tte des paquets sont eectus par les lsr et e e e ler du rseau mpls grce aux informations contenues dans leurs tables de transmission des labels. e a Elles contiennent, en plus du lsr suivant, lopration ` eectuer sur la pile de label dun paquet e a dun lsp donn, empiler ou dpiler, et aussi le label ` empiler suivant lopration. e e a e La gure 2.3 illustre une pile de label avec deux niveaux. Loprateur 1 dispose de deux domaines e de rseau mpls distants et pour les connecter il passe un accord avec loprateur 2 qui lui fournit e e un chemin entre les deux domaines. Tous les ux allant de lun des sites vers lautre sont agrgs e e dans divers lsp, mais la traverse du domaine de lautre oprateur se fait par lencapsulation de e e tous ces lsp en un lsp de niveau hirarchique suprieur. Pour cela un label (label 1) est empil ` e e ea la sortie du site 1 et dpil (label 3) ` lentre du site 2. e e a e La granularit dun ux dsigne le niveau hirarchique du ux. Un ux de granularit ne est un e e e e ux de dbit peu lev, cest-`-dire un lsp de niveau haut, alors quun ux de granularit grossi`re e e e a e e est un ux de dbit lev correspondant ` un lsp de bas niveau. e e e a 2.1.5.3 Les composants de mpls, terminologie

Lobjectif de cette section est de prciser les dnitions et les fonctions des lments de mpls e e ee voqus jusque l`. e e a Label Switched Router (lsr) : quipement de type routeur, ou commutateur, capable de e commuter des paquets, en fonction des labels quils contiennent. Dans le coeur du rseau, les lsr e lisent uniquement les labels, et non les adresses ip. Label Edge Router (ler) : routeur situ ` la fronti`re du rseau mpls, galement appel e a e e e e routeur dextrmit (Ingress et Egress router). Les ler sont responsables de lassignation et la e e suppression des labels au moment o` les paquets entrent sur le rseau ou en sortent. u e Label mpls : petit en-tte (4 octets) ajout aux paquets ` leurs entres dans le rseau. Il est e e a e e utilis par les lsr lors des dcisions dacheminement des paquets pour lire la table de transmission e e des labels. Les labels sont locaux entre deux lsr. Un lsr doit traduire les labels reus en labels c dont la signication est commune aux lsr suivants et ` lui mme. Le format ou la nature du label a e dpend de la nature du rseau sous-jacent. Par exemple avec mps, le label peut tre la longueur e e e donde sur laquelle arrivent les donnes 2.1.5.5. e

2.1. DESCRIPTION DES RESEAUX IP/WDM


@AA A@A @A @AA@ A@@ @A@

17

3 8

LSR LER

LER
DE DE  DE DE

LSR

4 2

4 8

LSP niveau 1 LSP niveau 2

Fig. 2.3 Empilement de lsp. Label Switched Path (lsp) Un lsp est un chemin dni entre deux ler dun rseau mpls, il e e est dni par la succession de labels locaux assigns par les lsr ` un ux transitant entre les deux e e a ler. Dans lexemple de la gure 2.2, le paquet reprsent suit le lsp dni par la succession de e e e labels 4-9-3-2. Les lsp correspondent aux circuits virtuels datm. Il existe deux sortes de lsp, les lsp statiques ou er-lsp pour Explicitly Routed-lsp , tablis e explicitement par un oprateur par exemple pour un client lui-mme oprateur, et les lsp dynae e e miques, tablis automatiquement grce ` des protocoles de routage classiques (ospf, rip, bgp etc e a a [Puj02]) et un protocole de distribution de labels (ldp).

Table de transmission de labels Une entre de la table de transmission de labels correspond e a ` un label et contient dune part le routeur ` qui transmettre les donnes arrivant avec ce label, a e dautre part lopration ` eectuer sur la pile de labels. Cette opration peut tre soit de remplacer e a e e le label en dessus de pile par un label spci comme illustr ` la gure 2.2, soit de supprimer e e e a le label de dessus de pile, ou encore de remplacer le label de dessus de pile et dempiler un label spci supplmentaire (Figure 2.3). e e e

Label Distribution Protocol (ldp) Ce protocole distribue les labels et leurs signications entre les lsr et assure leur cohrence. Il assigne les labels dans les quipements situs aussi bien dans e e e le cur du domaine mpls qu` sa priphrie. Pour cela il sappuie sur des protocoles de routage a e e classiques comme le fait le protocole ip.

22  2323 3 3

00 10 01 10011001 11 0 1

 ()() () ()

5 2 5 8

LSR

7 2 7 8

5 445  4545 $ $ % $%$%$%$% $ $% $%$%$%$% %%

1 2 1 8

LER LSR LSR


&'&' & &' &'&'&'&' &''

LSR

FGFG  FGFG FG FG

6767 67 67

LSR

LER

Domaine MPLS Oprateur 2 e


 !! !! """ "# ! " ! ""##""## ## ## #"#" #"

3 2

8 8 99 88998 9898 9 898989 8989

LSR
    

LER

LER

C C C CC B BBBBBB BCCCC BBCC C BBBBBB

    

    

4
H I HI IIHI H IH HIHI HIH

    

LER

LER

      

Domaine MPLS Oprateur 1 e Site 1 Domaine MPLS Oprateur 1 e Site 2

LSR

LER

18 2.1.5.4 Les applications de mpls

CHAPITRE 2. LES RESEAUX IP/WDM

Lunication des plans de contrle entre tous les niveaux dun rseau mpls permet de tenir o e compte pour le routage de toutes les informations disponibles sur le rseau, ce qui est partie culi`rement important pour une bonne gestion de la qualit de service et des pannes pouvant e e survenir, et plus gnralement pour mettre en uvre lingnierie de trac. Les rseaux privs vire e e e e tuels reprsentent une autre application importante de mpls. e Ingnierie de Trac - Trac Engineering (te) Lingnierie de tracs correspond ` lassignae e a tion des ux de trac sur une topologie physique, selon dirents crit`res. Les applications les plus e e courantes concernent le routage des ux autour de points de congestion connus dans le rseau et le e contrle prcis du reroutage de trac aect par un incident sur le rseau. Dune mani`re gnrale, o e e e e e e le te a pour objectif lusage optimal de lensemble des liens physiques du rseau en vitant la e e surcharge de certains liens et la sous-utilisation dautres. Pour ce faire les er-lsp constituent un outil essentiel qui permet lutilisation de routes peu intressantes pour le protocole de routage ` e a luvre dans le rseau et donc peu utilises. e e Qualit de service - Quality of Service (qos) Transmettre du son, des donnes ou des images e e sur un mme rseau implique des caractristiques direntes, voire opposes. Ainsi le transport du e e e e e son peut saccompagner de quelques erreurs de transmission, matrialises par exemple par des e e grsillements ou une voix lg`rement mtallique. Loreille humaine est en mesure de corriger ces e e e e ` erreurs, mais elle est en revanche sensible ` des variations de dbit de transmission. A linverse, a e les syst`mes informatiques sont plus tolrants ` des variations de dbit, mais saccommodent mal e e a e derreurs de transmission. Il est alors ncessaire que le rseau propose dirents param`tres de e e e e transmission en fonction des besoins propres ` chaque fonction. a La qualit de service dun rseau dsigne sa capacit ` transporter dans de bonnes conditions les e e e ea ux issus de direntes applications. Ceci se traduit par trois caractristiques techniques essentielles. e e Le service dacheminement du rseau doit tre able et disponible (reliability) et doit proposer e e susamment de bande passante (bandwidth) pour absorber les tracs gnrs par les utilisateurs. e ee De plus il doit permettre aux tracs utilisateur qui le dsirent un service dacheminement rapide e (latence ou delay) et/ou rgulier (gigue ou jitter ) en particulier pour les applications voix. Enn e le service dacheminement doit assurer aux tracs utilisateur qui le dsirent un service sans perte e (loss ratio). mpls propose deux mises en uvre possibles de la qos. Sur un mme lsp les tracs peuvent e tre traits diremment par les lsr suivant la qos quils requi`rent. Il est aussi possible de crer e e e e e plusieurs lsp entre deux ler avec des crit`res dacheminement dirents, par exemple un lsp peut e e acheminer des tracs prioritaires avec une garantie de bande passante et de performance pendant quun autre lsp achemine des tracs moins prioritaires avec des garanties moins fortes. Support des rseaux privs virtuels - Virtual Private Network (vpn) Un rseau priv e e e e virtuel simule le fonctionnement dun rseau tendu (wan pour Wide Area Network ) priv sur un e e e rseau public comme lInternet. An dorir un service vpn able ` ses clients, un oprateur doit e a e alors rsoudre deux problmatiques essentielles, dune part assurer la condentialit des donnes e e e e transportes, dautre part prendre en charge des plans dadressage privs pouvant tre identiques e e e entre des rseaux privs distincts. e e Grce au principe des lsp, mpls rpond parfaitement aux probl`mes de gestion des adresses. Un a e e ensemble de lsp est tabli pour chaque vpn et lacheminement des ux ne se faisant pas en fonction e

2.2. ARCHITECTURE DES POP DUN OPERATEUR

19

TDM 1 Flux Paquets 2 1 2 1 Fibre Cble a Fibre

slot slot

Type Fibre Type longueur donde Type TDM Type Paquet

Fig. 2.4 Hirarchie de lsp avec gmpls. e des adresses mais des labels, plusieurs vpn peuvent utiliser les mmes adresses de sous-rseaux sans e e interfrences. e 2.1.5.5 Extension - gmpls, mps

Larchitecture mpls a t conue pour grer des ux de type de paquets. Un label est reprsent ee c e e e par un en-tte de paquet et doit donc tre toujours analys au niveau lectronique pour tre e e e e e achemin. Un objectif de la premi`re extension, mps, de mpls est justement de permettre la mise e e en place de lsp tout optique. Avec mps, un lsp peut tre reprsent par la longueur donde e e e portant le ux. Un tel lsp nest pas mis en place par la mise ` jour dune table de transmission de a label mais par la conguration physique de commutateurs optiques au niveau des lsr. Par exemple sur la gure 2.3, tout le trac allant du site 1 de loprateur 1 vers le site 2 emprunte e un mme lsp symbolis par la succession de labels 1-5-4-7-3 pour traverser le domaine de loprateur e e e 2. En admettant que le dbit utilis sur ce lsp soit comparable ` celui dune longueur donde (pour e e a viter le gaspillage), il est possible grce ` mps de mettre en uvre un lsp optique reprsent par e a a e e une longueur donde pour remplacer ce lsp traditionnel entre les deux ler de loprateur 2. e La deuxi`me extension, gmpls pour Generalized-mpls [Man04, KR05], va encore plus loin e puisquelle autorise des lsp dune autre nature fonds sur le multiplexage temporel (tdm pour e Time Division Multiplexing, Avec le multiplexage temporel un lsp peut tre reprsent par un slot e e e temporel sur une certaine longueur donde. Ces ex-tentions ncessitent une volution de tous les protocoles composant mpls, en particulier e e les protocoles de signalisation et de distribution de label. La gure 2.4 rsume la hirarchie des dirents types de lsp prvus par gmpls : type paquet, e e e e type tdm, type longueur donde et type bre.

2.2

Architecture des pop dun oprateur e

Les rseaux des fournisseurs dacc`s sont en gnral composs de plusieurs pop interconnects e e e e e e par des liens ` tr`s haut dbit, comme reprsent par la gure 2.5. Chaque point de prsence a e e e e e

20

CHAPITRE 2. LES RESEAUX IP/WDM

est constitu de plusieurs routeurs proches gographiquement. Le cur du rseau du founisseur e e e relie les dirents points de prsence. Chaque point de prsence fournit par le biais de routeurs e e e dacc`s une connexion ` des utilisateurs divers tels que des fournisseurs locaux, des entreprises, des e a serveurs web, etc. Les points de prsence de dirents fournisseurs sont en gnral interconnects e e e e e par des liens de peering priv ou par des points dacc`s (nap pour Network Access Point). Les e e liens de peering priv sont des connexions entre deux fournisseurs exclusivement alors que les nap e interconnectent plusieurs oprateurs prsents sur un mme site gographique. e e e e
clients

serveur ISP local rseau dentreprise e

POP POP POP rseau de coeur ISP 1 e POP

POP

POP

rseau de coeur ISP 2 e

Fig. 2.5 Architecture dun rseau de fournisseur dacc`s compos de plusieurs pop interconnects e e e e par un rseau ` tr`s haut dbit. e a e e

serveur

routeur dacc`s e
routeur routeur

routeur de coeur
routeur

autre ISP

routeur

routeur

routeur

autre ISP

routeur

routeur de coeur

routeur de coeur

routeur de coeur
routeur

rseau de coeur e

Fig. 2.6 Architecture dun point de prsence compos de routeurs dacc`s et de routeurs de cur. e e e En rsum, larchitecture gnrale dun point de prsence peut tre reprsente par une structure e e e e e e e e

2.3. MODELISATION DES RESEAUX IP/WDM

21

hirarchique ` deux niveaux comme indiqu sur la gure 2.6. Au niveau infrieur, les utilisateurs e a e e sont connects au point de prsence par des routeurs dacc`s eux-mmes connects au cur du e e e e e rseau via des routeurs de cur, le rseau de cur permettant linterconnexion avec les autres e e points de prsence. e

2.3

Modlisation des Rseaux ip/wdm e e

En gnral les rseaux sont modliss par des graphes, les nuds et les connexions, ou liens, du e e e e e rseaux sont reprsents par les sommets et les artes dun graphe. Cependant les rseaux ip/wdm e e e e e comportent des connexions de niveaux hirarchiques dirents du fait de lempilement des labels et e e de lencapsulation des longueurs donde dans des bandes ou des bres. Un tel rseau ne sera donc e pas modlis par un seul graphe mais par lempilement de plusieurs graphes chacun reprsentant e e e un niveau du rseau. e

2.3.1

Rseaux multiniveaux e

Un rseau ip/wdm peut se dcomposer en plusieurs rseaux empils correspondant aux niveaux e e e e hirarchiques des lsp. La gure 2.7 illustre un domaine mpls travers par cinq lsp de mme niveau e e e interconnectant quatre autres domaines. Les lsp sont reprsents par des `ches parall`les aux e e e e bres optiques1 connectant les lsr et ler du domaine E sur lesquelles ils sont routs. Le sous e rseau ne poss`de que deux niveaux, le niveau des bres optiques et le niveau des lsp. e e Chacun de ces niveaux peut tre reprsent par un graphe indpendamment de lautre. Pour le e e e e niveau bre la modlisation est immdiate, chaque lsr ou ler correspond ` un sommet du graphe, e e a et deux sommets du graphe sont adjacents si et seulement si une bre connecte les deux lsr/ler associs. Le domaine E de la gure 2.7 donne alors le niveau bre de la gure 2.8. e De la mme faon le niveau lsp de la gure 2.8 est obtenu en associant ` chaque lsr/ler e c a du domaine E de la gure 2.7 un sommet et en ajoutant un arc dun sommet vers un autre sils correspondent respectivement au dpart et ` larrive dun lsp. Les sommets des deux graphes e a e reprsentent les mmes lsr/ler ce qui permet de les superposer. e e Cette reprsentation du rseau par plusieurs graphes empils se gnralise trivialement ` des e e e e e a rseaux comportant un nombre quelconque de niveaux de lsp. Avec cette reprsentation du rseau e e e les routes empruntes par les lsp dun niveau sur le niveau immdiatement au dessous nappae e raissent pas. Cependant pour dcrire certains probl`mes doptimisation qui se posent dans les e e rseaux multiniveaux la modlisation en graphes empils est particuli`rement adapte. e e e e e

2.3.2

Rseaux ` deux niveaux e a

Les rseaux que nous considrons ne comportent que deux niveaux, cest-`-dire un rseau que e e a e nous appellerons physique sur lequel est rout un autre rseau que nous appellerons virtuel. e e Ces rseaux peuvent reprsenter dirents types de liens, des cbles, des bres, des longueurs e e e a donde ou plus gnralement des lsp, tant que lempilement des niveaux est cohrent par rapport ` e e e a la hirarchie prvue par gmpls. Par exemple un rseau dont le niveau virtuel reprsente des bres e e e e alors que le niveau physique reprsente des longueurs donde est ` exclure car ce sont les longueurs e a dondes qui sont agrges dans des bres et non le contraire. e e
Dans cet exemple nous parlons de bres optiques et de lsp pour viter toute confusion entre les niveaux, il serait e cependant plus gnral de ne parler que de niveaux de lsp, tant donn quavec gmpls les bres peuvent elles-mmes e e e e e tre considres comme des lsp (section 2.1.5.5). e e e
1

22

CHAPITRE 2. LES RESEAUX IP/WDM


Domaine B Domaine A 341 1 2

LER

LER

LSR

Domaine D
LSR

LER LER

5 2 4

Domaine E 35
fibre optique LSP

Domaine C

Fig. 2.7 Rseau ` deux niveaux. e a Nous modlisons ce rseau par deux graphes reprsentant chacun un niveau. Suivant le probl`me e e e e tudi, ils pourront tre orients (Chapitre 3) ou non (Chapitre 4), tre munis de capacits et/ou e e e e e e de cots sur les artes (ou arcs). Bien que dans mpls ltablissement dun lsp ne saccompagne u e e pas de rservation physique de capacit, lorsque du trac circule sur un lsp il faut quune capacit e e e susante soit disponible pour son coulement. Cest pour cela quon parlera dans cette th`se de e e capacit de lsp. On ne sintresse pas en eet ` laspect protocolaire du routage mais au calcul de e e a chemins sur lesquels la rservation de capacit sera possible. e e Dans les probl`mes qui sont tudis dans ces rseaux, des requtes de bande passante ` rserver e e e e e a e ou de trac ` couler sur le niveau virtuel doivent tre satisfaites. Un graphe, en gnral orient, perae e e e e met de reprsenter les requtes comme un troisi`me niveau de rseau empil sur les deux prcdents. e e e e e e e Lorigine dun arc de ce graphe correspond ` un nud par lequel une certaine quantit de trac a e entre dans le rseau, ce trac doit en ressortir au nud correspondant ` la pointe de larc. A chaque e a arc est associe une valeur exprimant la quantit de trac, ou la taille, qui reprsente le volume de e e e donnes ` acheminer de la source ` la destination de la requte correspondante. Lunit de la taille e a a e e dune requte est en gnral une unit de dbit (Ko/s, Mo/s etc). e e e e e Les requtes entre les nuds du rseau peuvent tre des ux de paquets ip ` acheminer, des e e e a longueurs donde ` rserver ou des lsp ` router sur un niveau hirarchique de lsp infrieur, suivant a e a e e a ` quel niveau se place ltude. Pour un oprateur louant de la bande passante ` des oprateurs e e a e concurrents cest en terme de longueur donde que sexprime la demande, alors que pour un fournisseur dacc`s ` Internet, la demande de trac ` couler provient directement de particuliers et e a ae pourra sexprimer en ux de paquets de dbit infrieur ` la longueur donde. e e a Enn, les requtes sont toujours routes sur le niveau virtuel, cest-`-dire le niveau le plus proche e e a

2.3. MODELISATION DES RESEAUX IP/WDM


LPS 1

23
b

a f
niveau LSP

e
LSP 4 LSP 3

LSP 2

LSP 5

a f
niveau fibre

b e

Fig. 2.8 Reprsentation dun rseau ` deux niveaux par deux graphes superposs. e e a e des utilisateurs, quels que soient ces utilisateurs (oprateurs, particuliers etc). e

2.3.3

Modlisation des ux e

Dans les rseaux ip/wdm, deux types de ux doivent tre considrs : les ux ip constitus de e e ee e paquets indpendants et les ux agrgs au sein de lsp, longueurs donde, bre etc. Ces deux sortes e e e de ux prsentent des caractristiques tr`s direntes et ne peuvent pas se modliser de la mme e e e e e e faon. c

Flux de paquets Deux proprits du trac ip permettent de le modliser par un ot fractionee e naire, cest-`-dire un ot de taille requise pouvant tre rout sur plusieurs chemins distincts chacun a e e portant seulement une partie du ot. Dune part les paquets ip dun mme expditeur vers un mme e e e destinataire peuvent tre achemins sur des routes direntes suivant lalgorithme de routage et e e e ltat du rseau. Dautre part la taille dun paquet ip tant ngligeable par rapport au trac total e e e e circulant sur le rseau, aux dbits possibles des lsp, des longueurs donde ou des bres, le trac ip e e peut tre considr continu et non pas la somme de quantits discr`tes. e ee e e

Flux agrgs Les ux agrgs sont reprsents par des chemins, les lsp, dans les rseaux ip/wdm. e e e e e e e Tous les paquets circulant via un lsp reoivent le mme label et sont transports sur la mme route c e e e physique. Bien que dans mpls ltablissement dun lsp ne saccompagne pas de rservation de e e capacit, lorsque du trac arrive sur un lsp il faut quune capacit susante soit disponible sur e e le rseau physique pour son coulement. Dans cette th`se tant donn que lon sintressera ` la e e e e e e a planication de lsp et non pas aux aspects protocolaires, on sautorisera ` parler de taille de lsp a ou de capacit de lsp suivant sil reprsente une requte du probl`me ou un des niveaux du rseau. e e e e e Il appara donc naturel de modliser un lsp ou un ux agrg par un ot monorout, cest-`-dire t e e e e a un ot indivisible de taille ou capacit donne circulant sur un unique chemin dans le rseau. e e e Suivant le mod`le de ot les contraintes des probl`mes tudis sont direntes et ces probl`mes e e e e e e peuvent tre NP-diciles ou polynomiaux. e

24

CHAPITRE 2. LES RESEAUX IP/WDM

2.3.4

Modlisation dun pop e

Pour les probl`mes de surveillance du trac evoqus en introduction, nous navons pas bee e soin de considrer laspect multiniveaux des pop puisque ces probl`mes concernent linstallation e e dquipements physiques sur les routeurs, seul le niveau physique est ` prendre en compte. Un pop e a est donc modlis par un graphe non orient dont les sommets reprsentent les routeurs du pop e e e e tandis que les artes reprsentent les cbles physiques interconnectant les routeurs au sein du pop. e e a

2.4

Tolrance aux pannes dans les rseaux multiniveaux e e

Certains services proposs par les oprateurs de tlcommunication ncessitent une disponibilit e e ee e e permanente du rseau. Or en pratique des pannes surviennent rguli`rement et sur nimporte quelle e e e couche. Cest grce aux mcanismes de protection et de restauration que les services ne sont pas a e interrompus. Dans les rseaux multiniveaux actuels, chaque niveau dispose de son propre mcanisme de e e protection. Or lorsque la protection est planie indpendamment pour chaque couche, elle ine e duit souvent une baisse des performances du rseau suite ` une rservation de bande passante de e a e protection dsorganise (redondances etc). Parfois mme les mcanismes de protection sont dans e e e e lincapacit de rtablir le trac [LT02, CB00, DY01]. e e Cest pourquoi depuis quelques annes des mcanismes de protection unis o` les dirents e e e u e niveaux coop`rent sont tudis [ZD02, DGA+ 99], notamment avec gmpls. e e e Les stratgies de protection classiques des rseaux ` un seul niveau sont toujours employes e e a e dans les rseaux multiniveaux pour trouver des routes de secours. Cependant la protection dans ces e rseaux ncessite la dnition prcise du rle de chaque niveau et leurs interactions dans la prise e e e e o en charge dune panne ainsi que la gestion des ressources de secours dont chacun peut disposer.

2.4.1

Les pannes

Une panne peut survenir sur tout lment ayant une existence matrielle dans le rseau. Il ee e e peut sagir dun cble contenant plusieurs bres coup par erreur lors de travaux sur une route, a e dun metteur dune certaine longueur donde dfaillant, dun routeur dans un btiment incendi e e a e ou encore dun composant lectronique ncessaire ` lencapsulation des paquets ip dans un lsp. e e a Certaines pannes sont dues ` des oprations planies de maintenance du rseau. Des mesures a e e e + 04, ICM+ 02] faites sur le rseau ip de Sprint ont montr que ces interruptions planies [MIB e e e reprsentaient 20% des pannes et que parmi les pannes non planies 30% aectent des ressources e e (cble, routeur etc) qui provoquent lindisponibilit de plusieurs liens simultanment. Les 70% de a e e pannes restantes naectent quun seul lien ` la fois. a Ainsi les pannes peuvent se produire ` nimporte quel niveau du rseau, aussi bien au niveau a e des bres optiques qu` celui des longueurs dondes et des lsp, et aussi bien sur les liens que sur les a nuds. Avec la modlisation des rseaux par une superposition de graphes, une panne se traduit e e par la disparition dun nud ou dune arte sur nimporte lequel de ces graphes. e

2.4.2

Mcanismes de survie classiques e

Deux faons opposes mais complmentaires daborder une panne coexistent dans les rseaux c e e e a ` un seul niveau : la restauration et la protection. Chacune peut tre utilise pour rtablir le trac e e e en cas de panne ` un niveau donn dans un rseau multiniveaux. Les niveaux concerns par les a e e e

2.4. TOLERANCE AUX PANNES DANS LES RESEAUX MULTINIVEAUX


Stratgies de Protection et Restauration e Protection
Routes pr-calcules statiquement e e pour chaque cas de panne possible

25

Restauration
Routes dcouvertes dynamiquement e lorsquune panne se produit

Ddie e e
ressources de protection rserves e e pour un unique cas de panne

Partage e
ressources de protection rserves e e pour plusieurs cas de pannes

par Arte e
contournement de larte en panne e

par Chemin
remplacement du chemin aect par la panne e

par Arte e
contournement de larte en panne e

par Chemin

par Arte e

par Chemin
remplacement du chemin aect par la panne e

remplacement du chemin contournement de aect par la panne e larte en panne e

Fig. 2.9 Une classication des modes de protection et restauration [RM99a]. mcanismes suivant sont les niveaux virtuels et le niveau physique, au niveau ip le routage volue e e en fonction de la topologie du rseau et prend ainsi en compte implicitement les pannes. e 2.4.2.1 Restauration

La restauration consiste ` rerouter dynamiquement des connexions lorsquune panne survient a sur le rseau. On doit alors calculer, au moment de la panne, un nouveau routage ` partir des e a ressources disponibles. On parle dalgorithmes online puisquils ne rpondent pas ` un probl`me e a e statique ou connu ` lavance. Dans la suite de cette th`se nous ne traitons pas le probl`me de la a e e restauration, mais celui de la protection. De nombreux articles traitent de la restauration comme [RM99b]. 2.4.2.2 Protection

Le principe de la protection est de prvoir ` lavance tous les cas de pannes pouvant survenir e a sur le rseau an de mettre en place des solutions de secours assurant la continuit du trac. Il e e sagit par exemple de proposer des chemins de protection sur lesquelles pourra tre achemine une e e requte lorsque son chemin principal, celui sur lequel elle est route par dfaut quand il fonctionne, e e e est aect par une panne. e Les premiers travaux portant sur la protection se plaaient dans le cadre de rseaux ` un seul c e a niveau et faisaient en gnral lhypoth`se dune unique panne de lien. Plusieurs modes de protection e e e ont t envisags, une classication en est donne en particulier dans [RM99a] reproduite par la ee e e gure 2.9, une version plus dtaille est prsente dans [MM00]. e e e e Protection par reroutage global Le reroutage global consiste ` prvoir un routage admissible a e pour chaque cas de panne possible. Pour chaque routage, une certaine capacit est ncessaire sur e e un cble du rseau. Pour assurer le routage de lensemble des requtes quelle que soit la panne qui a e e se produise, la capacit qui doit tre disponible sur chaque lien du rseau est la capacit maximum e e e e utilise sur ce lien parmi tous les cas de pannes possibles. e Linconvnient direct dune telle politique de protection vient du fait quentre ltat sans panne e e et un tat de panne donn, aucune garantie nest donne quant ` lemplacement des routes princie e e a pales et des changements ` oprer. Dans le pire des cas, toutes les routes principales sont ` modier, a e a provoquant un impact dordre technique dans la conguration des nuds et un dlai pouvant tre e e

26
B C E

CHAPITRE 2. LES RESEAUX IP/WDM


B C E

A D

A D

Fig. 2.10 Protection 1 : 1 dune requte AE e pour la panne du cble AB. a

Fig. 2.11 Protection 1 : 1 dune requte AE e pour la panne du cble CE. a

important avant la mise en place des chemins de protection. Le passage dun routage ` un autre a dans un rseau a t tudi dans [CPPS05] dun point de vu algorithmique. e eee e Protection par arte ou par chemin La protection par arte consiste ` dterminer et rserver e e a e e un chemin contournant chaque arte du graphe reprsentant le rseau, ainsi lorsque la panne se e e e produit sur une arte donne le trac utilise le chemin qui la contourne. La protection par chemin e e consiste ` prvoir pour chaque requte deux chemins, un chemin principal utilis quand le rseau a e e e e ne subit aucune panne, et un chemin de protection (backup) qui nest utilis que lorsque le chemin e principal est aect par une panne. En gnral la protection par chemin est prfre car elle utilise e e e eee beaucoup moins de capacit que la protection par artes mme si son dlai de mise en place est e e e e plus long [IMG98]. En eet, une fois la panne dtecte par un nud, il diuse cette information et e e les nuds extrmits dun chemin principal doivent la recevoir avant de pouvoir activer le chemin e e de secours. Plus le chemin est long plus il faut de temps pour que linformation leur arrive. Il existe plusieurs variantes de la protection par chemin visant ` rduire le dlai de mise en place a e e du chemin de secours. Avec la protection local to egress [SR06] en cas de panne, le chemin principal est utilis jusquau nud prcdent la panne et le chemin de secours est calcul entre ce nud et e e e e la destination du chemin. Le dlai est rduit puisque cest le mme nud qui dtecte la panne et e e e e commute sur le chemin de protection. La protection par segment [XXQ03a] consiste ` dcouper le a e chemin principal en plusieurs segments et ` protger chaque segment par un segment de secours, a e indpendamment les uns des autres. Lorsquune panne aecte un segment, linformation doit tre e e transmise au nud origine du segment qui commute alors sur le segment de protection, et rduit e ainsi le dlai de mise en place de la solution de secours. e Protections ddies et partages Les protections ddies et partages ne ncessitent pas un e e e e e e e reroutage total en cas de panne. Il sagit au contraire de ne rerouter que les chemins principaux touchs par la panne sur des chemins de secours. La protection ddie ncessite dallouer un chemin e e e e ` de secours qui ne peut tre rutilis dans un autre contexte. A linverse, la protection partage e e e e permet dutiliser une mme ressource pour deux chemins de secours ou plus qui ne pourraient tre e e activs en mme temps. Notons que le reroutage global fait partie de la protection partage, tout le e e e rseau est partag. Dautre part, les protections par chemin et par artes se dclinent en protection e e e e ddie chemin et protection partage. e e e Il existe deux faons de mettre en uvre la protection ddie. La protection 1 + 1 consiste c e e a ` envoyer la mme information sur deux chemins disjoints, le chemin principal et le chemin de e protection, en mme temps. Au niveau du nud de destination, le signal est reu en double, e c garantissant la rception dau moins un signal en cas de panne. La protection 1 : 1 ddie rserve e e e e un chemin de secours pour chaque chemin principal. En cas de panne, le chemin de secours est activ mais le signal nest jamais reu en double ` destination. e c a Dans le cas de la protection partage on parle aussi de protection 1 : 1. Dans ce cas, les chemins e

2.4. TOLERANCE AUX PANNES DANS LES RESEAUX MULTINIVEAUX


B C E

27

A D

Fig. 2.12 Protection 2 : 2 dune requte AE de taille 2 e

de secours peuvent partager des ressources entre eux comme illustr par les gures 2.10 et 2.11 o` e u lon prot`ge le chemin (A, B, C, E) pour deux cas de pannes possibles. Pour ces pannes, on utilise e le mme chemin de secours, (A, D, E), qui est dit partag. e e Plus gnralement, pour plus de exibilit, on utilise la protection M : N . Pour une mme e e e e requte, M chemins principaux sont protgs par N chemins de secours. Les N chemins de secours e e e peuvent partager des ressources avec dautres chemins de secours, pour la mme requte ou pour e e une requte dirente, qui ne peuvent sactiver pour la mme panne. La gure 2.12 montre le e e e cas dune protection du type 2 : 2. Les chemins principaux, en pointills, sont protgs par les e e e chemins en pointills discontinus. On note alors que sur le cble AF, on peut partager la capacit e a e de protection puisque les chemins principaux ne peuvent tomber en panne en mme temps. e Notons enn que pour les protections 1 : 1 et M : N , les ressources rserves pour les chemins e e de protection ne sont pas utilises. En pratique, les oprateurs font circuler sur ces canaux des ux e e non prioritaires. Ces ux peuvent tre interrompus et remplacs par des ux de protection, le temps e e que la situation revienne ` la normale. a Les protections ddies sont tr`s coteuses en terme de ressources puisque pour chaque connexion e e e u deux chemins sont rservs. La protection partage permet de rduire nettement les ressources e e e e ncessaires, cest pourquoi elle est tr`s tudie. Une variante de la protection partage est la proe e e e e tection Demand-wise Shared Protection ou dsp qui consiste ` diviser la bande passante requise par a une connexion sur plusieurs chemins en sorte que quelle que soit la panne qui survienne, elle naecte quun certain pourcentage maximum de la bande passante utilise par la connexion [HJK+ 06]. Cette e mthode permet de rduire encore les besoins en ressources par rapport ` la protection partage e e a e classique. Protection par chemin dpendante ou indpendante de la panne La protection indpendante e e e de la panne ne prvoit quun seul chemin de secours pour chaque requte qui doit permettre le ree e routage de la requte quelle que soit la panne se produisant sur le chemin. Les deux chemins, e principal et protection, doivent donc tre disjoints [LTS05]. e Pour la protection dpendante de la panne, le chemin de protection sur lequel sera commute la e e requte en cas de panne dpend de larte qui tombe en panne. Ainsi le chemin de protection pour e e e la panne de larte i peut utiliser toutes les artes encore en fonctionnement du chemin principal, e e sauf larte i et il peut y avoir autant de chemins de protection pour une mme requte que de liens e e e dans son chemin principal. Notons quen thorie les protections dpendante et indpendante de la panne peuvent tre soit e e e e ddies soit partages bien que la protection ddie dpendante de la panne induise une rservation e e e e e e e de capacit potentiellement tr`s suprieure ` la protection ddie indpendante de la panne, et ne e e e a e e e prsente donc que peu dintrt. e ee

28

CHAPITRE 2. LES RESEAUX IP/WDM

Protection direncie La protection direncie consiste ` donner des priorits aux types de e e e e a e ux circulant dans le rseau. Plus un ux poss`de une priorit leve plus il est important quil ne e e ee e soit pas interrompu en cas de panne. Des chemins de secours doivent tre prvus et des ressources e e susantes doivent tre rserves pour continuer ` acheminer les ux de priorit maximum quoi e e e a e quil se produise dans le rseau. Par exemple les ux correspondant ` des oprations chirurgicales ` e a e a distance ou des visio-confrences ont des priorits maximum. Les ux de priorit minimum sont des e e e ux qui ne ncessitent pas dtre protgs en cas de panne comme par exemple les ux correspondant e e e e au transfert de courriers lectroniques. e Protection pour pannes multiples Comme le sugg`rent les rsultats de [MIB+ 04] il arrive que e e plusieurs pannes indpendantes se produisent en mme temps. En gnral les travaux portant sur e e e e ce sujet se limitent ` deux pannes simultanes. Des stratgies de protection ont ts proposes aussi a e e ee e bien pour le niveau wdm [CSC02, SP03, CSC04, GDK+ 06, PG06] que pour le niveau ip [CHGL05]. La stratgie de [CHGL05] consiste ` dcomposer dune mani`re particuli`re le rseau en plusieurs e a e e e e rseaux connexes ouvrant chacun tous les nuds. Les routes ip doivent tre calcules dans ces e e e rseaux, ainsi lorsque plusieurs pannes se produisent sur des lments (nuds ou liens) du mme e ee e rseau il sut dutiliser les routes fournies par les autres rseaux pour assurer la connectivit. e e e Au niveau optique, un mode particulier de protection est la protection par des p-cycles. Le graphe est dcompos en cycles de mani`re ` ce quune arte appartienne ` un cycle ou soit une e e e a e a corde dun cycle. Lorsquune arte tombe en panne, les longueurs donde aectes sont commutes e e e sur la section en fonctionnement du cycle de protection de larte indisponible [GDK+ 06, PG06, e KSG04, Mau03, SGA02, GS98]. Comparaison des modes de protection pour un seul niveau A partir des principes de protection prcdents, de nombreux algorithmes ont ts proposs et compars entre eux ou ` des e e ee e e a mthodes de rsolution bases sur la programmation linaire (en nombre entier) pour dterminer e e e e e les plus ecaces [EBR+ 03]. De mme, les dirents modes de protection (et de restauration) ont e e t compars [XM02] suivant des crit`res dutilisation des ressources [DW94] ou de dlai de mise ee e e e en service des chemins de secours comme dans [RM99a] et [RM99b], ou encore du point de vu de crit`res de disponibilit du rseau [HJK+ 06]. Cependant cette th`se ne concerne pas ces aspects e e e e de la tolrance aux pannes mais certains probl`mes spciques qui apparaissent dans les rseaux e e e e multiniveaux.

2.4.3

Particularits des rseaux multiniveaux e e

Plusieurs questions qui ne se posaient pas dans le cadre des rseaux ` un seul niveau sont e a incontournables dans le cas des rseaux multiniveaux. Ces questions concernent le rle de chacun e o des niveaux dans la prise en charge des pannes ainsi que dans la gestion des ressources mais galement les proprits de la topologie de chaque niveau du rseau. e ee e 2.4.3.1 Niveau de traitement dune panne

Lorsque le rseau est compos de plusieurs niveaux et quune panne survient sur lun deux il e e existe plusieurs faons denvisager la protection indpendamment des stratgies classiques voques c e e e e prcdemment en section 2.4.2. e e Il est gnralement admit que chaque niveau du rseau doit tre pourvu dun mcanisme de e e e e e protection qui peut tre bas sur les stratgies classiques. Si seul un niveau poss`de un mcanisme e e e e e de protection, le rseau ne sera que rarement en mesure de supporter ecacement des pannes e

2.4. TOLERANCE AUX PANNES DANS LES RESEAUX MULTINIVEAUX

29

[DGA+ 99]. Cependant si chaque niveau poss`de un mcanisme de protection, il est ncessaire de e e e dterminer ` quel niveau et comment doit tre prise en charge une panne donne. Plusieurs stratgies e a e e e sont rsumes dans [DGA+ 99, TH01]. e e Recovery at the lowest layer La protection est assure au niveau le plus proche de lorigine e de la panne, si possible dans le niveau de la panne. Le routage est simple car le trac est agrg ` e ea un niveau de granularit proche de celui de la panne. Le nombre de connexions ` rerouter est donc e a dun ordre de grandeur grable par le niveau qui met en uvre la solution de secours. Cependant e si la protection est dclenche ` un niveau trop infrieur au niveau de la panne, des connexions e e a e non aectes par la panne risquent dtre reroutes galement. Ceci induit une mauvaise utilisation e e e e des ressources du rseau. Par exemple si une panne de longueur donde est protge au niveau des e e e bres, la seule solution pour rerouter le trac qui lutilise est de rerouter toute la bre optique concerne. Il faudra donc rserver beaucoup plus de capacit que ce qui est ncessaire, cest-`-dire e e e e a une bre compl`te au lieu dune seule longueur donde. Dautre part dclencher la protection au e e bon niveau ncessite un syst`me de communication complexe entre les niveaux qui peut induire e e un certain temps dadaptation du rseau ` la survenue dune panne. En eet lorsquune panne se e a produit sur le niveau wdm, les niveaux suprieurs dtectent une panne sans savoir ` quel niveau e e a elle sest produite et risquent donc de dclencher leurs propres mcanismes de protection. e e Recovery at the highest layer La protection est assure au niveau le plus proche de lorigine e du trac, cest-`-dire au plus haut niveau. La communication entre les niveaux est rduite puisque a e cest toujours le niveau suprieur qui prend les pannes en charge. De plus, il est beaucoup plus facile e de mettre en uvre une protection spcique suivant les types de tracs et leurs degrs de priorit, e e e puisqu` ce niveau ils ne sont pas encore agrgs. Cependant protger uniquement au plus haut a e e e niveau, le niveau ip, nest pas vraiment envisageable puisquune coupure de bre optique (plusieurs Tb/s) impliquerait que tout le trac de cette bre soit gr par la couche lectronique des routeurs, ee e or ils nont pas une capacit de calcul et de stockage susante pour traiter autant de donnes e e ecacement. Dautre part lors de la phase de conception des chemins de secours, il faut sassurer que les chemins de protection nutilisent pas les mmes ressources que les chemins principaux, sinon e ils seraient tous coups par une unique panne de la ressource partage. e e Recovery at multiple layers La protection est distribue sur plusieurs niveaux, pour combiner e les avantages des deux solutions prcdentes. Lorsquaucune coordination entre les niveaux nest e e prvue, il est possible que plusieurs dentre eux mettent en uvre leur stratgie de protection e e simultanment ce qui peut conduire ` une mauvaise utilisation des ressources, ou pire ` un routage e a a instable des connexions. Les mcanismes de protection des dirents niveaux doivent donc tre e e e dclenchs squentiellement. Il existe deux faons de procder : e e e c e bottom-up : le mcanisme de protection du niveau le plus bas est dclench, sil choue ` e e e e a restaurer tout le trac, le niveau suprieur prend la rel`ve. e e top-down : le mcanisme de protection du niveau le plus haut est dclench, sil choue ` e e e e a restaurer tout le trac, le niveau infrieur prend la rel`ve. Avec cette stratgie il est plus e e e facile deectuer une protection direncie suivant le type de trac, mais comme les niveaux e e bas ne sont pas toujours en mesure de dtecter si un niveau suprieur est capable de restaurer e e le trac, une signalisation particuli`re entre les niveaux est ncessaire. e e Un niveau dtermine sil doit prendre le relais soit ` laide dune minuterie dclenche au moment de e a e e la panne, soit lorsquil en reoit le signal directement du niveau qui a chou, soit enn lorsquun c e e

30

CHAPITRE 2. LES RESEAUX IP/WDM

mcanisme de contrle unique pour tous les niveaux le lui indique, dans lhypoth`se o` un tel e o e u + 06] cette stratgie est la plus prometteuse. mcanisme existe. Selon [SPD e e 2.4.3.2 Utilisation des ressources

Comme dans le cas ` un niveau, la prise en charge des pannes dans un rseau multiniveaux a e ne peut se faire que sil reste dans le rseau des ressources disponibles pour mettre en uvre les e stratgies de protection choisies. e Lorsque chaque couche dispose dun mcanisme de protection propre, lutilisation de la capacit e e du rseau peut tre mauvaise indpendamment du mode de dcision du niveau de traitement des e e e e pannes et de la stratgie de protection. Supposons quun niveau suprieur A rserve une capacit e e e e cA pour sa propre protection ` un niveau infrieur B, ainsi quune capacit c A = cA pour le a e e fonctionnement normal du rseau. Ce niveau B fait de mme pour protger lensemble de la capacit e e e e utilise par les niveaux qui lui sont suprieurs. Il rserve donc sur un niveau encore infrieur C une e e e e capacit cB pour sa protection et une capacit c B = cB pour le cas de fonctionnement normal du e e rseau. Ainsi au niveau B, la capacit cA est rserve deux fois : une fois pour le fonctionnement e e e e e normal du rseau, c A et une fois pour la protection du niveau A, cA . Par consquent au niveau C, e la capacit utilise au niveau A est rserve quatre fois : deux fois avec c B pour le fonctionnement e e e e normal du niveau B, et deux fois avec cB pour le cas de panne. Pour liminer ce probl`me et diminuer les capacits rserves pour la protection par chaque e e e e e couche, lide de common pool of capacity dtaille dans [DGA+ 99, TH01] est de traiter diremment e e e e au niveau infrieur les capacits demandes par le niveau suprieur selon leurs fonctions. Par e e e e exemple les capacits rserves pour la protection au niveau suprieur ne sont pas protges au e e e e e e niveau infrieur. Plus gnralement cette ide consiste ` partager les capacits de protection entre e e e e a e tous les niveaux ce qui permet une meilleure utilisation des ressources. 2.4.3.3 Groupe de risque (srrg)

Sur un niveau, le principe gnral de la protection peut se rsumer ` trouver entre deux nuds e e e a deux chemins disjoints (ou plus), si lun des deux est aect par une panne, lautre est utilis. e e Il peut sagir de deux chemins protgeant une connexion de bout en bout, ou bien dun chemin e protgeant une arte, ou dun cycle etc. Lorsque le rseau comporte plusieurs niveaux, comme nous e e e lavons vu prcdemment, chaque niveau peut disposer dune stratgie de protection bases sur les e e e e mthodes classiques consistant donc ` trouver des ensembles de chemins disjoints. e a Au niveau virtuel du rseau de la gure 2.13, il existe deux chemins disjoints {A, F, E, I} et e {A, H, I} qui permettent de router la connexion {A, I} prsente au niveau des requtes. Cependant e e au niveau physique les liens {E, I} et {A, H} sont routs tous les deux sur le lien physique {F, G}, e le routage du niveau virtuel est indiqu sur le niveau physique par les courbes reliant les extrmits e e e des liens virtuels. Par consquent en cas de coupure du lien physique {F, G}, les deux liens virtuels e {E, I} et {A, H} sont indisponibles et la connexion {A, I} est interrompue. Par consquent dans un rseau multiniveaux, lorsque deux liens dun niveau virtuel semblent e e disjoints, il est possible quen ralit ils utilisent ` un niveau infrieur une ressource commune. e e a e Dans le cas o` cette ressource commune tombe en panne, les deux liens virtuels tombent en panne u simultanment. e Dans un niveau virtuel un ensemble de liens qui utilisent au niveau physique une mme ressource e (nud ou lien physique) appartiennent ` un mme groupe de risque ou srrg pour Shared Risk a e Resource Group. Tous les liens du groupe correspondant ` une ressource du niveau physique tombent a en panne en mme temps lorsque cette ressource tombe en panne [PPJ+ 01, DG02, YVJ05, DS04a]. e

2.5. CONCLUSION

31

requtes e
E

A F

B H I

niveau virtuel
E niveau physique E

A F

B H I

A F G

B H I

Fig. 2.13 Exemple de rseau multiniveaux. e

2.5

Conclusion

Ce chapitre tait consacr ` la description des rseaux de tlcommunication do` proviennent e ea e ee u les probl`mes doptimisation que nous approfondissons dans cette th`se. Ces rseaux sont constitus e e e e dune partie compose de rseaux dacc`s auxquels sont connects les utilisateurs, et dune partie e e e e de rseaux de cur interconnectant les rseaux dacc`s. Nous considrons les rseaux multiniveaux e e e e e de type ip/wdm utilisant une architecture mpls pour lesquels nous proposons une modlisation e par des graphes. La tolrance aux pannes est une qualit importante de ces rseaux. Elle peut tre e e e e mise en uvre par deux techniques complmentaires : la restauration et la protection dont nous e rappelons les principes. Nous prsentons galement les techniques de protection proposes dans la e e e littrature dans le cas des rseaux ` un seul niveau ainsi que les nouvelles questions souleves par e e a e une protection pense pour plusieurs niveaux simultanment. Parmi ces questions, les groupes de e e risque induits par lempilement des niveaux de rseau sont ` lorigine de probl`mes doptimisation e a e intressants. e

32

CHAPITRE 2. LES RESEAUX IP/WDM

Chapitre 3

Conception de rseau virtuel et e Groupage


Les probl`mes de conception de rseaux virtuels englobent tout un ensemble de probl`mes e e e doptimisation qui di`rent par les contraintes imposes, et parfois par les donnes considres. e e e ee Ltude de ces probl`mes est tr`s importante pour les oprateurs. De la qualit du rseau virtuel e e e e e e dpendent le fonctionnement et les performances du rseau et, par suite, la satisfaction des clients, e e mais aussi le cot du rseau en termes dquipements et dexploitation. Pour un oprateur, il sagit u e e e donc de mettre en place un rseau virtuel permettant de satisfaire toutes les requtes de ses clients e e avec des exigences de qualit de service et de abilit, tout en maintenant les cots faibles. e e u Dans la premi`re section de ce chapitre, nous prsentons un probl`me de conception de rseau e e e e virtuel tolrant aux pannes du niveau physique. Nous employons le mode de protection par chemin, e dpendant de la panne et partag. Chaque chemin de secours prot`ge au niveau physique un lien e e e virtuel pour un unique cas de panne. Plusieurs chemins protgeant un mme lien virtuel peuvent e e partager des ressources physiques. Par contre, des chemins de secours protgeant deux liens virtuels e distincts ne peuvent partager aucune ressource. Nous proposons une modlisation en programme e linaire mixte (milp) de ce probl`me. Nous dgageons ensuite un sous-probl`me, le groupage auquel e e e e est consacr le reste du chapitre. e Le groupage de trac (ou grooming) est le terme gnrique utilis pour le probl`me qui consiste e e e e a ` agrger des ux de faible dbit dans des ux de plus gros dbit. Dans les rseaux ip/wdm il e e e e sagit de grouper des lsp dans des lsp de niveau infrieur, ou de grouper des longueurs donde e dans des bandes ou des bres au niveau wdm. Le groupage permet ` un oprateur de simplier les a e quipements et la gestion du rseau, et par suite les cots. e e u Lobjectif que nous xons dans le probl`me de groupage particulier que nous tudions est li ` e e ea la minimisation du cot dexploitation du rseau. En considrant un chemin orient comme rseau u e e e e physique, nous poursuivons le travail de [BDPS03] qui considre lanneau. Nous verrons que cette e hypoth`se place notre probl`me de groupage dans la classe des probl`mes de conception de rseaux e e e e a ` un seul niveau. Nous proposons plusieurs approches, heuristiques, programmation linaire mixte e et en nombres entiers pour rsoudre notre probl`me. Enn, nous abordons la gnration dinstances e e e e du probl`me de groupage de grande taille dont une solution optimale est connue et qui pourraient e permettre dvaluer la qualit des solutions de nos heuristiques mme lorsque les solveurs (Cplex, e e e lpsolve) ne sont pas en mesure daboutir rapidement ` des solutions. a 33

34

CHAPITRE 3. CONCEPTION DE RESEAU VIRTUEL ET GROUPAGE

3.1

Conception dun niveau virtuel able

Les probl`mes de conception de rseaux virtuels consistent dune mani`re gnrale ` tablir e e e e e a e un ensemble de liens virtuels en donnant leurs capacits et leurs routages sur un rseau phye e sique enti`rement connu muni de cots et de capacits sur ses liens. Le rseau virtuel construit e u e e doit permettre dcouler un ensemble de requtes donn dont le routage sur le niveau virtuel fait e e e galement partie de la solution [HV06]. Les requtes peuvent par exemple appartenir au niveau ip e e ou bien reprsenter les liens dun autre niveau virtuel de la hirarchie gmpls. Des contraintes varies e e e peuvent sajouter ` ce cadre basique, par exemple des contraintes de dlai [BKP03a, BKP03b] ou a e de longueur (nombre de sauts) [GPS06] sur les routes des requtes, ou encore des contraintes de e connexit lies ` la tolrance aux pannes, etc. Deux types dobjectifs classiques consistent ` maxie e a e a miser la quantit de requtes satisfaites [KP06] ou ` minimiser le cot li ` la capacit utilise au e e a u ea e e niveau physique [BKO06]. Les probl`mes de conception de rseaux virtuels ont t tr`s tudis dans le cadre de la teche e ee e e e nologie wdm. Dans ce contexte, il sagit de trouver pour chaque requte un chemin dans le rseau e e wdm et de lui aecter une longueur donde. Suivant les hypoth`ses, un tel chemin doit utiliser une e unique longueur donde dun bout ` lautre, ou bien peut en changer au niveau des nuds capables a deectuer des conversions de longueur donde. Lobjectif le plus rpandu est la minimisation du e nombre de longueurs donde utilises. Ce probl`me connu sous le nom de Routing and Wavelength e e Assignment (rwa) a fait lobjet de nombreuses publications [DR00, SS02, NR06]. La th`se [Big06] aborde le probl`me de la conception dun niveau virtuel tolrant aux pannes e e e dans un rseau ` deux niveaux de type ip/wdm utilisant une architecture mpls. La conception e a est optimise dans un premier temps squentiellement, cest-`-dire un niveau apr`s lautre, puis e e a e en intgrant tous les niveaux en mme temps. Les outils utiliss sont bass principalement sur la e e e e programmation mixte et les techniques de branchement. Dans [MNT01, LT02, TR04b] la topologie virtuelle fait partie des donnes et le probl`me est de e e la router sur le niveau physique de sorte quelle reste connexe quelle que soit la panne survenant au niveau physique. Ce probl`me est modlis par des programmes linaires mixtes dont les objectifs e e e e sont de minimiser la capacit utilise au niveau physique. De plus, les probl`mes consistant ` raliser e e e a e la protection aux deux niveaux du rseau simultanment et ` raliser une protection dpendante e e a e e de la panne sont aussi tudis dans [LT02]. e e Enn, citons le livre [PM04] qui traite en grande partie des probl`mes de conception de rseaux e e a ` un seul niveau et des rseaux virtuels, ainsi que le livre [Som06] consacr ` la tolrance aux e e a e pannes et au groupage dans les rseaux wdm. Notons galement quen plus dexposer les principes e e des rseaux ip/wdm, le livre [Liu02] prsente des mthodes de rsolution pour des probl`mes de e e e e e conception de rseaux. e Dans cette section, nous proposons une modlisation en programme mixte du probl`me de e e conception dun niveau virtuel enti`rement protg au niveau physique. Quelle que soit la panne e e e qui se produise au niveau physique, nous imposons lexistence dun chemin de secours pour chacun des liens virtuels aects. Par consquent, la topologie virtuelle reste inchange lorsquune panne e e e survient au niveau physique. Nous utilisons le mode de protection partage par chemin dpendant de la panne. Plus prcisment, e e e e un lien virtuel est protg par plusieurs chemins de secours pouvant tre routs sur des liens phye e e e siques communs. Le chemin de secours qui est activ en cas de panne dpend du lien physique qui e e est aect. Lorsque plusieurs chemins protgeant le mme lien virtuel utilisent un mme lien phye e e e sique, au lieu que chacun rserve la capacit ncessaire ` son routage, cette capacit nest rserve e e e a e e e

3.1. CONCEPTION DUN NIVEAU VIRTUEL FIABLE

35

quune seule fois. Comme un seul de ces chemins peut tre actif ` un instant donn, il ny a pas de e a e conit sopposant ` une utilisation partage de la capacit rserve. Par contre, dans notre mod`le, a e e e e e deux chemins de secours pour deux liens virtuels distincts ne peuvent partager ainsi leurs ressources physiques. Lobjectif que nous xons est de minimiser le cot en terme de capacit requise au niveau u e physique, et aussi en terme de nombre de liens virtuels mis en place, qui est li au cot oprationnel e u e du rseau. e

3.1.1

Donnes et notations e

Les donnes du probl`me que nous souhaitons formuler sont les suivantes : e e Un graphe orient G = (V, E ) dont chaque arc a E est muni dune capacit ca 0 et e e dun cot dutilisation unitaire de la capacit a . Ce graphe reprsente le rseau physique, u e e e Un graphe orient GR = (V, ER ) dont chaque arc (s, t) est muni dune taille de requte dst e e reprsentant les requtes ` couler sur le rseau physique par lintermdiaire du rseau virtuel, e e ae e e e Un ensemble discret de capacits disponibles pour les liens du niveau virtuel C. e Le graphe GV = (V, EV ) est le graphe orient complet sur lensemble des sommets V de G et e de GR . Les capacits sur ses arcs doivent tre dtermines parmi un ensemble discret de capacits e e e e e possibles C. + (z) reprsente lensemble des arcs sortants du sommet z dans le graphe virtuel GV et (z) e V V lensemble des arcs entrants du sommet z dans ce graphe. Pour un sous ensemble de sommets S V lensemble des arcs de G sortant de S est not + (S). Le sommet origine dun arc virtuel de EV e est not Oe tandis que son sommet destination est not De . e e

3.1.2

Variables

La formulation propose est une formulation mixte, cest ` dire quelle contient des variables e a binaires ou enti`res et des variables relles. e e xst : fraction de la requte entre s et t V passant sur larc e EV , 0 xst 1 e e e
c ye = 1 si le lien virtuel e EV a la capacit c C, 0 sinon, e c zea = 1 si le lien virtuel e EV a la capacit c C et passe sur larc a E , 0 sinon, e

urc = 1 si le chemin de protection du lien virtuel e EV en cas de panne sur larc r E utilise ea larc a E avec la capacit c C, 0 sinon, e
c vea = 1 si au moins un des chemins, principal et de protection du lien virtuel e EV pour une panne quelconque, passe sur larc a E avec la capacit c C, 0 sinon, e

3.1.3

Objectif

Lobjectif est de minimiser la somme du cot dutilisation de la capacit sur le rseau physique u e e et du nombre de liens virtuels tablis : e
c ca zea + cC eEV aE cC eEV c ye

(3.1)

Un inconvnient de cet objectif est quen minimisant le nombre total de liens virtuels, on risque e dinduire, pour certaines requtes, des chemins tr`s longs en nombre de liens virtuels. En eet, e e lorsquun long chemin, qui permet le routage dune requte donne, existe dans le rseau virtuel, e e e

36

CHAPITRE 3. CONCEPTION DE RESEAU VIRTUEL ET GROUPAGE

au lieu de crer un nouveau lien virtuel, la requte est route sur le long chemin. Or les oprateurs e e e e cherchent souvent ` minimiser ce crit`re. Des tudes ont dj` ts ralises sur ce sujet en particulier a e e eae e e e dans [Cha98], [Mar00] et [Cho02]. En gnral, pour remdier ` cet inconvnient, des contraintes e e e a e supplmentaires sont imposes sur la longueur des chemins. Un autre objectif quil pourrait tre e e e intressant de prendre en compte est la minimisation de la longueur moyenne des chemins en nombre e de liens virtuels traverss. e

3.1.4

Contraintes

Le routage des requtes sur le rseau virtuel dune part et des liens virtuels sur le rseau physique e e e dautre part, est ralis de mani`re tr`s classique par des contraintes de multiot. Des contraintes e e e e supplmentaires permettent dimposer le partage des capacits ainsi que lexistence de chemins de e e protection dpendants de la panne physique. e dst xst e
stER c cye ,

e EV

(3.2)

xst e
e+ (z) V e (z) V

xst = e

cC

0 si z = s, z = t 1 si z = s 1 si z = t e EV

(s, t) ER , z V

(3.3) (3.4) (3.5) (3.6) (3.7)

c ye 1, cC c c zea ye , c zea cC a+ (S)

e EV , a E , c C
c ye ,


cC c zer ,

e EV , S V, Oe S, De S / e EV , a E , r = a E , c C

urc ea urc ea
cC a+ (S)

c zer , cC c 2vea ,

e EV , r E , S V, Oe S, De S (3.8) / e EV , a E , r = a E , c C a E , r = a E (3.9) (3.10)

urc ea

c + zea c cvea cC

ca ,

La capacit du lien virtuel e est en partie dtermine par la contrainte (3.2). En eet, la capacit e e e e de e doit tre surieure ` la somme de tous les tracs y circulant. La continuit du ot de la requte e e a e e (s, t) en chaque sommet z est assure par la contrainte (3.3). Ces deux contraintes sont classiques e dans la modlisation sommet-arc dun multiot (fractionnaire) en programme linaire. e e Le rle de la contrainte (3.4) est dempcher un lsp e EV de possder plus dune capacit c o e e e parmi les capacits disponible de C. Il peut ventuellement nen avoir aucune si ce lien virtuel nest e e pas utilis pour le routage des requtes. e e La contrainte (3.5) fait en sorte quun lien virtuel e ne puisse pas rserver une capacit c sur e e un lien physique a si la capacit de ce lien virtuel nest pas xe ` c. e e a Inversement, la contrainte (3.6) force un lien virtuel sur lequel des requtes sont routes ` e e a rserver de la capacit sur un chemin allant de son origine ` sa destination. Cette contrainte peut e e a tre remplace par la contrainte (3.11) plus courante de la formulation sommet-arc. e e La contrainte (3.7) concerne le chemin de protection du lien virtuel e en cas de panne de larc physique r. Si le chemin principal sur lequel ce lien virtuel est rout nutilise pas larc r avec une e capacit c, il ny a pas besoin de chemin de protection de capacit c pour ce cas de panne. e e

3.2. GROUPAGE

37

Lexistence dun chemin de protection entre lorigine et la destination du lien virtuel e pour chaque cas de panne dun lien r utilis par le chemin principal de e est force par la contrainte e e (3.8). Lorsquun chemin principal ou un chemin de protection pour un mme lien virtuel utilisent tous e les deux un arc a E , ces chemins qui ne seront pas actifs en mme temps nont pas besoin de e rserver chacun une capacit c sur a (contrainte (3.9)). e e Enn la contrainte (3.10) impose que la capacit rserve sur le niveau physique pour le routage e e e des liens virtuels ne soit pas suprieure ` la capacit disponible. e a e 0 si z = Oe , z = De 1 si z = Oe e EV z V (3.11) 1 si z = De 0 si z = Oe , z = De 1 si z = Oe = e EV , r E z V (3.12) 1 si z = De

c zea cC a+ (z) cC a (z)

c zea =

urc ea
cC a+ (z) cC a (z)

urc ea

3.1.5

Remarques

Dans ce mod`le seuls le chemin principal et les chemins de protection dun mme lien virtuel e e peuvent partager leur capacit sur le niveau physique. En ajoutant des variables binaires et des e contraintes supplmentaires il serait possible de modliser galement le partage de capacit entre e e e e les chemins de protection de liens virtuels dirents. De plus des contraintes de dlai (non linaires) e e e comme celles utilises dans [BKP03a, BKP03b] peuvent aussi tre ajoutes, ou des contraintes e e e limitant la longueur de la route dune requte sur le rseau virtuel. e e Cependant, le probl`me du groupage contenu dans ce probl`me de conception de rseau virtuel e e e tant dj` un probl`me dicile, nous prfrons ltudier sparment avant de lui ajouter dautres e ea e ee e e e dicults. e Le probl`me de groupage auquel nous nous intressons ncessite dune part de xer dirents e e e e lments par rapport au cas gnral, comme le rseau physique, les requtes, les tailles des liens ee e e e e virtuels quon appellera tubes, et dautre part de supprimer les contraintes de protection qui nont plus de sens sur le chemin. En outre, nos hypoth`ses permettent de classer le groupage dans les e probl`mes de dimensionnement de rseau (Network Design) sur un seul niveau. e e

3.2

Groupage

Les probl`mes de groupage font partie des probl`mes de conception de rseaux virtuels. Du e e e point de vue du groupage, router deux requtes sur un mme lien virtuel entre deux nuds revient e e a ` grouper ces deux requtes ensemble entre les deux nuds, ou de mani`re quivalente ` agrger e e e a e ces deux requtes en un ux de dbit suprieur entre les deux nuds. Au niveau physique, les e e e deux requtes sont alors routes sur le mme chemin entre ces deux nuds. Dans les probl`mes e e e e de groupage, les liens virtuels sont appels tubes [HPS02]. Cette terminologie souligne la notion de e conteneur dcrite au chapitre 2. Un lsp est bien en un sens un tube, avec deux extrmits bien e e e dnies correspondant aux ler chargs dempiler puis de dpiler le label dnissant ce lsp. Les e e e e donnes qui arrivent au ler de dpart et reoivent ce label sont ensuite achemines un peu comme e e c e dans un tube, elles ne peuvent pas tre extraites avant davoir atteint lautre extrmit du lsp. e e e

38

CHAPITRE 3. CONCEPTION DE RESEAU VIRTUEL ET GROUPAGE

La hirarchie gmpls des rseaux ip/wdm prvoit deux types de lsp, ceux bass sur un label e e e e intgr aux paquets ip, et ceux bass sur une caractristique physique comme la longueur donde e e e e utilise ou le slot temporel. Le groupage sop`re galement sur deux niveaux technologiques, le e e e niveau des paquets correspondant aux premiers lsp avec label et le niveau wdm avec la hirarchie e de conteneurs dcrite au chapitre 2. e Lintrt principal du groupage, outre le fait dutiliser au mieux les ressources du rseau (section ee e 2.1.4 chapitre 2), est de simplier considrablement le routage au niveau ip et de rduire la charge e e de travail pour les routeurs, et par consquent leur cot (section 2.1.5 chapitre 2). La capacit de e u e calcul ncessaire ` lacheminement de donnes sur un lsp est en eet infrieure ` celle requise pour e a e e a router les mmes donnes sous forme de paquets ip indpendants, les quipements peuvent donc e e e e tre moins complexes. e Au niveau optique le groupage permet galement de rduire le cot des nuds. Par exemple, e e u router huit longueurs donde ou router une bande contenant huit longueurs donde dans un rseau e nest pas quivalent en terme de cot. Pour router les longueurs donde il est ncessaire que tous les e u e adm traverss sur la route comportent une composante w-oxc ` huit entres et sorties pour pouvoir e a e traiter les huit longueurs donde entrantes. Par contre, pour router la bande de huit longueurs donde, les adm traverss ne doivent comporter quune composante b-oxc ` une entre et une e a e sortie. La complexit des adm est donc beaucoup plus grande pour router les huit longueurs donde e que la bande, et le cot des adm dpend de leurs complexits tant du point de vue technologique u e e que du point de vue du nombre dentres et sorties. e Dautre part le groupage facilite lutilisation de la protection par segment : au lieu de protger e toutes les requtes de bout en bout au niveau physique, ce sont les liens virtuels qui sont protgs. e e e Les chemins de secours sont moins longs et par consquent leur dlai de mise en place est galement e e e moins long. Il existe plusieurs faons daborder le probl`me du groupage. Parfois des contraintes de tolrance c e e aux pannes sont prises en compte [YR05]. Dans certains travaux, les requtes sont dj` routes sur e ea e le rseau physique et il faut trouver un ensemble de tubes permettant de les grouper au mieux et e de respecter les routes imposes [HPS02]. Dautres travaux au contraire consid`rent que le routage e e doit tre eectu en mme temps que le groupage, il faut alors trouver un routage permettant un e e e groupage ecace.Un tour dhorizon du groupage est donn dans [ML01] et [ZM03]. e Plusieurs crit`res doptimisation ont t tudis, comme la minimisation du nombre dadm, e ee e e qui se justie par le cot important de ces quipements indispensables aux extrmits dun tube u e e e dans un rseau wdm [DR02, BCM03b]. Cet objectif est lobjet de nombreux travaux considrant e e des topologies physiques particuli`res [HDR06] et parfois des graphes de requtes complets (come e munications All to All ) [BCCP06]. Ces cas particuliers constituent dintressants probl`mes de e e dcomposition de graphes. e Dautres ont minimis les capacits totales ou maximales utilises sur le rseau support. Lobe e e e jectif le plus tudi actuellement est la minimisation du nombre dentres et sorties utilises par e e e e chaque niveau dencapsulation. Dans [CAXQ03] par exemple, lobjectif est de minimiser le nombre total dentres et sorties sur tous les adm du rseau. e e Ici nous cherchons ` minimiser le nombre de tubes ncessaires ` lacheminement de toutes les a e a requtes, dont lune des applications pratiques est la minimisation du cot de gestion des lsp dans e u un rseau mpls. e Une telle fonction de cot avait dj` t tudie dans [BDPS03] pour un graphe support paru eaeee e ticulier, lanneau. La solution propose consistait ` couvrir le graphe des requtes par des briques e a e lmentaires connues pour router un maximum de requtes en un nombre minimum de tubes. Lobee e jet des sections suivantes est ltude du mme probl`me de groupage, mais avec un chemin comme e e e

` 3.3. PROBLEME DU GROUPAGE SUR UN CHEMIN graphe support.

39

3.3

Probl`me du groupage sur un chemin e

Apr`s avoir dni le probl`me de groupage particulier que nous tudions, nous expliquerons en e e e e quoi il peut tre considr comme un probl`me de dimensionnement de rseau ` un seul niveau. e ee e e a Nous prsenterons ensuite les rsultats de la littrature sappliquant ` notre probl`me. e e e a e

3.3.1

Dnition du probl`me e e

Notre probl`me de groupage requiert la donne de trois lments, un graphe support, un ene e ee semble de requtes et un ensemble de tubes disponibles. e Graphe support G = (V, A) Le graphe support considr est un chemin orient compos de n ee e e sommets numrots de 1 ` n, V = (1, 2, . . . , n) et des arcs A = {(i, i + 1), 1 i < n}. e e a La capacit des arcs est innie : autant de tubes que ncessaire peuvent emprunter un arc donn. e e e Requtes R Le graphe des requtes GR = (V, R) est dni sur lensemble de sommets V du e e e graphe support. Lensemble des requtes R est un ensemble de paires ordonnes de sommets de V e e de la forme (i, j), avec i < j et i, j V = {1, . . . , n}, qui constitue lensemble des arcs de GR . Les requtes sont simples et unitaires, cest-`-dire quil existe au plus une demande dans R entre e a deux sommets donns et quelle nutilise quune unit de capacit sur les arcs quelle emprunte dans e e e le graphe support. Notons que sur le chemin le routage des requtes est unique et immdiat. La route dune e e requte (s, t) est la portion du chemin support entre les sommets s et t. La taille dune requte est e e la longueur du chemin support entre s et t. Tubes disponibles T Tous les tubes de la forme i j avec i < j et i, j V = {1, . . . , n} sont autoriss en autant dexemplaires que ncessaire. Leur capacit C, ou facteur de groupage, est e e e uniforme et fait partie des donnes. Au plus C requtes peuvent donc emprunter le mme tube. e e e Le cot dutilisation dun tube est unitaire et xe, il ne dpend pas du nombre de requtes qui u e e lutilisent. En dautres termes le cot dutilisation dun ensemble de tubes est le cardinal de cet u ensemble. On peut constater que le graphe des tubes disponibles est un graphe multiple orient acircuitique e ayant une unique source, le sommet 1 et un unique puits, le sommet n. Objectif Nous souhaitons installer dun ensemble de tubes de cardinal minimum sur le graphe support constituant un groupage ralisable des demandes. e La gure 3.1 montre deux groupages dirents pour un graphe des requtes donn. Les tubes e e e installs sont reprsents par des rectangles dont les extrmits concordent avec les sommets origine e e e e e et destination de chaque tube. Par exemple, le tube 1 3 dorigine le sommet 1 et de destination le sommet 3 est reprsent dans le premier groupage par un rectangle stendant du sommet 1 au e e e sommet 3. Toutes les requtes dont la reprsentation traverse lun des rectangle est une requte e e e empruntant le tube correspondant pour ce groupage. Selon notre crit`re doptimisation, le second e groupage qui nutilise que cinq tubes est meilleur que le premier qui en utilise sept.

40

CHAPITRE 3. CONCEPTION DE RESEAU VIRTUEL ET GROUPAGE

Groupage 2

Support

Fig. 3.1 Exemple de groupage de requtes sur un chemin orient. e e

3.3.2

Le groupage sur le chemin en tant que dimensionnement de rseaux sur e un niveau

La classe des probl`mes de dimensionnement de rseaux sur un niveau englobe en particulier e e tous les probl`mes dont lobjectif est linstallation dun ensemble de liens de capacits donnes, an e e e de pouvoir couler un ensemble de requtes connu. En dautres termes, lobjectif est de trouver e e un ensemble darcs de cot minimum entre des sommets connus permettant de router toutes les u requtes en respectant les capacits de ces arcs. e e Une solution du groupage sur un chemin est dune part un ensemble de tubes, dautre part pour chaque requte la liste des tubes dans lesquels elle a t groupe. On peut donc interprter cette e ee e e solution comme un graphe virtuel se superposant au graphe support, dont les sommets sont ceux du graphe support et les arcs sont les tubes. La liste de tubes emprunts par une requte donne e e alors un routage de la demande dans ce graphe virtuel. Ainsi la recherche dun ensemble de tubes de cardinal minimum permettant le groupage de toutes les requtes appara comme un probl`me de dimensionnement de rseaux. Le graphe de e t e e cot minimum ` dterminer est le graphe virtuel des tubes. u a e Cependant, dans le cas gnral, des contraintes supplmentaires compliquent linterprtation e e e e du groupage comme un dimensionnement de rseaux ` un seul niveau. Par dnition un tube est e a e un chemin entre deux sommets du graphe support, donc sil existe p chemins dirant ne serait-ce e que dun arc, dun sommet a vers un sommet b, il existe aussi p tubes possibles dorigine a et de destination b. Or, la route suivie par une requte dans le graphe support fait partie des donnes du e e probl`me de groupage. Ainsi, pour grouper une requte passant en a puis en b dans un tube entre e e ces sommets, il est indispensable que le chemin associ ` ce tube soit aussi celui emprunt par la ea e requte entre a et b. Cest ` dire que parmi les p tubes possibles entre a et b, un seul est accessible e a

`Y`Y

% ' ) 1 3     $#$#  &%& ('( 0)0 212 434

Groupage 1

  VUVU  XWX

7 baba

Requtes e

     6565  878

     @9@9  BABA TSTS dcdc RQRQ fefe

     DCDC  FEFE     PIPI  HGHG  " " " " !!!! pipi !" hghg

Heuristique 1

` 3.3. PROBLEME DU GROUPAGE SUR UN CHEMIN

41

par cette demande, et bien sr ce nest pas ncessairement le mme pour toutes les requtes passant u e e e en a puis en b. Sur le chemin il existe une unique route, et donc un unique tube, entre deux sommets. On saranchit ainsi des contraintes de respect des routes. La littrature sur le dimensionnement de rseau ` un seul niveau est abondante du fait du e e a nombre de probl`mes dirents appartenant ` cette classe. Comme dans le cas ` deux niveaux, e e a a diverses contraintes de connexit et de tolrance aux pannes [BMN05] ou de qualit de service e e e notamment sur les dlais et la longueur des routes, ont ts tudies. Les rsolutions proposes sont e ee e e e e souvent bases sur une approche poly`drale [Bar96, Dah91, KM01]. Dautres mthodes, comme les e e e approximations ou les heuristiques [GMS95], [BMN05], ont aussi t proposes. ee e

3.3.3

Rsultats antrieurs e e

Le groupage sur le chemin est tr`s proche du groupage sur lanneau puisque seul le graphe e support di`re. Les rsultats donns dans [BDPS03] dont les dmonstrations nutilisent pas les e e e e proprits du graphe support sont donc encore valables, en particulier la complexit et les bornes ee e sur le nombre de tubes minimal ncessaire au groupage dun ensemble de requtes. e e Complexit e Thor`me 3.1 ([BDPS03]) Dcomposer un graphe en un nombre maximum de triangles se rduit e e e e au probl`me du groupage sur lanneau ou sur le chemin pour un facteur de groupage C = 2. e Corollaire 3.1 ([BDPS03]) Le probl`me du groupage sur le chemin ou sur lanneau est NPe Dicile pour un facteur de groupage C quelconque. Bornes La dmonstration des propositions suivantes repose sur le fait que les requtes sont e e simples et unitaires. Nous pouvons aussi donner une borne suprieure triviale mais atteinte. e Proposition 3.1 ([BDPS03]) Soient R lensemble de requtes, T lensemble de tubes dune soe 2|R| lution ralisable et C le facteur de groupage, alors C+1 |T | |R|. e Preuve: Considrons un ensemble de tubes T solution au probl`me de groupage. Soit |Ri | le e e nombre de requtes dont le routage utilise exactement i tubes, alors |R| = i |Ri | reprsente bien e e le nombre total de requtes. Entre deux sommets s et t il existe au plus une requte (s, t), donc e e dans un tube dextrmits s et t circule au plus une requte nempruntant quun seul tube. Par e e e consquent |T | |R1 |. De plus la somme sur toutes les requtes des tubes que chacune utilise, e e e e e i i|Ri |, vrie C|T | i i|Ri | car il y a au plus C requtes qui utilisent un tube donn. Nous pouvons rcrire ces galits et ingalits de la faon suivante : ee e e e e c |R| = R1 + R2 +
i3

Ri iRi
i3

(3.13) (3.14) (3.15)

C|T | R1 + 2R2 + |T | R1

Lquation (3.13) implique |R2 | = |R||R1 | i3 |Ri | qui, une fois remplac dans linquation e e e (3.14), donne : C|T | 2|R| |R1 | + i3 (i 2)|Ri |. Cette ingalit peut se rcrire simplement e e ee

42 C|T | + |R1 | 2|R| + (C + 1)|T | 2|R| +

CHAPITRE 3. CONCEPTION DE RESEAU VIRTUEL ET GROUPAGE


i3 (i i3 (i

2)|Ri |. Comme |T | |R1 | (inquation (3.15)), on en dduit que e e


2|R| C+1 .

2)|Ri | 2|R|, et par suite |T |

Les proprits que doit vrier toute solution pour atteindre la borne infrieure peuvent se ee e e dduire de la preuve prcdente. e e e Proposition 3.2 Une solution du groupage de lensemble des requtes R avec un facteur de groue 2|R| page C utilise un nombre de tubes gal ` la borne infrieure C+1 si et seulement si les trois conditions e a e suivantes sont vries : e e 1. tous les tubes contiennent la requte nutilisant que ce tube. e 2. tous les tubes contiennent exactement C requtes, e 3. toute requte utilise moins de deux tubes. e Preuve: La borne est atteinte si et seulement si les ingalits apparaissant dans la preuve e e de la proposition 3.1 deviennent des galits. Ceci implique que Ri = 0 pour i 3, |T | = R1 et e e C|T | = R1 + 2R2 , cest ` dire les trois conditions. a

3.4

Mthodes de rsolution pour le groupage sur le chemin e e

Dans cette section nous prsentons plusieurs mthodes de rsolution pour le probl`me du groue e e e page sur le chemin orient. Parmi ces mthodes certaines sont bases sur la programmation linaire, e e e e les autres sont des heuristiques. Nous comparons ensuite lecacit de ces mthodes. e e

3.4.1

Programmes linaires e

Comme nous lavons dit prcdemment, le probl`me de groupage peut tre vu comme un cas e e e e particulier de network design. Nous allons maintenant donner la formulation de ce probl`me ` laide e a dun programme linaire en nombres entiers. e Soit T = (V, ET ) le graphe des tubes que lon peut installer, cest ` dire un graphe complet dni sur a e les n sommets de G et orient (comme G et D). Chercher le nombre minimal de tubes ncessaires e e pour grouper toutes les requtes, cest chercher un nombre minimal darcs de T qui permettent e de faire passer le ot associ aux requtes de D. En terme de formulations, deux approches sont e e possibles. On peut soit utiliser la formulation arc-chemin (3.16), soit la formulation sommet-arc (3.17). La premi`re formulation comporte un nombre exponentiel de variables, mais elle est souvent e employe en pratique car elle permet une rsolution beaucoup plus rapide grce aux technique de e e a gnration de colonnes [CCPS98]. Nous lutiliserons pour obtenir (assez rapidement) une borne e e suprieure proche de la valeur optimale. Voici la formulation arc-chemin : e M in xa aAT s.t. st 1 (s, t) D V 2 , p pst (3.16) st C xa a AT , p (st)D pst ,p a (s, t) D, p st st {0, 1} p x N a A .
a T

3.4. METHODES DE RESOLUTION POUR LE GROUPAGE SUR LE CHEMIN Dans cette modlisation, st reprsente la quantit de ot associe ` e e e e a p sur le chemin p. st est lensemble des chemins allant du sommet s le nombre de fois o` le tube a est choisi dans la solution. Lobjectif u de tubes. La premi`re contrainte correspond au respect des requtes e e respect des capacits des tubes. e Voici maintenant la formulation sommet-arc : M in s.t.

43

la requte (s, t) qui transite e au sommet t. xa reprsente e est de minimiser le nombre et la seconde contrainte, au

xa
aAT st fa a + (u) st fa a (u) st fa

si u = v, u = t 0 1 si u = s = 1 si u = t

u V, (s, t) D V 2 (3.17) a AT (s, t) D, a AT a AT .

C xa

(st)D st fa {0, 1}

xa N

st La variable de dcision x a la mme signication que prcdemment et la variable fa reprsente e e e e e + (s) (resp. (s)) est lensemble des arcs le ot, associ ` la demande (st), qui circule sur larc a. ea sortants (resp. entrants) du sommet s. On peut noter, dans ces deux formulations, que le ot est entier. Mais cette contrainte est-elle vraiment ncessaire ? Nous avons relch cette contrainte, pour remplacer le programme en nombres e a e entiers par un programme mixte (milp), an de simplier la rsolution du probl`me. Nous nous e e sommes bass pour ce faire sur une conjecture que nous avons ainsi formule : e e

Conjecture 3.1 Dans le probl`me de groupage sur un chemin orient, le nombre de tubes minimal e e est identique, que le ot soit fractionnaire ou entier. Cette conjecture signie que le nombre de tubes minimal donn par la rsolution des programmes e e linaires en nombres entiers (3.17) et (3.16) est le mme que celui fourni par ces mmes programmes e e e dans lesquels on a relch la contrainte dintgrit sur les ots. Lintrt de cette relaxation est un a e e e ee fort gain de temps de calcul, comme nous le constaterons exprimentalement dans la section rsultat e e (section 3.4.3). Pour dmontrer cette conjecture, nous avons essay de montrer qu` partir dune solution frace e a tionnaire, une permutation des ots sur des chemins ayant une mme origine et destination permet e de rendre ces ots entiers. Mais, comme le montre lexemple suivant, il nest pas toujours possible de permuter des ots rels pour les rendre entiers avec un ensemble de tubes minimum pour la e formulation relche du probl`me. a e e Considrons le graphe des requtes reprsent dans la gure 3.2(a) et un coecient de groupage e e e e gal ` 2. Le graphe des tubes constitu dun tube par requte, except pour les requtes (1, 11) e a e e e e et (2, 12), est une solution optimale du probl`me de groupage de ces requtes pour la formulation e e relche. La gure 3.2(b) montre comment les requtes (1, 11) et (2, 12) peuvent tre routes dans a e e e e les tubes de cette solution. Pour chacune de ces deux requtes, le ot est spar en deux quantits e e e e gales sur deux chemins distincts. En considrant ce graphe des tubes, le routage des requtes ne e e e peut pas tre entier. En eet, si la requte (1, 11) est route sur le chemin (1, 3, 4, 5, 8, 9, 10, 11) e e e et la requte (2, 12) sur le chemin (2, 6, 7, 9, 10, 12), la quantit de ot passant sur le tube entre e e

44

CHAPITRE 3. CONCEPTION DE RESEAU VIRTUEL ET GROUPAGE

2 1 3 4 5

7 9 8 10

11 12

(a) Graphe des requtes e

2 1 3 4 5

7 9 8 10

11 12

(b) Graphe des ots fractionnaires

2 1 3 4 5

7 9 8 10

11 12

(c) Graphe des ots entiers

Fig. 3.2 Ensemble de tubes dirents entre une solution enti`re et une solution relle e e e

les sommets 9 et 10 dpasse la capacit de ce tube. Dans dautres congurations, cela pourra tre e e e la contrainte associe au tube entre 3 et 4 qui sera viole. En eet, quels que soient les chemins e e considrs pour router de mani`re enti`re les requtes (1, 11) et (2, 12) (dans le graphe des tubes), ee e e e ces chemins ont au moins un tube commun, or tous les tubes contiennent dj` une requte, il reste ea e donc de la place pour une seule requte dans chaque tube. Pourtant, si lon remplace les tubes 2 6 e et 7 11 par les tubes 1 11 et 2 12, on ne modie pas le nombre de tubes total, mais on a bien une solution avec des ots entiers (cf. g. 3.2(c)). Cet exemple ne prouve pas que notre conjecture est fausse. Il indique simplement que si les nombres de tubes optimaux fournis par les programmes en variables enti`res et par les programmes e en variables mixtes sont gaux, les ensembles de tubes ne sont pas ncessairement identiques. e e Notons que pour tester la qualit de mthodes de rsolution, conna e e e tre le nombre de tubes optimal est susant et le programme en variables mixtes peut tre utilis. Par contre, pour trouver e e des ensembles de tubes optimaux, il est ncessaire dutiliser lun des programmes en variables e enti`res. e

3.4.2

Heuristiques

Nous proposons deux heuristiques gloutonnes pour le probl`me du groupage sur le chemin. Le e principe de la premi`re heuristique est dinstaller toujours les tubes les plus courts possibles, lide e e sous-jacente tant que plus un tube est court, plus il y a de requtes qui pourront ventuellement e e e

3.4. METHODES DE RESOLUTION POUR LE GROUPAGE SUR LE CHEMIN

45

lutiliser. Lide de la seconde heuristique est dinstaller des tubes pleins les plus longs possibles. e Pour cela les requtes longues sont dcomposes en une succession de requtes plus courtes existant e e e e dans le graphe des requtes, jusqu` obtenir C requtes identiques pour former un tube. e a e Heuristique 1 Dans un premier temps, les requtes sont classes dans lordre croissant de leurs e e tailles, puis de leurs positions. Avec le graphe de requtes de la gure 3.3, les requtes de taille un, e e (1, 2), (3, 4) et (5, 6), sont classes avant les requtes de taille deux, (1, 3) et (3, 5). Parmi les requtes e e e de taille un, la requte (1, 2) est classe avant la requte (3, 4) car son origine 1 est infrieure ` 3. e e e e a

Fig. 3.3 Un graphe de requtes. e Les requtes sont ensuite traites une par une dans lordre. Sil existe une route pour une requte e e e (i, j) donne dans le graphe des tubes dj` choisis, cette route est xe pour la requte (i, j), et les e ea e e capacits restantes dans les tubes installs sont mises ` jour. Lorsquil ny a pas de route pour une e e a requte, le tube le plus court possible permettant la cration dune route est install et la requte e e e e peut alors tre route. e e Le choix du tube ` ajouter ncessite le calcul de deux chemins dans le graphe des tubes dj` a e ea installs GT : e 1. le plus long chemin p1 dans GT partant de i et dont lautre extrmit est positionne avant e e e le sommet j : p1 = (i, ..., k). 2. le plus long chemin p2 dans GT partant dun sommet k compris entre i et j et dont lautre extrmit est j : p2 = (k , ..., j). e e Notons que dans un graphe orient acircuitique comme le graphe des tubes choisis, trouver un plus e long chemin est polynomial. Le tube ` installer est dtermin suivant ces chemins de la mani`re a e e e suivante (gure 3.4) : 1. Si k = i et k = j, le tube i j est cr (gure 3.4(a)). ee 2. Si k = i et k < j, le tube i k est cr (gure 3.4(b)). ee 3. Si k > i et k = j, le tube k j est cr (gure 3.4(c)). ee 4. Si k > i et k < j et k < k , le tube k k est cr (gure 3.4(d)). ee 5. Si k > i et k < j et k > k , le plus petit (en termes de tailles) des deux tubes i k et k j est cr (gure 3.4(e)). ee Le tube cr, quel quil soit, a une capacit de C et permet de router la requte courante. ee e e Exemple Avec lheuristique 1, les requtes de taille 1 du graphe de la gure 3.5 sont classes e e dans lordre ((1, 2), (3, 4), (5, 6)). Initialement aucun tube nest install, par consquent un tube est e e cr pour chacune de ces requtes de taille 1. Pour un facteur de groupage C = 2, il reste la place ee e de router une autre requte dans chacun de ces tubes. Ensuite les requtes de taille 2 sont traites, e e e la requte (1, 3) avant la requte (3, 5). Les tubes existants ne susent pas ` router ces requtes, il e e a e faut donc en installer dautres. Pour la requte (1, 3) il y a deux possibilits, soit installer le tube e e 1 3 soit installer le tube 2 3. Comme 2 3 est le plus court, cest celui-ci qui est choisi par



 

 

46

CHAPITRE 3. CONCEPTION DE RESEAU VIRTUEL ET GROUPAGE

k=i

k =j

k=i

k =j

(a)

(b)

(c)

(d)

(e)

Fig. 3.4 Illustration du choix du tube ` ajouter pour crer un chemin a e

Heuristique 1 1: Classer les requtes par ordre croissant (taille puis position) dans une liste L e 2: Initialiser le graphe des tubes GT = (V, ) 3: tant que L = faire 4: (i, j) Premier(L) 5: L L\(i, j) 6: si il existe un plus court chemin (nombre min. darcs) de i ` j dans GT alors a 7: routage de la requte (i, j) sur ce chemin e 8: mise ` jour des capacits des tubes sur ce chemin a e 9: sinon 10: cration dans GT du plus petit tube ncessaire pour router (i, j) e e 11: routage de (i, j) sur le chemin cr ee 12: mise ` jour des capacits des tubes sur ce chemin a e 13: n si 14: n tant que

lheuristique 1. Ainsi la requte (1, 3) est route dans les tubes 1 2 puis 2 3. De la mme faon, e e e c le tube 4 5 est install et la requte (3, 5) utilise les tubes 3 4 et 4 5. Enn lheuristique 1 e e installe le tube 1 4 puisque cest lunique tube dont lajout permet de router la requte (1, 4). e Pour router la requte (3, 6), comme il reste une place dans les tubes 4 5 et 5 6, il sut dajouter e le tube 3 4 ce qui donne la solution en sept tubes reprsente par la gure 3.5. e e En pratique cette heuristique donne de bons rsultats, mais une requte peut emprunter beaue e coup de petits tubes, comme la requte (3, 6) dans lexemple qui emprunte les trois tubes 34, 45 e et 5 6. Or dans un rseau de tlcommunication rel, le respect de la qualit de service impose e ee e e souvent un nombre de sauts maximum pour une route. Le principe de la deuxi`me heuristique e permet de remdier ` cet inconvnient. e a e



3.4. METHODES DE RESOLUTION POUR LE GROUPAGE SUR LE CHEMIN

47

Requtes e

Groupage 1

Fig. 3.5 Exemple de groupage avec lheuristique 1 pour C = 2

Heuristique 2 Dans la seconde heuristique, les requtes sont classes par ordre dcroissant de e e e leurs tailles. Lide de cette heuristique est de regrouper une longue requte (i, j) avec une succession e e de requtes plus courtes formant un chemin entre i et j dans le graphe des requtes et dajouter e e un tube entre deux sommets lorsque C requtes ont pu tre regroupes ou quaucun regroupement e e e supplmentaire nest possible. Pour trouver les requtes avec lesquelles regrouper (i, j) il sut de e e calculer un chemin entre i et j dans le graphe des requtes priv des requtes de taille suprieure ou e e e e gale ` celle de (i, j). An de minimiser le nombre de sauts dans le groupage de chaque requte, le e a e chemin recherch est un plus court chemin en nombre de tubes traverss. Dans lexemple 3.6 avec e e C = 2, le chemin ((1, 3), (3, 4)) est la seule succession de tubes entre les sommets 1 et 4 permettant de transporter la requte (1, 4). Entre 1 et 3 les requtes (1, 3) et (1, 4) sont donc regroupes : le e e e tube 1 3 est ajout puisque 2 = C requtes ont ts regroupes ; de mme pour 3 4. Si pour e e ee e e

Requtes e

Groupage 2

Fig. 3.6 Exemple de groupage avec lheuristique 2 pour C = 2 une requte il nexiste pas de chemin dans le graphe des requtes plus courtes, lheuristique 2 la e e dcompose en deux requtes telles quil existe un chemin, le plus long possible en nombre darcs du e e graphe support travers, pour lune des deux seulement. e Supposons que la requte (2, 6) existe dans lexemple 3.6. Il ny a pas de chemin entre 2 et e 6 mais il en existe au moins un entre 3 et 6 ((3, 6) ou ((3, 5), (5, 6)) et aussi entre 5 et 6. Deux dcompositions sont possibles, soit ((2, 3), (3, 6)) car il existe au moins un chemin de 3 ` 6 et aucun e a de 2 ` 3, soit ((2, 5), (5, 6)). Lheuristique choisit la premi`re car la requte (3, 6) issue de cette a e e dcomposition est plus longue que (5, 6). e Lorsquune requte est groupe avec dautres plus courtes sur un chemin, elle est supprime e e e

('('


 0)0)



  &%&% $#$#


  "!"! $#$#

  "!"!


  ('(' &%&%

Heuristique 1



Heuristique 1
6

48

CHAPITRE 3. CONCEPTION DE RESEAU VIRTUEL ET GROUPAGE

Heuristique 2 1: classer les requtes par taille dcroissante dans une liste L e e 2: initialiser GT 3: tant que L = faire 4: (i, j) Premier(L) 5: L L\(i, j) 6: R R\(i, j) 7: calcul du plus court chemin (de capacit susante) p de i ` j dans GR = (V, R) e a 8: si il nexiste pas de chemin p alors 9: Soit r la plus petite requte ncessaire pour obtenir p e e 10: si r = (i, j) alors 11: T T {i j} 12: aller ` 2 a 13: sinon 14: val(r) = 0 15: LL+r 16: RR+r 17: n si 18: n si{Le chemin p existe dornavant.} e 19: pour tout d p faire 20: val(d) val(d) + val(i, j) 21: si val(d) = C alors 22: cration du tube associ ` d e ea 23: R R\d 24: L L\d 25: n si 26: n pour 27: n tant que

3.5. BRIQUES DE RECOUVREMENT

49

du graphe des requtes et dcoupe pour donner des copies des requtes avec lesquelles elle est e e e e groupe. Par exemple la requte (1, 4) est dcoupe en une requte (1, 3) et une requte (3, 4). e e e e e e Ces deux nouvelles requtes doivent alors tre ajoutes au graphe des requtes. Pour simplier e e e e limplmentation de cette heuristique nous avons choisi dindiquer lexistence de plusieurs requtes e e de mmes extrmits i et j non pas par des arcs multiples, mais par une unique requte de poids e e e e val(i, j) gal au nombre de requtes groupes entre i et j (Algorithme 2). e e e Lheuristique 2 donne la solution en 5 tubes prsente ` la gure 3.6. Cette heuristique est e e a dtaille par lalgorithme 2 o` GR = (V, R) reprsente le graphe des requtes, GT = (V, T ) le e e u e e graphe des tubes. Notons que pour un coecient de groupage gal ` deux, la deuxi`me heuristique revient ` e a e a essayer de crer des triangles. e

3.4.3

Rsultats e

Nous avons compar les mthodes de rsolution voques prcdemment, les heuristiques (H1, e e e e e e e H2), les programmes en nombres entiers sommet-arc (nai, programme 3.17) et arc-chemin (api) et le programme mixte sommet-arc (naf). Pour la formulation arc-chemin api nous navons gnr e ee quun ensemble restreint de chemins (variables du programme) par requte, le nombre de tubes e fourni par le solveur Ilog Cplex est donc une borne suprieure. e Nous avons eectu des tests pour dirents facteurs de groupage sur des graphes de requtes e e e complets, i.e. la demande (i, j) existe pour tous sommets i, j du graphe support tels que i < j. Les graphiques suivants prsentent le nombre de tubes obtenu par les direntes mthodes ainsi e e e que les temps de calcul associs en millisecondes pour des facteurs de groupage C = 2 (Figure 3.7), e C = 4 (Figure 3.8) et C = 8 (Figure 3.9). Notons que la conjecture 3.1 est vrie pour ces exemples, les valeurs obtenues par les proe e grammes nai et naf sont identiques. Par contre, pour certains cas le calcul est plus rapide avec les variables de ots enti`res quavec les variables de ots relles. Cependant la dirence nest pas e e e signicative et ne remet pas en cause lintrt de la relaxation naf. Elle sav`re tr`s intressante ee e e e en particulier pour un graphe ` dix sommets et un facteur de groupage C = 2 puisque le temps a de calcul passe de plus de 8h30 pour nai ` un peu plus de 55 minutes pour la relaxation naf. Ces a rsultats montrent aussi que les heuristiques sont satisfaisantes car elles fournissent tr`s rapidement e e des solutions proches de loptimal.

3.5

Briques de recouvrement

Les deux proprits 3.1 et 3.2 ont permis aux auteurs de [BDPS03] denvisager une approche du ee probl`me du groupage base sur la thorie des designs [LR97]. Cette approche consiste ` recouvrir e e e a le graphe des requtes par des graphes de requtes dont un groupage optimal atteignant la borne e e infrieure est connu, ou plus simplement des briques. Contrairement ` [BDPS03] nous navons pas e a cherch ` recouvrir les graphes de requtes pour les grouper. Notre objectif est dobtenir des graphes ea e de requtes dont un groupage optimal est connu an de tester les heuristiques sur des instances du e probl`me de grande taille pour lesquelles les solveurs ne sont plus capables de fournir de solutions e optimales aux programmes linaires en temps raisonnables. e

3.5.1

Principe du recouvrement par des briques

Le principe du recouvrement consiste ` dplacer le probl`me du groupage vers un probl`me de a e e e couverture du graphe des requtes par un ou plusieurs sous graphes particuliers. e

50

CHAPITRE 3. CONCEPTION DE RESEAU VIRTUEL ET GROUPAGE

c=2
35

c=2
2800

30

H1 H2 API NAF NAI

2400

H1 H2 API NAF NAI

25

Temps de calcul (en ms)

Nombre de tubes

2000

20

1600

15

1200

10

800

400

0
3 4 5 6 7 8 9 10

0
3 4 5 6 7 8 9 10

Nombre de sommets

Nombre de sommets

(a) Nombres de tubes obtenus pour C = 2.

(b) Dures des calculs pour C = 2. e

Fig. 3.7 Rsultats pour un facteur de groupage C = 2. e

c=4
H1 H2 API NAF NAI
3600

c=4
H1 H2 API NAF NAI

25

3200

2800

20

Temps de calcul (en ms)

Nombre de tubes

2400

15

2000

1600

10

1200

800

5
400

0
3 4 5 6 7 8 9 10

0
3 4 5 6 7 8 9 10

Nombre de sommets

Nombre de sommets

(a) Nombres de tubes obtenus pour C = 4.

(b) Dures des calculs pour C = 4. e

Fig. 3.8 Rsultats pour un facteur de groupage C = 4. e

3.5. BRIQUES DE RECOUVREMENT


c=8
20

51
c=8
7000

Temps de calcul (en ms)

15

H1 H2 API NAF NAI

6000

H1 H2 API NAF NAI

Nombre de tubes

5000

10

4000

3000

2000

1000

0
3 4 5 6 7 8 9 10

0
3 4 5 6 7 8 9 10

Nombre de sommets

Nombre de sommets

(a) Nombres de tubes obtenus pour C = 8.

(b) Dures des calculs pour C = 8. e

Fig. 3.9 Rsultats pour un facteur de groupage C = 8. e Supposons quun groupage soit connu pour un graphe de requte B . Alors sil est possible de e partitionner les arcs dun graphe de requte G donn en sous graphes isomorphes ` B , un groupage e e a . Il sut de grouper chaque sous des requtes de G peut tre dduit du groupage connu pour B e e e ensemble de requtes de la partition suivant le groupage connu pour B et de considrer lunion e e des ensembles de tubes ainsi choisis sur les sous ensembles de la partition. Pour un facteur de groupage gal ` 2 et en faisant abstraction des orientations des requtes, le e a e triangle constitue un graphe de groupage optimal connu simple comme illustr ` la gure 3.10(b) ea [BDPS03]. En eet le groupage reprsent par cette gure rpond ` toutes les conditions de la e e e a proposition 3.2. Chacun des deux tubes contient exactement C = 2 requtes dont une nutilisant e que ce tube et toutes les requtes utilisent au plus deux tubes. Par consquent ce groupage atteint e e 2|R| e la borne infrieure de C+1 = 23 = 2 ce qui signie quil est optimal pour cet ensemble de requtes. e 3 Cependant un groupage peut tre optimal mme si la borne infrieure nest pas atteinte. Il faut e e e donc faire la dirence entre un groupage optimal, cest ` dire qui utilise un nombre minimum e a de tubes, et un groupage parfait qui est optimal et atteint la borne infrieure de la proposition e 3.1. Par dnition, le nombre de requtes |R| et le nombre de tubes |T | doivent vrier la relation e e e 2|R| a e |T | = C+1 , cest-`-dire |R| = |T |(C+1) , pour quun groupage parfait de ces requtes puisse exister. 2 Dans la suite un graphe dont un groupage parfait est connu sera appel une brique de recouvrement. e Une brique de recouvrement lmentaire est alors une brique qui ne peut pas tre dcompose en ee e e e briques comportant moins de requtes. e La gure 3.10(c) prsente la dcomposition du graphe de requte de la gure 3.10(a) en triangles e e e qui sont donc des briques lmentaires pour un facteur de groupage C = 2. Le groupage obtenu ee par cette dcomposition en deux triangles comporte 4 tubes comme le montre la gure 3.10(d), ce e qui correspond ` la borne infrieure pour ce graphe de requte C+1 = 26 = 4. a e e 2|R| 3 Dune mani`re gnrale, le groupage obtenu par la dcomposition exacte dun graphe de requte e e e e e en briques de recouvrement est aussi parfait puisquil vrie les trois conditions de la proposition e 3.2. En eet chaque tube dun tel groupage est aussi un tube dun groupage parfait. Par consquent, e il est emprunt par exactement C requtes dont une qui nemprunte que ce tube. De plus aucune e e requte nemprunte plus de deux tubes sinon le groupage de la brique ` laquelle elle appartient e a dans la dcomposition ne serait pas parfait. e Tous les graphes de requtes ne se dcomposent pas en briques lmentaires. Une preuve en e e ee

52

CHAPITRE 3. CONCEPTION DE RESEAU VIRTUEL ET GROUPAGE

5
(b) Graphe de groupage optimal connu B : le triangle

(a) Graphe de requte G e

(c) Dcomposition du graphe G en deux e triangles B

(d) Groupage optimal de G

Fig. 3.10 Exemple de dcomposition dun graphe de requtes en sous graphes de groupage optimal e e connu pour un facteur de groupage C = 2. est que tous les graphes ne se dcomposent pas en triangle qui est lunique brique lmentaire e ee existante pour un facteur de groupage gal ` deux [BDPS03]. Toutefois, la dcomposition en un e a e nombre maximum de briques lmentaires permet dobtenir dexcellents groupages, ou mme des ee e groupages optimaux. Notre objectif ntait pas dtablir des heuristiques dcomposant un graphe de requtes en e e e e briques lmentaires comme lavaient fait les auteurs de [BDPS03] pour un facteur de groupage ee C = 2 sur lanneau. Il semble exister un tr`s grand nombre de briques lmentaires pour les facteurs e ee de groupage suprieurs ` deux. Cependant la composition de ces briques entre elles reprsente une e a e source innie de graphes de requtes de toutes tailles dont nous connaissons une solution optimale e puisquelle atteint la borne infrieure. e Ces graphes de requtes peuvent permettre de tester les performances des heuristiques dtailles e e e a ` la section 3.4.2, ou dautres mthodes sur des instances du probl`me pour lesquelles les techniques e e de programmation linaire ne fournissent pas de solutions. Pour ces instances, trouver une solution e optimale rel`ve de limpossible. En particulier nous pourrons exprimenter ces heuristiques pour e e des facteurs de groupage du mme ordre de grandeur que dans les rseaux rels, qui ncessitent un e e e e tr`s grand nombre de requtes. Cependant, ces graphes ayant une proprit particuli`re, les tests e e ee e risquent de ne pas reter exactement le comportement des mthodes de rsolution sur des graphes e e e de requtes vraiment quelconques. Pour limiter cet eet, il est possible dajouter un ensemble de e requtes dont le groupage optimal est connu mais nest pas parfait ` un ensemble de requtes de e a e grande taille et dont le groupage est parfait.

3.5.2

Construction de briques

La recherche de briques repose enti`rement sur la proposition 3.2. Etant donn que nous ne e e souhaitons pas utiliser ces briques comme dans [BDPS03] pour tablir un algorithme de groupage e par recouvrement par des briques lmentaires, nous ne cherchons pas spcialement ` construire ee e a des briques lmentaires, mais au contraire des briques de plus grande taille possible. ee

3.5. BRIQUES DE RECOUVREMENT 3.5.2.1 Voisins

53

Chaque tube devant contenir C requtes dont une nempruntant que ce tube, un tube t doit e donc partager une requte avec exactement C 1 autres tubes. Pour pouvoir faire ce partage, les e extrmits du tube t doivent concorder avec les extrmits des C 1 tubes. De plus, pour que la e e e e requte puisse passer dun tube ` lautre, elle doit utiliser lune des extrmits concordantes des e a e e deux tubes comme sortie dun tube et lautre comme entre dans le second tube. Donc deux tubes e ne peuvent pas partager de requtes si leur deux entres ou leur deux sorties concordent, puisque e e les requtes et les tubes sont orients tous dans le mme sens. e e e En eet si les entres de deux tubes concordent comme pour les tubes 1-2 et 1-3 de la gure e 3.11(a), pour partager une requte, cette requte doit ncessairement tre oriente dans le sens e e e e e inverse du chemin comme la requte (2,3). Or dans le probl`me de groupage tudi ici, les requtes e e e e e sont toutes orientes dans le sens du chemin. Dautre part si ce sont les deux sorties qui concordent, e alors mme si la requte (3,4) de la gure 3.11(a) est oriente convenablement, elle doit traverser e e e le tube 4-5 dans le sens inverse du chemin, ce qui ne vrie pas les contraintes du probl`me tudi. e e e e Deux tubes dont la sortie de lun et lentre de lautre concordent seront dans la suite des tubes e voisins. Un tube t doit donc avoir C 1 tubes voisins pour faire parti dun groupage parfait. La gure 3.11(b) prsente des exemples de tubes voisins, comme les tubes 1-3 et 3-5 ou 1-3 et 3-4 etc. e

sortie requte e

entre requte e e
(a) Les extrmits des tubes 1-2 et 1-3 concordent, e e ils ne peuvent cependant pas partager de requte, de e mme pour les tubes 3-5 et 4-5. e (b) Les tubes 2-3 et 3-4 sont voisins, mais pas 2-3 et 1-3 ni 3-4 et 3-5.

Fig. 3.11 Deux tubes ne peuvent partager une requte que sils sont voisins. e Pour un tube il existe plusieurs faons de rpartir ses voisins. Ils peuvent tre voisins soit du ct c e e oe de lentre du tube, soit de sa sortie. Il peut y avoir de 0 ` C 1 tubes voisins du ct de lentre du e a oe e tubes, ce qui fait C rpartitions possibles pour des tubes ayant un facteur de groupage C. Notons e que pour un facteur de groupage C = 2 il existe deux rpartitions qui induisent toutes les deux un e triangle pour graphe de requtes. Cest pour cela que le triangle est la seule brique lmentaire. La e ee gure 3.12 prsente les rpartitions des voisins possibles pour un facteur de groupage C = 4. e e 3.5.2.2 Requtes simples e

Dans la construction dun graphe de requtes admettant un groupage parfait, il faut faire ate tention ` ne pas utiliser plusieurs fois la mme requte car nous ne considrons que des requtes a e e e e simples (et unitaires). Sur la gure 3.13(a) tous les tubes poss`dent bien C 1 = 2 voisins. Cee pendant la requte (1,3) est utilise quatre fois et les requtes (1,2) et (2,3) deux fois chacune. Le e e e groupage ne peut donc pas tre parfait avec cet agencement de tubes puisquil ncessiterait des e e requtes multiples. Pour remdier ` ce probl`me il sut en fait de dcaler les entres et sorties des e e a e e e tubes en ajoutant des sommets an de garantir que deux suites dun ou deux tubes naient jamais leurs deux extrmits communes comme sur la gure 3.13(b). En particulier un groupage parfait e e

54

CHAPITRE 3. CONCEPTION DE RESEAU VIRTUEL ET GROUPAGE

(a) Les 3 voisins ct entre. oe e

(b) 2 voisins ct entre, un ct sortie. o e e oe

(c) Les 3 voisins ct sortie. oe

(d) 2 voisins ct sortie, un ct entre. o e o e e

Fig. 3.12 Les 4 rpartitions des voisins dun tube appartenant ` un groupage parfait pour un e a facteur de groupage C = 4. ne peut pas contenir deux tubes identiques, cest ` dire qui ont les deux mmes extrmits. a e e e

(a) Pour C = 3 chaque tube poss`de susamment e de voisins, mais le graphe de requte induit comporte e ncessairement des requtes multiples. e e

(b) En dcalant les extrmits des tubes ont obtient e e e une brique pour C = 3.

Fig. 3.13 Probl`me de requtes multiples et solution. e e La gure 3.14 donne deux exemples de briques pour un facteur de groupage C = 4. Toute une famille de brique, les toiles peuvent tre obtenus itrativement ` partir de de la brique de la e e e a gure 3.14(a). Il sut dajouter des paires de tubes de plus en plus grands ainsi que les requtes e ncessaires ` leurs remplissages, et de modier le groupage des requtes initiales comme pour la e a e brique de la gure 3.14(b). 3.5.2.3 Combinaisons

A partir des remarques prcdentes, pour construire un graphe de requtes possdant un groue e e e page parfait il sut de combiner des sous graphes de requtes soit possdant dj` un groupage e e ea parfait, soit ncessitant le partage dun ou plusieurs tubes. Par exemple le sous graphe A encadr e e sur la gure 3.15 ne poss`de pas de groupage parfait, mais peut partager des tubes avec un autre e sous graphe de requtes. Ainsi ` partir dun graphe ayant un groupage parfait, en supprimant ou e a en coupant en deux un tube, et en le combinant avec un autre graphe, on peut facilement obtenir un graphe de taille suprieure. e

3.6. CONCLUSION

55

(a) Brique pour C = 4.

(b) Brique pour C = 4.

Fig. 3.14 Les toiles constituent des briques pour C = 4. Lensemble de requtes de la gure e e 3.14(a) nest pas inclus dans celui de la gure 3.14(b).

Fig. 3.15 Combinaison de tubes pour C = 4

3.6

Conclusion

Les probl`mes de conception de rseaux virtuels et de groupage sont dune mani`re gnrale e e e e e des probl`mes diciles et complexes aux formulations en programme linaire lourdes. Malgr les e e e hypoth`ses restrictives que nous avons considres le groupage sur le chemin reste dicile. Nous e ee avons toutefois propos des heuristiques ecaces en temps de calcul et produisant des solutions e dassez bonne qualit par rapport aux performances des techniques bases sur la programmation e e linaire. Cependant, les tests eectus ne concernent que des instances du probl`me de petites e e e tailles et des tests supplmentaires sur des instances de tailles suprieures sont ncessaires pour e e e conrmer ces premiers rsultats. Dapr`s nos observations, nous conjecturons quil est possible de e e relcher certaines contraintes dintgrit dans nos formulations en programmes linaires. Grce ` ces a e e e a a formulations relches, nous pourrions acclrer le calcul du nombre de tubes optimal. Malgr cela, a e ee e les temps de calcul pour les instances de grande taille restent relativement longs. Lautomatisation de la construction de graphes de requtes possdant un groupage parfait est par consquent une e e e tape ` franchir avant la ralisation de tests supplmentaires. e a e e

56

CHAPITRE 3. CONCEPTION DE RESEAU VIRTUEL ET GROUPAGE

Chapitre 4

Tolrance aux pannes et Graphes e colors e


La conception de rseaux multiniveaux tolrants aux pannes nest pas un probl`me facile ` e e e a rsoudre du fait de contraintes complexes. De plus, le trac volue sans cesse et il nest pas raliste e e e de modier la topologie virtuelle dun rseau multiniveaux d`s que de nouvelles requtes arrivent e e e et encore moins de roptimiser le rseau ` chaque fois. Un nouveau travail de conception et doptie e a misation nintervient que lorsque la situation devient critique et que le rseau nest plus exploitable e convenablement. Ainsi entre deux phases de roptimisation, pour router et protger de nouvelles e e connexions, un oprateur est amen ` utiliser au mieux les ressources disponibles suivant un rseau e ea e virtuel non optimal x. e Certains probl`mes de connexit lis aux groupes de risques (srrg) doivent tre vits pour e e e e e e garantir que les connexions supporteront les pannes survenant sur le rseau. Notamment, il est ese sentiel que les chemins de protection dune connexion nutilisent pas les mmes ressources physiques e que le chemin principal, cest ` dire quils nappartiennent pas aux mmes groupes de risque. Une a e panne survenant sur une ressource partage par tous ces chemins mettrait n ` la connexion. e a Pour un oprateur lenjeu conomique est crucial, et les consquences dinterruptions de connexions e e e peuvent tre dramatiques lorsquelles se traduisent par le non respect de contrats et des ddommagement e e nanciers importants. Savoir utiliser un rseau non optimal est donc aussi important que de savoir e concevoir un rseau optimal. e Ainsi lobjectif de ce chapitre est ltude de lutilisation dun rseau multiniveaux soumis ` e e a des pannes ` travers des probl`mes doptimisation relatifs ` la connexit et ` la vulnrabilit du a e a e a e e rseau. Nous formulons ces probl`mes grce ` une nouvelle modlisation des rseaux multiniveaux, e e a a e e les graphes colors. e Nous prsentons cette modlisation en section 4.1 o` nous dnirons les graphes colors ainsi que e e u e e les probl`mes doptimisation et de dcision lis ` la tolrance aux pannes que nous avons tudis. e e e a e e e La section 4.2 est consacre ` la complexit de ces probl`mes qui gnralisent des probl`mes clase a e e e e e siques. Nous verrons que les probl`mes colors ont des proprits tr`s direntes de leurs quivalents e e ee e e e de thorie des graphes classique et qui semblent dpendre dun param`tre du graphe color, le span e e e e des couleurs. Suivant la valeur du span des couleurs dun graphe, certains probl`mes sont polynoe miaux alors quils deviennent NP-diciles et non approximables mme lorsque le span maximum e est born par une constante. e Nous proposerons ` la section suivante des formulations en milp pour certains probl`mes colors. a e e Le temps de rsolution de ces programme est lui aussi li aux spans. e e Enn, ` la lumi`re des rsultats sur la complexit et linapproximabilit des probl`mes colors, a e e e e e e 57

58

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES

nous reviendrons en section 4.4 sur une tape importante de la modlisation dun rseau multinie e e veaux en graphe color. e

4.1

Modlisation des Rseaux et srrg : Graphes Colors e e e

Le but de la modlisation en graphe color est de reprsenter un rseau multiniveaux de mani`re e e e e e compacte, en ne gardant que les informations importantes : la topologie virtuelle et les groupes de risques auxquels appartiennent les connexions virtuelles. Dans une optique de tolrance aux pannes, e la connaissance prcise du routage de ces connexions sur le niveau physique napporte pas dlments e ee utiles. Cette modlisation permet donc de simplier la reprsentation des rseaux multiniveaux, et par e e e suite de dnir simplement les probl`mes doptimisation dans ces rseaux. e e e

4.1.1

Graphes Colors e

Dans un rseau multiniveaux tel que nous lavons dcrit ` la section 2.3.2 du chapitre 2 (page e e a 21), les requtes sont routes et ventuellement protges sur le niveau virtuel. Ce rseau virtuel e e e e e e se reprsente par un graphe que nous supposerons ici non orient dont les sommets correspondent e e aux routeurs du niveau virtuel et les artes aux connexions virtuelles (lsp). Par hypoth`se le e e routage des lsp sur le niveau physique est connu et donc lensemble des ressources physiques utilises par chaque lsp est galement connu. Pour reprsenter lappartenance des connexions ` un e e e a groupe de risque, chaque ressource du niveau physique est associe ` une couleur1 . Lensemble de e a couleur correspondant aux risques auxquels une connexion virtuelle est soumise est aect ` larte ea e reprsentant cette connexion dans le graphe. e La gure 4.1 illustre la reprsentation dun rseau multiniveaux par un graphe muni de couleurs. e e Le routage du niveau virtuel sur le niveau physique du rseau de la gure 4.1(a) est indiqu au e e niveau physique par les courbes reliant les nuds extrmits de chaque connexion virtuelle. La e e connaissance de ce routage permet de reprsenter ce rseau multiniveaux par le graphe de la gure e e 4.1(b). Il ny a pas dintrt ` garder dans le graphe les sommets qui ne sont pas ` lextrmit dau ee a a e e moins une connexion virtuelle car ils ne sont pas atteignables, cest pourquoi seuls les sommets A,E, F , H et I apparaissent dans le graphe de la gure 4.1(b). Au niveau physique du rseau e 4.1(a), des couleurs (c1 , c2 , . . . c6 ) sont associes ` chaque lien, par exemple le lien physique {F, G} e a est associ ` la couleur c3 . Chacune des connexions virtuelles correspond ` une arte du graphe et ea a e est associe ` un ensemble de couleurs. Par exemple, les connexions virtuelles {A, H} et {E, I} sont e a routes sur le lien {F, G}, dans le graphe elles portent donc la couleur c3 qui symbolise le fait que e ces deux connexions tombent en pannes toutes les deux lorsque le lien physique {F, G} est coup. e La connexion virtuelle {A, H} emprunte aussi les liens physiques {A, F } et {G, H}, cest pourquoi larte correspondante dans le graphe porte aussi les couleurs c2 et c5 . e Le graphe obtenu ainsi ` partir du rseau multiniveaux entre dans le cadre de la dnition 4.1 a e e dun rseau multicolor qui prend en compte la topologie des connexions du niveau virtuel, ainsi e e que les groupes de risques auxquels appartiennent ces connexions. Dnition 4.1 (Rseau multicolor) Un rseau multicolor R = (VR , ER , C) est un graphe e e e e e (VR , ER ) non orient, ventuellement multiple, muni dun ensemble de couleurs C et dont chaque e e arte est associe ` un sous-ensemble non vide de couleur. e e a
1

Les couleurs ne sont au fond que des tiquettes. e

4.1. MODELISATION DES RESEAUX ET SRRG : GRAPHES COLORES

59

requtes e
E

A F

B H I

A
D

c2 c3 c5

niveau virtuel
E niveau physique E

A F

B H I

c2
F

c6 c1 c3 c4
I

c2
F

c5

C H

c1
E

c1

c3 G c6 c4

I
(b) Graphe reprsentant le e rseau 4.1(a) e

(a) Exemple de rseau multiniveaux e

Fig. 4.1 Un rseau multiniveaux et sa reprsentation par un graphe muni de couleurs. e e Grce ` cette modlisation Farag [Far06] tudie la vulnrabilit des rseaux multiniveaux ` a a e o e e e e a travers les notions de coupe et de plus court chemin dans un rseau multicolor. Cependant nous e e navons pas travaill directement sur ce mod`le qui de notre point de vue manque de prcision. e e e En eet cette dnition permet plusieurs interprtations des couleurs, et donc des risques de e e panne. Un lien qui porte plusieurs couleurs est-il coup lorsquune seule des couleurs est indisponible e ou lorsque toutes les couleurs sont indisponibles simultanment ? En terme de graphe, doit on e considrer que pour connecter les deux extrmits dune arte donne il faut utiliser son ensemble e e e e e complet de couleurs associ ou bien utiliser une seule couleur sut ? Cette double interprtation e e nous a conduit ` la dnition suivante des graphes colors qui l`ve lincertitude en imposant quune a e e e arte nait quune et une seule couleur. e Dnition 4.2 (Graphe color) Un graphe color est un triplet G = (V, E, C) o` (V, E) est un e e e u graphe non orient, ventuellement multiple, et C est une partition de lensemble dartes E. e e e Un graphe color pondr est un graphe color dont chaque couleur c C poss`de un poids e e e e e wc 0. Dans un graphe color, un sommet est adjacent ` une couleur lorsquil est adjacent ` au moins une e a a arte de cette couleur. Le degr color dun sommet est alors le nombre de couleurs qui lui sont e e e adjacentes. La restriction des graphes colors aux couleurs partitionnant les artes nest pas une restrice e tion sur les rseaux modliss par de tels graphes. Deux simples transformations permettent de e e e transformer tout rseau multicolor en graphe color (Figure 4.2). La transformation et consiste ` e e e a remplacer chaque arte multicolore dun rseau par un chemin contenant une arte par couleur de e e e e larte multicolore (Figure 4.2(b)). Avec cette transformation, un chemin empruntant une arte e e e du rseau utilise toutes les couleurs quelle porte. La transformation ou consiste ` remplacer une e a arte du rseau par autant dartes monocolores parall`les que ncessaire pour que chacune porte e e e e e e une couleur de larte remplace (Figure 4.2(d)). Un chemin dans le rseau empruntant cette arte e e e e nutilise quune seule des couleurs quelle porte. Les graphes colors modlisent donc toutes les e e applications o` les liens dun graphe appartiennent ` un ou plusieurs groupes de risque. u a

60

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES

c2 c1 c4

c2 c4 c3 c4 c1

c3 c2
c2

c1

c2 c4 c1 c3

c3

c1 c3

c2 c4 c1

c4 c3

(a) un rseau multicolor e e

(b) un graphe color issu du rseau par transe e formation et

c2 c1 c1 c1

c2 c4 c4 c4

c2
c2 c 1 c2 c4 c4 c3 c2 c4

c3 c3 c3

c1 c3 c3 c1

(c) un autre graphe color issu du mme rseau e e e par transformation et

(d) le graphe color issu du rseau par transfore e mation ou

Fig. 4.2 Exemple de transformation et et ou dun rseau multicolor en graphe color e e e Pour modliser un rseau multiniveaux par un graphe color la transformation approprie est la e e e e transformation et. Reprenons lexemple de la gure 4.1. Couper un seul des liens physiques {A, F }, {F, G} ou {G, H} sut ` couper la connexion virtuelle {A, H}, elle doit donc tre modlise dans a e e e le graphe color par un chemin de longueur trois comportant une arte de couleur c2 (lien {A, F }), e e une arte de couleur c3 (lien {F, G}) et une de couleur c5 (lien {G, H}). e Comme lillustrent les gures 4.2(b) et 4.2(c) plusieurs graphes colors peuvent tre obtenus par e e transformation et dun mme rseau multicolor. Suivant le graphe color choisi pour reprsenter le e e e e e rseau les probl`mes tudis seront plus ou moins diciles ` rsoudre ou ` approximer. Le probl`me e e e e a e a e de la transformation et sera trait en section 4.4 (page 86). e Notons que les graphes colors sont un cas particulier de rseaux multicolors et donc tous e e e les rsultats de NP-dicult et dinapproximabilit gnraux obtenus sur les graphes colors sape e e e e e pliquent aussi aux rseaux multicolors. e e

4.1.2

Probl`mes Colors e e

Dans les graphes classiques de nombreux probl`mes consistent ` trouver des sous-ensembles e a dartes vriant diverses proprits (chemin, coupe, etc). Or les artes ne susent plus ` reprsenter e e ee e a e la structure dun graphe color, ce sont les couleurs qui jouent ce rle. De plus une couleur tant par e o e dnition un ensemble dartes, la connaissance dun ensemble de couleurs vriant une proprit e e e ee induit la connaissance dun ensemble dartes. Cest pourquoi les probl`mes dans les graphes colors e e e consistent ` trouver des ensembles de couleurs, et non des ensembles dartes. a e Les probl`mes que nous avons tudis peuvent se rpartir en deux classes abordant la tolrance e e e e e aux pannes des rseaux multiniveaux sous deux angles dirents. e e

4.1. MODELISATION DES RESEAUX ET SRRG : GRAPHES COLORES

61

c1 s c2

c3 t
s

c3 t
c2
(b) la st-coupe colore {c1 , c2 } e est supprime e
(c) la coupe colore {c1 , c3 } est e supprime e

(a) un graphe color e

s s c2 t
(d) la st-multicoupe colore e {c1 , c3 } sparant les paires {s, t} e et {s , t } est supprime e
(e) un st-chemin color e
(f) un arbre couvrant color e

Fig. 4.3 Exemples de chemins, coupes et arbres couvrants colors e Les probl`mes de connexit sintressent aux conditions de fonctionnement du rseau dune e e e e mani`re gnrale, aux ressources qui doivent tre disponibles pour que toutes les connexions soient e e e e assures. Ils cherchent ` conna des ensembles de couleurs permettant de connecter des ensembles e a tre de sommets. Les probl`mes de vulnrabilit consistent au contraire ` trouver des ensembles de couleurs dont e e e a la suppression dconnecte des ensembles de sommets et ainsi donnent une indication du nombre de e pannes qui susent ` mettre le rseau dans lincapacit de rtablir les connexions interrompues. Ils a e e e peuvent avoir un rle important dans la dcision de roptimiser le rseau. o e e e 4.1.2.1 Probl`mes de connexit e e

Dans les graphes classiques le chemin est la base des probl`mes de connexit, son quivalent e e e dans les graphes colors est le chemin color. Un st-chemin color est un ensemble de couleurs e e e dont lensemble dartes contient un chemin classique. Par exemple un graphe color connexe est un e e st-chemin color pour tous les sommets s et t. La gure 4.3(e) donne un autre exemple de st-chemin e color. Vrier quun ensemble de couleurs contient au moins un st-chemin au sens classique peut se e e faire en temps polynomial par un simple parcours des sommets. De plus, un chemin classique dans un graphe color induit un unique chemin color, il sut de dterminer lensemble des couleurs e e e portes par les artes du chemin classique. Dans la suite, par mesure de simplicit la dsignation e e e e dun chemin color pourra donc se faire dans certains cas par la dsignation dun chemin classique. e e Le probl`me Minimum Color st-Path (MC-st-Path), ou st-chemin color minimum, consiste e e a ` trouver un chemin color entre les sommets s et t utilisant un nombre minimum de couleurs. Du e point de vue dun rseau un chemin color de nombre de couleur minimum ore une route entre e e deux nuds soumise ` un nombre minimum de risque de panne. En considrant la version pondre a e ee du probl`me o` le poids dune couleur est la probabilit de panne du groupe de risque associ, il e u e e sagit de trouver dans le rseau un chemin de probabilit de panne minimum. e e

62

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES

Une autre stratgie de protection consiste ` prvoir plusieurs chemins pour router une mme e a e e connexion entre deux nuds s et t, de sorte que quelle que soit la panne qui se produise au moins un des chemins fonctionne. Cette stratgie ncessite de savoir trouver dans un graphe color un e e e ensemble de st-chemins couleur-disjoints (Color Disjoint Paths), cest ` dire un ensemble a de chemins colors deux ` deux disjoints. Le probl`me consistant ` trouver deux st-chemins couleure a e a disjoints est not 2-Color Disjoint Paths (2-CDP) et le probl`me consistant ` trouver un nombre e e a maximum de st-chemins couleur-disjoints est not Maximum Number of Color Disjoint Paths e (Max-CDP). Comme il nest pas toujours possible de trouver des chemins couleur-disjoints entre deux sommets, un ensemble de st-chemins partageant un nombre minimum de couleurs (Minimum Overlapping Paths) permet par exemple de raliser une protection dpendante de la panne. Le e e probl`me 2-Minimum Overlapping Paths (2-MOP) consiste ` trouver deux st-chemins colors e a e dont lintersection est de taille minimum. Enn on peut aussi sintresser au rseau dans sa globalit et ` lanalogue color dun arbre e e e a e couvrant. Trouver un arbre couvrant color minimum (Minimum Color Spanning Tree ou e MC-Spanning Tree) consiste ` trouver un ensemble de couleurs de taille minimum dont les artes a e contiennent un arbre couvrant au sens classique (Figure 4.3(f)). Un arbre couvrant color ne garde e de son quivalent classique que la notion de connexit, plusieurs chemins colors peuvent exister e e e entre deux sommets avec cette dnition, par exemple un graphe color connexe est un arbre coue e vrant color pour lui-mme. Dun point de vue pratique, un arbre couvrant color est un ensemble e e e minimum de ressources ncessaires ` la connexit du rseau et ainsi un ensemble stratgique de e a e e e ressources ` protger. La taille dun arbre couvrant color minimum donne galement une borne a e e e suprieure atteinte du nombre maximum de pannes au del` duquel le rseau est dconnect, cest e a e e e le nombre de couleurs nappartenant pas ` larbre. a

4.1.2.2

Probl`mes de vulnrabilit e e e

Les probl`mes de vulnrabilit sont tous les probl`mes de coupe. Une coupe colore est un e e e e e ensemble de couleurs dont les artes contiennent une coupe au sens classique. Cest un ensemble e de couleurs dont la suppression dconnecte le graphe en au moins deux parties comme le montre e la gure 4.3(c). De mme une st-coupe colore est un ensemble de couleurs dont les artes contiennent une ste e e coupe classique Figure 4.3(b). On peut aussi dnir une multicoupe colore, cest un ensembles e e de couleur dont les artes contiennent une multicoupe classique, cest ` dire un ensemble de couleurs e a dont la suppression dconnecte plusieurs paires de sommets simultanment {s1 , t1 }, {s2 , t2 }, . . . , e e {sk , tk } (Figure 4.3(d)). Une coupe colore minimum (Minimum Color Cut ou MC-Cut) se traduit dans un rseau e e par un ensemble critique de ressources dont la panne provoque la coupure du rseau en au moins e deux parties. Plus la coupe minimum colore du graphe color reprsentant un rseau est petite, e e e e plus le rseau est vulnrable aux pannes puisque son fonctionnement dpend du fonctionnement de e e e peu de ressources. La coupe minimum colore donne donc une information prcieuse sur la topologie e e virtuelle. Lorsquelle est petite la topologie virtuelle ncessite une roptimisation. De mme, une e e e st-coupe colore minimum (Minimum Color st-Cut ou MC-st-Cut) de petite taille indique que e la connexion {s, t} risque dtre interrompue si seulement un faible nombre de pannes survient dans e le rseau. Une multicoupe colore minimum (Minimum Color Multi-Cut ou MC-Multi-Cut) e e gnralise cette remarque pour plusieurs connexions simultanment. e e e

4.1. MODELISATION DES RESEAUX ET SRRG : GRAPHES COLORES

63

4.1.3

Etat de lart

En 1997 est publi le premier article traitant du probl`me Minimum Color Spanning Tree e e alors nomm minimum labeling spanning tree dans le cadre de la conception de rseaux [CL97]. e e Les artes du graphe sont munies de labels reprsentant la nature du lien correspondant (optique, e e radio, tlphonique etc) et lobjectif est de construire un rseau utilisant le moins de technologies ee e direntes. La complexit de ce probl`me est donne par une rduction du probl`me Minimum Set e e e e e e Cover et deux heuristiques sont proposes. Certains des probl`mes colors que nous avons tudis e e e e e sont galement introduit dans cet article. e Ensuite [KW98] et [Wir01] prouvent un premier facteur dapproximation de 2 ln |V | + 1 pour lune des heuristiques de [CL97]. Ce facteur est amlior ` ln(|V | 1) + 1 dans [WCX02] o` e e a u un facteur dinapproximabilit ` (1 ) ln(|V | 1) est prouv pour tout > 0 sauf si N P e a e T IM E(nlog log n ) (voir annexe A). Ces travaux ayant abouti aux mmes facteurs dinapproximabilit e e et dapproximabilit que pour le probl`me Minimum Set Cover, la littrature sest tarie sur le e e e probl`me Minimum Color Spanning Tree. Nous exposons lalgorithme dapproximation pour e ce probl`me et les preuves de complexit et dinapproximabilit ` la section 4.2.5.2. e e ea Dans [Wir01] un facteur dinapproximabilit pour le probl`me minimum label path qui nest e e autre que le probl`me Minimum Color st-Path est prouv grce ` une rduction au probl`me e e a a e e Red Blue Set Cover. Cette rduction est galement voque dans [CDKM00]. Nous proposons e e e e en section 4.2.5 une rduction dirente qui amliore ce facteur. e e e Plus rcemment, le probl`me Minimum Color st-Path ` t tudi dans le contexte des srrg e e ae ee e par [DS04a] et [YVJ05]. Dans [YVJ05] une nouvelle preuve de complexit par rduction du probl`me e e e Minimum Set Cover au Minimum Color st-Path est donne ainsi que des heuristiques et une e formulation en programme linaire mixte. Un algorithme polynomial pour une classe particuli`re e e de graphes colors est donn dans [DS04a]. Dans les graphes considrs, les artes dune mme e e ee e e couleur forment une toile. Nous largirons cette classe de graphes en section 4.2.3.1. e e Trois preuves direntes de complexit du probl`me 2-Color Disjoint Paths ont t pue e e ee blies dans [Hu03], [YJ04] et [EBR+ 03]. Nous en prsenterons une quatri`me pour un cas pare e e ticulier en section 4.2.4.1. Ce probl`me 2-CDP ` t tudi pour la premi`re fois dans [Bha94] e a ee e e e dans le cas de graphes orients. De nombreuses heuristiques issues des chemins augmentant de e [Suu74] ont t proposes. Lide principale de ces mthodes consiste ` calculer un premier cheee e e e a min, supprimer du graphe les couleurs utilises par ce chemin et calculer un second chemin. e Bien que cette mthode et ses variantes [Bha97, BLE+ 02, LTS05, DGM94] semblent donner de e bons rsultats dans lensemble, son inconvnient majeur est que suivant la topologie du graphe il e e nexiste pas ncessairement de second chemin disjoint du premier mme si une paire de chemins e e disjoints existe dans le graphe. Ce probl`me est connu sous le nom de trap topology [DGM94]. Dans e [XXQ03b, LKD02, XXQL03, OMSY02, TR04a] des heuristiques sont proposes pour tenter dviter e e les trap topologies, ces mthodes sont rsumes en particulier dans [XXQL03]. Dans ces travaux des e e e formulations en programmes linaires en nombres entiers ont aussi t tudies. Dautres travaux e eee e proposent des formulations en programme linaire mixte pour des probl`mes tr`s proches de 2e e e CDP, comme [SYR05] qui compare, en terme dutilisation des ressources, les protections ddies et e e partages dans le contexte des srrg. Notons quun algorithme polynomial pour le probl`me 2-CDP e e existe dans le cas particulier o` les artes dune mme couleur forment une toile [DS04a]. Comme u e e e pour le probl`me Minimum Color st-Path nous montrerons que ce probl`me est polynomial pour e e une classe de graphe plus large. Le probl`me 2-Minimum Overlapping Paths a t dni dans [aKS01] et montr NP-dicile e ee e e dans [Hu03], une formulation en programme linaire en nombres entiers en est donne ainsi que e e

64

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES

pour le probl`me consistant ` trouver deux chemins couleur-disjoints de cot total minimum. e a u Des variantes de ces probl`mes sont prsentes dans [YVJ05] consistant ` trouver deux chemins e e e a artes disjoints partageant un nombre minimum de couleurs. Toutefois d`s lors quune couleur ape e partient aux deux chemins, lintrt davoir deux chemins arte disjoints est limit dans le contexte ee e e de la tolrance aux pannes dans les rseaux multiniveaux. Lautre probl`me tudi dans [YVJ05] e e e e e consiste ` trouver deux chemins arte disjoints dont la somme des couleurs de ces deux chemins est a e minimum. Le probl`me Max-CDP appara dans le contexte de lauthentication dutilisateurs dans un e t rseau. Sa complexit est prouve dans [JRN04] par une rduction du probl`me Maximum 3 e e e e e Satisfiability et dans [GZLK01] le probl`me de dcision associ est prouv NP-Complet par e e e e une rduction du probl`me Independant Set. Nous verrons quune rduction proche permet de e e e dduire un facteur dinapproximabilit. e e Les probl`mes de vulnrabilit napparaissent pas dans la littrature except le probl`me de la e e e e e e coupe minimum colore dans un rseau multicolor qui est montr NP-dicile dans [Far06]. Cette e e e e preuve utilise le fait quune arte du rseau multicolor porte plusieurs couleurs, elle nimplique e e e donc pas la NP-dicult du probl`me MC-Cut. e e

4.2

Complexit des Probl`mes Colors e e e

Dune mani`re gnrale les probl`mes colors sont NP-diciles alors que leurs quivalents clase e e e e e siques sont polynomiaux. Nous verrons en section 4.2.1 dautres dirences entre les probl`mes e e classiques et colors qui nous am`nerons ` dnir un param`tre important de leur complexit, le e e a e e e span dune couleur, en section 4.2.2. Les sections 4.2.3, 4.2.4 et 4.2.5 seront consacres ` ltude de e a e la complexit et de linapproximabilit des probl`mes colors. Lannexe A rappelle les dnitions e e e e e de tous les probl`mes de la littrature auxquels nous faisons rfrence dans la suite. e e ee

4.2.1

Comparaison avec les probl`mes classiques e

Nous allons maintenant montrer ` travers quelques exemples que les probl`mes colors di`rent a e e e des probl`mes de thorie des graphes classique non seulement par leurs complexits mais aussi par e e e leurs relations mutuelles et certaines proprits importantes. ee 4.2.1.1 Minimum Color st-Cut et Nombre de chemins couleur-disjoints, Minimum Color Cut et Nombre darbre couvrant couleur-disjoints

Depuis le contre exemple donn dans [aKS01], il est prouv que le nombre maximum de chemins e e couleurs disjoints et la st-coupe colore minimum ne sont pas gaux. La proposition 4.1 prcise la e e e relation entre ces deux lments. Elle signie en particulier que contrairement au cas des graphes ee classiques o` la relation max ow-min cut existe, la valeur dune st-coupe colore minimum ne u e donne aucune garantie ou information rellement exploitable sur lexistence dau moins deux ste chemins couleur-disjoints. Dans les graphes classiques cette relation est essentielle pour aborder la tolrance aux pannes. De plus il est prouv quil existe au moins C/2 arbres couvrants disjoints e e dans un graphe classique de coupe minimum C [GGL95]. Cette relation nest plus vraie dans les graphes colors. e Proposition 4.1 Pour tout k N, il existe un graphe color et deux sommets s et t de ce graphe, e tels quune st-coupe colore minimum est de valeur k alors quil nexiste aucune paire de st-chemins e

` 4.2. COMPLEXITE DES PROBLEMES COLORES

65

couleur-disjoints. De plus dans ce graphe la coupe colore minimum est de valeur k alors quil e nexiste aucune paire darbres couvrants colors couleur-disjoints. e Preuve: Soit k N une constante. Nous construisons un graphe color G ` 2k + 1 sommets et e a k 2k 2k couleurs. G est un chemin compos de k artes multiples en sorte que chaque sous-ensemble de e e k couleurs corresponde ` exactement une arte multiple, chacune des k couleurs dun sous-ensemble a e appartient ` lune des k artes parall`les composant larte multiple. La gure 4.4 reprsente le a e e e e graphe color obtenu pour k = 2. Soient s et t les extrmits du chemin. Un arbre couvrant color e e e e de G est simplement un st-chemin color, et une coupe colore est en fait une st-coupe colore. e e e Supposons quil existe un st-chemin color utilisant l k couleurs. Alors il existe un souse ensemble dau moins k couleurs qui nest pas utilis par ce chemin. Ceci implique que le chemin ne e traverse aucune arte multiple compose de ces couleurs et m`ne ` une contradiction. e e e a Par consquent, un chemin color de G, ou un arbre couvrant color, utilise au moins k + 1 e e e couleurs. Comme seulement 2k couleurs sont disponibles, la proposition 4.1 suit.

c1
s

c1 c3

c1 c4

c2 c3

c2 c4

c3 c4
t

c2

Fig. 4.4 Aucune paire darbres couvrants colors couleur-disjoints alors que la coupe vaut 2. e Dautres familles de graphes colors existent qui permettent de prouver cette proposition pour e la relation entre une st-coupe colore et le nombre de st-chemins couleur-disjoints, par exemple la e famille de graphes suivante. Un graphe de cette famille contient k 2 couleurs et 2k 2 artes. Soient s, u et t trois sommets. Dans e un premier temps k chemins couleur-disjoints parall`ls de k couleurs chacun sont crs entre s et u. e ee Cela est possible car k 2 couleurs sont disponibles. Ainsi chaque couleur appartient ` exactement une a arte entre s et u. Ensuite, k chemins parall`les couleur-disjoints sont crs entre u et t de longueur e e ee

s u

Fig. 4.5 Aucune paire de st-chemins couleur-disjoints alors que la st-coupe vaut k = 3. k galement. Un chemin connectant u et t doit contenir exactement une couleur de chacun des k e chemins connectant s et u comme illustr ` la Figure 4.5. De cette mani`re un su-chemin et un ea e ut-chemin partagent exactement une couleur. En consquence, un chemin de s ` t utilise k couleurs dans sa section entre s et u, chacune e a appartenant ` exactement un des ut-chemins, et ainsi il nexiste pas de paire de st-chemins couleurs a disjoints dans ce graphe. Une borne suprieure sur le ratio entre le nombre maximum de chemins couleurs disjoints et la e st-coupe colore minimum dpendant de la taille du graphe et du nombre de couleur existe peute e tre. Notons que lorsque la st-coupe minimum utilise toutes les couleurs du graphe il existe alors e un st-chemin de chaque couleur.

66 4.2.1.2

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES Minimum Color st-Cut et Minimum Color Multi-Cut

Une autre paire de probl`mes, MC-st-Cut et MC-Multi-Cut, prsente une dirence majeure e e e par rapport aux probl`mes classiques. e Proposition 4.2 MC-Multi-Cut est quivalent ` MC-st-Cut. e a Preuve: Premi`rement, MC-st-Cut est un cas particulier de MC-Multi-Cut. e Ensuite, soit une instance de MC-Multi-Cut, prenons k copies G1 , . . . , Gk du graphe G, une par paire si , ti ` dconnecter dans linstance de MC-Multi-Cut. Fusionnons tous les sommets a e si Gi (resp. ti ) en un seul sommet s (resp. t). De cette mani`re les k copies ne forment plus e quun seul graphe (Figure 4.6). Une st-coupe colore dans ce nouveau graphe est trivialement une e multicoupe color dans le graphe dorigine G. e

s1

c2 s2 c3

c2 c1 c3 c4

s c2

c1
t1

c1
t

c3

c4

t2

c4

(a) Une instance de MC-Multi-Cut...

(b) ... une instance MC-st-Cut

Fig. 4.6 Transformation dune instance de MC-Multi-Cut en MC-st-Cut. Dans la suite nous tudions le probl`me Minimum Color st-Cut, les rsultats sont identiques e e e pour le probl`me Minimum Color Multi-Cut. e 4.2.1.3 Minimum Color st-Cut, Minimum Color st-Path et les graphes srie-parall`les e e

Les probl`mes MC-st-Cut et MC-st-Path sont quivalents dans un cas particulier des graphes e e srie-parall`les. Soit G1 un graphe srie-parall`le. G1 est construit ` partir dune arte dont les e e e e a e extrmits sont les sommets s1 et t1 . La construction consiste en une succession de deux oprations : e e e diviser une arte en deux artes conscutives par linsertion dun sommet et ajouter une arte en e e e e parall`le dune autre. e Un autre graphe srie-parall`le G2 peut tre construit en sorte que MC-st-Path dans G1 est e e e quivalent ` MC-st-Cut dans G2 et vice versa, de la mani`re suivante. e a e Soient s2 et t2 les extrmits dune arte isole. G2 est construit ` partir de cette arte en e e e e a e appliquant la succession doprations utilise pour construire G1 mais dans laquelle les oprations e e e diviser et ajouter sont inverses. Ainsi les artes de G1 et G2 sont en bijection. Les couleurs des e e artes de G1 peuvent donc tre reportes sur les artes correspondantes dans G2 dapr`s cette e e e e e bijection. Un s1 t1 -chemin dans G1 est donc trivialement une s2 t2 -coupe dans G2 puisque un chemin consiste ` traverser des artes connectes en srie alors quune coupe consiste ` couper des artes a e e e a e parall`les. e Proposition 4.3 Dans les graphes srie-parall`les les probl`mes Minimum Color st-Path et e e e Minimum Color st-Cut sont quivalents lorsque s et t reprsentent les extrmits du graphe. e e e e

` 4.2. COMPLEXITE DES PROBLEMES COLORES

67

Dans la suite, tous les rsultats dinapproximabilit et de complexit sont bass sur des construce e e e tions de graphes srie-parall`les particuliers dont les extrmits sont aussi les extrmits des chemins e e e e e e colors cherchs. Grce ` lquivalence de MC-st-Path et MC-st-Cut dans ce cas prcis, toutes e e a a e e les preuves sont donnes seulement pour MC-st-Path. e 4.2.1.4 Minimum Color st-Path

Lalgorithme de Dijkstra permettant de calculer un plus court chemin dans un graphe classique repose sur une proprit des plus courts chemins qui nest pas transfre aux chemins ee ee colors. Contrairement ` un plus court chemin classique, un chemin color minimum nest pas e a e ncessairement compos de chemins colors minimum. Dans le graphe reprsent ` la gure 4.7 e e e e e a

u
c2

c3 c4 c2 c1

v
c4 c2

s
c1

c3

w
c4

x
c3

Fig. 4.7 Un chemin color minimum nest pas constitu de chemins colors minimum. e e e lensemble de couleurs {c1 , c4 } est un st-chemin color minimum. Il nexiste quun seul chemin clase sique dans le sous-graphe induit par ces couleurs, il passe par s, y, w, x, v et t. Or la couleur c3 est un sw-chemin color minimum, contrairement ` lensemble {c1 , c4 } qui induit le chemin classique e a passant par s, y et w. Ainsi pour connecter s et w une seule couleur sut mais pour connecter s et t, il vaut mieux utiliser deux couleurs entre s et w. Proposition 4.4 Un st-chemin color minimum nest pas compos de chemins colors minimum. e e e Par consquent il nest pas possible dadapter lalgorithme de Dijkstra au cas color. Il ne sut e e pas de savoir quel ensemble minimum de couleurs permet de connecter deux sommets, il faut savoir si ce sont les meilleures pour atteindre la deuxi`me extrmit du chemin. e e e 4.2.1.5 Minimum Color Cut

Dans les graphes classiques et mme dans les hypergraphes, la coupe poss`de deux proprits e e ee importantes : la sous-modularit et la symtrie. Une fonction relle f sur 2V lensemble des parties e e e dun ensemble V est sous-modulaire ssi A, B V , f (A B) + f (A B) f (A) + f (B). Une fonction f sur un ensemble V est symtrique ssi A V , f (A) = f (V A). Lalgorithme de e Nagamochi et Ibaraki [NI92] permet de calculer une coupe minimum en temps polynomial grce ` a a cette proprit. R. Rizzi [Riz99] a montr que lalgorithme reste ecace pour une classe de fonctions ee e encore plus large : les fonctions symtriques, monotones et cohrentes. e e V 2V est monotone si g(S, T ) g(S, T ) pour tout Une fonction relle f sur lensemble 2 e ensembles S, T V disjoints et tout T T . Elle est cohrente si g(A, W B) g(B, W A) pour e tout A, B, W V disjoints tels que g(A, W ) g(B, W ). Par dnition, une coupe colore est un ensemble de couleurs dont les artes contiennent une e e e coupe au sens classique. Or la coupe classique peut tre dnie dans un graphe G = (V, E) par la e e

68

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES

fonction (S, T ) = |{st E|s S, t T }| pour tout S, T V [Riz99]. Le probl`me de la coupe e minimum est alors de trouver un ensemble S V tel que (S, V S) est minimum. A partir de cette dnition de la coupe classique nous pouvons dnir la coupe colore dans un e e e graphe color G = (V, E, C) par la fonction c (S, T ) = |{c C|st c E et s S, t T}|. e La coupe colore c est bien une fonction symtrique, elle est galement monotone car si T T e e e et S disjoint de T , il ne peut pas y avoir plus de couleurs entre S et T quentre S et T . Par contre, la coupe colore nest pas cohrente comme le prouve la gure 4.8. En eet, dans ce graphe e e c (A, W ) = 2 et c (B, W ) = 1 mais c (A, W B) = 2 est infrieur ` c (B, W A) = 3. e a Par consquent la coupe colore ne poss`de pas les proprits ncessaires pour que lalgorithme e e e ee e de Rizzi adapt au cas color permette de calculer une coupe minimum colore en temps polynomial. e e e

A c3 c1 B c2 c3 c2 c1 W

Fig. 4.8 La coupe colore nest pas cohrente. e e

4.2.2

Span dune couleur

Intuitivement les dirences entre les probl`mes colors et leurs quivalents classiques doivent e e e e provenir du fait quune arte dans un graphe classique a une inuence locale sur le graphe, alors e quune arte dans un graphe color reprsente toute une couleur, et par consquent tout un ensemble e e e e dartes. Dans un graphe color une arte a donc une incidence plus globale ` travers sa couleur e e e a (une partie plus importante du graphe est touche). Pour essayer de quantier linuence dune e couleur on dnit donc son span. e Dnition 4.3 (Composantes dune couleur) Les composantes dune couleur sont les compoe santes connexes du sous-graphe induit par les artes de cette couleur. e La gure 4.9 prsente un graphe color (4.9(a)) ainsi que le sous-graphe induit par les artes de e e e la couleur c1 (4.9(b)) et celui induit par les artes de la couleur c3 (4.9(c)). Dans ces graphes seuls e les artes de la couleur choisie et les sommets qui leur sont incidents apparaissent. e Dnition 4.4 (Span dune couleur) Le span dune couleur est le nombre de composantes de e cette couleur. Comme la suite le montrera, une couleur de span 1 est plus simple ` manipuler quune coua leur de span lev. De plus lorsque toutes les couleurs sont de span 1, la plupart des probl`mes e e e doptimisation sont polynomiaux. Si le span maximum est born, les probl`mes sont diciles mais e e approximables, alors que lorsque le span des couleurs est quelconque, les probl`mes sont diciles e et mal approximables.

` 4.2. COMPLEXITE DES PROBLEMES COLORES

69

c1 s c2

c3 t

c1

c3

(a) un graphe color e

(b) couleur de span 2

(c) couleur de span 1

Fig. 4.9 Span dune couleur

4.2.3

Cas polynomiaux

Bien que les probl`mes colors soient tr`s dirents des probl`mes classiques et en gnral e e e e e e e NP-diciles, il existe des classes de graphes colors pour lesquels de nombreux probl`mes sont e e polynomiaux. 4.2.3.1 Graphe color de span maximum 1 et Hypergraphe e

Lorsque toutes les couleurs dun graphe color sont de span 1 il correspond ` un hypergraphe e a dont lensemble de sommets est identique ` celui du graphe color. Lhypergraphe comporte une a e hyperarte pour chaque couleur, il sagit de lensemble des sommets adjacents ` la couleur qui lui e a est associe (Figure 4.10). e

c2 c2 c1 c1 c4 c4
Fig. 4.10 Transformation dun graphe color en hypergraphe e Dans les hypergraphes, trouver un plus court st-chemin, une st-coupe minimum ou une coupe minimum est un probl`me polynomial [Riz99]. e La construction suivante met en vidence que les probl`mes 2-Color Disjoint Paths et 2e e Minimum Overlapping Paths sont galement polynomiaux (Figure 4.11). e Soit G = (V, E, C) un graphe color dont toutes les couleurs sont de span 1, un graphe H = e (VH , EH ) est construit dont chaque sommet reprsente une couleur de C. Une arte connecte deux e e sommets de H si les couleurs quils reprsentent sont adjacentes dans G. Deux sommets s et t e sont ajouts ainsi que des artes entre s (resp. t) et chaque sommet de H reprsentant une couleur e e e adjacente ` s (resp. t) dans G. a Deux st-chemins couleur-disjoints dans G sont simplement deux chemins sommet-disjoints entre s et t dans H. Inversement deux st-chemins sommet-disjoints dans H correspondent ` deux ena sembles de couleurs disjoints dans G. Comme chaque sommet de H reprsente une composante e

c1 c2 c4 c3 c3

c3

c1

c4

70

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES


c2 c1 c1 c1 c4 c1 c2 c4 c3 c2

s
c4

t
c3

s
c4 c3

Fig. 4.11 Transformation dun graphe color de span maximum 1, les probl`mes MC-st-Path, e e MC-st-Cut, 2-CDP et 2-MOP se rduisent ` leurs quivalents en nombre de sommets dans un e a e graphe classique. connexe dune couleur et que deux sommets sont adjacents dans H sils sont associs ` des couleurs e a adjacentes dans G, il est possible ` partir des deux ensembles de couleurs disjoints de reconstituer a en temps polynomial deux chemins couleur-disjoints entre s et t. Il sut pour cela de calculer un st-chemin dans chacun des deux sous-graphes induits par les deux ensembles de couleurs disjoints. Pour le probl`me 2-MOP, notons que deux st-chemins passent ncessairement tous les deux e e par chaque sommet constituant une st-coupe de taille 1 en nombre de sommets. Proposition 4.5 Lorsque toutes les couleurs sont de span 1, MC-st-Path, MC-st-Cut, MCCut, 2-CDP et 2-MOP sont polynomiaux. Notons que cette proposition tend un rsultat de [DS04a] pour MC-st-Path et 2-CDP, puisque e e le cas de couleurs en toile, i.e. toutes les artes dune mme couleur ont un mme sommet en e e e e commun, est un cas particulier de couleur de span 1. 4.2.3.2 Coupe colore e

Outre le cas o` toutes les couleurs sont de span 1, le probl`me Minimum Color Cut est u e polynomial lorsque le nombre dartes par couleur est born par une constante k. e e Proposition 4.6 Lorsque chaque couleur contient au plus k artes, pour une constante k N e donne, Minimum Color Cut peut tre rsolu en temps polynomial. e e e Preuve: Soient G = (V, E, C) un graphe color et S la valeur dune coupe minimum au sens e du nombre darte classique dans G. Alors la valeur dune coupe colore minimum appartient ` e e a [S/k, S] et la taille de lensemble dartes associ ` cette coupe colore appartient ` [S, kS]. Dans e ea e a [Kar93], Karger montre quil existe au plus |V |2k coupes de taille comprise dans [S, kS] et prcise e de plus quelles peuvent tre gnres en temps polynomial. e e ee Par consquent trouver une coupe minimum colore peut se faire en temps polynomial en e e numrant et valuant chacune des coupes de nombre darte compris entre S et kS. e e e e Notons que lorsque le degr color maximum du graphe est born, les probl`mes de coupe e e e e MC-Cut, MC-st-Cut et MC-Multi-Cut sont galement polynomiaux, puisque tous les souse ensembles de couleurs de taille infrieure ` la borne peuvent tre numrs en temps polynomial. e a e e ee 4.2.3.3 Nombre de couleur de span > 1 born e

Il est possible dnumrer en temps polynomial tous les sous ensembles de couleurs de span e e strictement suprieur ` 1 lorsque leur nombre est born. Une mthode polynomiale base sur cette e a e e e

` 4.2. COMPLEXITE DES PROBLEMES COLORES

71

numration permet de rsoudre les probl`mes Minimum Color st-Path, Minimum Color Cut e e e e et Minimum Color st-Cut. Pour cela construisons ` partir dun graphe color G un graphe a e H = (VH , EH ) inspir de la construction utilise en section 4.2.3.1 (page 69). e e Chaque sommet de H reprsente une composante dune couleur de C. Deux sommets de VH e sont relis par une arte de EH si les deux composantes associes poss`dent un sommet en commun e e e e dans G. Pour les probl`mes MC-st-Path et MC-st-Cut deux sommets s et t sont ajouts ` VH et e e a une arte de EH connecte s (resp. t) ` un sommet v de VH si s (resp. t) appartient ` la composante e a a reprsente par v (Figure 4.12). e e

c3 c2 c2 c2 c4 c3 c4

c2 c1 c1 c4

c3

s
c1

s
c1 c1

Fig. 4.12 Construction du graphe dont les sommets sont les composantes des couleurs dun graphe color. e Pour les mmes raisons quen section 4.2.3.1, cest ` dire que chaque sommet de H reprsente e a e un ensemble connexe de sommets et que deux sommets de H sont adjacents sils reprsentent des e composantes partageant au moins un sommet, il y a bien correspondance entre les st-coupes colores e de G et les st-coupes en nombre de sommets de H, de mme pour les deux autres probl`mes. e e Nous pouvons maintenant dcrire la mthode de rsolution. Nous eectuons un calcul dans e e e H pour chaque sous-ensemble C de couleurs de span strictement suprieur ` 1. Pour cela nous e a attribuons un cot ` chaque sommet, il est nul pour les sommets associs aux couleurs de C et u a e vaut 1 pour les autres sommets. Dans le graphe H muni de ces cots, lanalogue classique du u probl`me color tudi est rsolu, le cot de la solution ne dpend pas des artes utilises mais des e ee e e u e e e sommets traverss. Au cot de la solution trouve dans H, il faut ajouter |C | pour obtenir une e u e borne suprieure du cot en nombre de couleur de cette solution et de la solution optimale. Cest e u ce cot que nous utilisons dans la suite. Plusieurs cas sont ` tudier. u ae Supposons quil existe une couleur c de span strictement suprieur ` 1 qui nappartient pas ` |C | e a a et dont au moins deux sommets correspondant sont utiliss par la solution calcule pour C . Alors e e la solution trouve pour lensemble C {c} est ncessairement de cot infrieur ou gal au cot e e u e e u de la solution obtenue pour C . La solution associe ` C est en eet moins coteuse avec les cots e a u u correspondant ` lensemble de couleurs C {c}, ce qui fait au moins une solution moins coteuse a u pour cet ensemble. Supposons maintenant quun seul des sommets correspondant ` une couleur de span strictement a suprieur ` 1 qui nappartient pas ` C soit utilis dans la solution associe ` C . Il est encore possible e a a e e a de trouver un ensemble de couleur, C {c}, dont la solution associe est de cot infrieur. Sur la e u e gure 4.13 avec C = {c5 } le st-chemin utilisant les couleurs c2 , c3 et c4 est de longueur 5 si seuls les sommets de couleur c5 ont un cot nul, alors que celui utilisant les couleurs c1 , c6 et c7 est de u cot 6. Par contre en considrant lensemble de couleurs C = {c5 , c1 }, le chemin utilisant c1 , c6 et u e c7 est moins coteux que lautre. u Enn, supposons quune couleur c appartienne ` C mais ne soit pas utilise, alors la solution a e associe ` lensemble C {c} est de cot infrieur ou gal ` celle obtenue pour C . e a u e e a Soit C lensemble de couleurs pour lequel la solution de cot minimum est obtenue. Alors u

72

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES


c7 s c5 c1 c2 c3 c4 c1 c6 c1 c5 t

Fig. 4.13 Le st-chemin color minimum est obtenu pour une rpartition des cots particulire e e u e dapr`s ce qui prc`de, on peut supposer que toutes les couleurs de C sont utilises et quaucune e e e e couleur de span strictement suprieur ` 1 nappartenant pas ` C nest utilise dans la solution. e a a e Ainsi toutes les couleurs utilises ne sont comptes quune seule fois dans le cot de la solution, e e u les couleurs de span strictement suprieur ` 1 peuvent tre utilises autant de fois que ncessaire e a e e e sans tre comptes plusieurs fois et aucune couleur nest compte sans tre utilise. Cette solution e e e e e obtenue dans H correspond ` lensemble de couleur C0 qui est une solution au probl`me color dans a e e G par construction de H. opt Soit C0 une solution optimale du probl`me color dans G dont lensemble de couleur de span e e opt . La rsolution du probl`me classique dans H dont les sommets strictement suprieur ` 1 est C e a e e sont de cot nul sils correspondent ` une couleur de C opt et de cot 1 sinon, donne une solution u a u opt de cot |C0 |. En eet on sait quil existe une solution ralisable qui nutilise que les sommets u e opt associs aux couleurs de |C0 |, et sil en existe une de cot infrieur, alors on pourrait en dduire e u e e une solution colore dans G qui serait aussi de cot infrieur ` loptimal, ce qui est impossible. e u e a opt Ainsi on dispose dune solution optimale dans G qui induit une solution de cot |C0 | dans H u opt opt et dune solution de cot minimum dans H gale ` |C0 |. Si |C0 | > |C0 | loptimalit de C0 dans G u e a e opt | cest loptimalit de C dans H qui est contredite. Par consquent est contredite et si |C0 | < |C0 e e 0 est une solution optimale dans G, et elle a t obtenue en temps polynomial. C0 ee

Proposition 4.7 Lorsque le nombre de couleur de span strictement suprieur ` 1 dans un graphe e a color est born par une constante k N, les probl`mes MC-st-Path, MC-st-Cut et MC-Cut e e e sont polynomiaux.

Cette proposition peut stendre au cas o` le nombre de couleur de span suprieur ` 1 est born e u e a e par p log |V | pour une constante p > 0 puisque qualors le nombre de sous-ensembles de ces couleurs est de lordre de |V |p = 2p log |V | . Le nombre de calculs ` eectuer dans H est alors polynomial en a |V |. Lhypoth`se que le nombre de couleur de span strictement suprieur ` 1 dans un rseau est born e e a e e est fonde. En eet, dans les articles traitant de srrg les simulations sont toujours eectues sur e e les mmes rseaux connus [DS04a], dont la gure 4.14 donne un exemple [TR04b]. Les srrg sont e e reprsents par des couleurs, les artes {1, 6} et {2, 6} par exemple appartiennent au mme groupe e e e e de risque. Les groupes ne contenant quune seule arte ne sont pas indiqus. On constate que dans e e ce rseau multicolor tr`s peu de srrg (deux en fait) donnerons des couleurs de span suprieur ` e e e e a 1 dans le graphe color. Il en est de mme pour les autres rseaux couramment utiliss (COST239, e e e e NJLATA [CSC02, DS04a], NSFNET [OSYZ95, Jau, YDA00]) dont certains sont prsents en annexe e e C.

` 4.2. COMPLEXITE DES PROBLEMES COLORES


1 11 2 6 15 20 19

73

12

16 22

21

4 10 14 13 18 17

23

24

Fig. 4.14 Exemple de rseau utilis dans la littrature [TR04b, SYR05] e e e

4.2.4

Span Born e

Apr`s avoir tudi les cas particuliers pour lesquels certains probl`mes colors sont polynomiaux, e e e e e nous nous intressons ` la complexit de ces probl`mes lorsque le span maximum des couleurs du e a e e graphe color est born par une constante. e e 4.2.4.1 Trouver deux chemins couleur-disjoints

Trois preuves de complexit ont t prsentes dans [EBR+ 03], [Hu03] et [YJ04] pour le cas e ee e e gnral. Une simple variation de ces preuves permet de montrer que trouver deux chemins couleure e disjoints dans un graphe color de span maximum 2 est galement NP-Dicile. Nous adaptons e e la rduction de [Hu03] du probl`me Set Splitting NP-Dicile au probl`me de trouver deux e e e chemins couleur disjoints dans ce cas particulier. Thor`me 4.1 Le probl`me Set Splitting se rduit ` trouver deux chemins couleur-disjoints e e e e a entre deux sommets dun graphe color de span maximum 2. e Preuve: Soit {Si |i 1, . . . , N } une collection de sous-ensembles dun ensemble ni S. Le probl`me Set Splitting consiste ` trouver deux sous-ensembles de S disjoints, tels que chacun e a ait une intersection non vide avec tous les sous-ensembles de la collection {Si |i 1, . . . , N } (gure 4.15(a)). Un graphe color G = (V, E) est construit de la mani`re suivante ` partir dune instance de e e a Set Splitting ainsi dnie. V comporte N + 1 sommets u1 , . . . uN +1 . A chaque triplet (s, Si , Sj ) e tel que s Si Sj nous associons une couleur cs . Pour tout i N les sommets ui et ui+1 sont ij connects par |Si | chemins parall`les, chacun correspond ` un lment s Si . Le chemin associ ` e e a ee ea s entre ui et ui+1 comporte une arte de chaque couleur cs pour chaque j tel que s Si Sj . e ij Dans ce graphe les couleurs sont de span au plus deux, et deux chemins couleur-disjoints entre u1 et uN +1 induisent deux sous ensembles de S chacun contenant au moins un lment de Si , i ee 1, . . . , N et vice versa.

Corollaire 4.1 Trouver deux chemins couleur-disjoints ou deux chemins partageant un nombre minimum de couleurs dans un graphe color de span maximum 2 est NP-Complet. e

74

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES

S1 S2 S3 s4 S4
(a) Set Splitting

s1 s5

s2

s u1
s3

cs1 12 cs2 13 cs5 cs5 12 13 S1

u2

cs1 12 cs3 23 cs5 cs5 12 23 S2

cs5 13 u3

cs5 23 cs2 13 cs4 34 S3 u4

cs3 24 cs4 34 S4 t u5

(b) 2 Chemins Couleur-Disjoints

Fig. 4.15 Le probl`me de Set Splitting se rduit ` trouver deux chemins couleur-disjoints dans e e a un graphe color de span maximum 2. e Le probl`me de dcision associ ` 2-MOP contient le probl`me 2-CDP, cest ce qui nous permet e e ea e de conclure ` sa NP-Compltude comme dans [Hu03]. a e 4.2.4.2 Nombre maximum de chemins couleur-disjoints

Ce probl`me a dj` t montr NP-dicile dans [JRN04]. Lquivalent du probl`me classique e eaee e e e de trouver p chemins arte disjoints consiste ` trouver p chemins couleur-disjoints. Dans le cas de e a chemins connectant deux sommets (st-chemins), le probl`me classique peut tre aisment rsolu e e e e (Thor`me de Menger). Cependant la version colore du probl`me est beaucoup plus dicile. e e e e Thor`me 4.2 Trouver un nombre maximum de chemins couleur-disjoints dans un graphe dont e e 1 les couleurs sont de span maximum 2 nest pas approximable ` un facteur o(|V | 4 ) quel que soit a > 0 sauf si P = N P . Preuve: Cette preuve repose sur linapproximabilit du probl`me Maximum Independant e e Set (annexe A page 134). A partir dun graphe H = (VH , EH ), nous construisons un graphe color e G = (V, E, C) dans lequel chaque arte de H est associe ` une couleur. Entre deux sommets s et t e e a un chemin par sommet v de G est cr dont la longueur est le degr de v dans H comme illustr ` ee e ea la Figure 4.16. Le chemin associ ` v dans le graphe color est donc assez long pour contenir une ea e arte de chacune des couleurs reprsentant les artes incidentes ` v dans H. Chaque arte de H e e e a e nest incidente qu` deux sommets, par consquent dans G les couleurs sont toutes de span au plus a e deux. Trivialement, deux st-chemins sont couleur disjoints dans le graphe color G si et seulement si e les deux sommets correspondant ne sont pas adjacents dans H. Le nombre maximum de chemins couleur-disjoints est donc gal ` la taille maximum dun ensemble indpendant dans H. De plus e a e dans le graphe construit il y a au plus |V | = |VH |2 sommets. 4.2.4.3 MC-st-Cut et MC-st-Path

Lorsque le span maximum du graphe color est born par 2, la rduction de Minimum Set Coe e e ver ` MC-st-Path prsente dans [YVJ05] est inadquate pour montrer la NP-dicult de MCa e e e e st-Path. En eet la restriction sur le span maximum imposerait que la taille des sous-ensembles disponibles pour couvrir les lments de linstance de Minimum Set Cover soit galement borne ee e e

` 4.2. COMPLEXITE DES PROBLEMES COLORES

75

v3 e1 v1 e2 v4
(a) Maximum Independant Set

e1 e3
e3

v1 v2 v3 e3 v4 e4

e2 e4 e5 e5 t

s
v2

e1 e2

e5 e4

(b) Nombre maximum de chemins couleur-disjoints

Fig. 4.16 Le probl`me Maximum Independant Set se rduit ` trouver un nombre maximum e e a de chemins couleur-disjoints. par 2. Or dans ce cas, Minimum Set Cover peut tre rsolu en temps polynomial par des teche e niques de couplage. Nous donnons donc une rduction de Maximum 3 Satisfiability qui prouve non seulement e la NP-dicult de MC-st-Path et MC-st-Cut lorsque le span maximum est born par 2, mais e e aussi un facteur dinapproximabilit. e Thor`me 4.3 Il existe une rduction du probl`me Maximum 3 Satisfiability aux probl`mes e e e e e Minimum Color st-Path et Minimum Color st-Cut prservant linapproximabilit lorsque les e e couleurs sont de span au plus deux et contiennent au plus deux artes. e Preuve: Considrons une instance de Maximum 3 Satisfiability comportant n variables e xi 1 i n et m clauses Cj 1 j m chacune tant une disjonction de trois littraux. Le e e probl`me Maximum 3 Satisfiability consiste ` aecter des valeurs binaires aux variables en e a sorte quun nombre maximum de clauses soient satisfaites par cette aectation. A une telle instance nous associons un graphe color G de la mani`re suivante. G contient e e n + m + 1 sommets ui 1 i n + m + 1. Deux couleurs Vi,j (V comme vrai) et Fi,j (F comme faux) t sont associes ` chaque couple (i, j) tel que xi ou xi appara dans la clause Cj . Soit ni le nombre e a de clauses contenant la variable xi , cest ` dire le littral xi ou xi . Il y a donc 6m = 2 i=1,...n ni a e couleurs. Pour tout i {1, . . . , n}, deux chemins de longueur ni connectent ui et ui+1 , le premier contient une arte par couleur Ti,j et le second une arte par couleur Fi,j , avec j tel que xi ou xi Cj . e e Pour tout j {1, . . . , m}, un+j et un+j+1 sont connects par trois artes parall`les, chacune e e e correspondant ` un littral y prsent dans la clause Cj . La couleur de larte associe ` y est soit a e e e e a Fi,j ou Ti,j suivant si y = xi ou y = xi pour un certain i {1 . . . n} (Figure 4.17). Par consquent, e G contient au plus deux artes de chaque couleur, et les couleurs sont donc de span au plus deux. e Dans le graphe construit ainsi, linstance de Minimum Color st-Path intressante est de e trouver un chemin entre u1 et un+m+1 utilisant un nombre minimum de couleurs. Premi`rement, e nous montrons que chaque aectation des variables de linstance de Maximum 3 Satisfiability satisfaisant m clauses correspond ` un chemin color utilisant 4m couleurs entre u1 et a e un+m+1 dans le graphe G. Considrons une aectation des variables et dduisons un chemin color entre u1 et un+m+1 de e e e la faon suivante. Si la variable xi a la valeur vrai (resp. faux ), le u1 , un+m+1 -chemin est compos c e entre ui et ui+1 , i n, du sous chemin utilisant les couleurs Vi,j (resp. Fi,j ).

76

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES


c j = x1 x2 x3

T1, j1

T1, j2

T1, jk T2, j 1 Fx1k

T1, j1 F2, j 1
1

u 1 F1, j1 F1, j2

u2

F2, j

un

v1

T3, j 1

v2

vm

vm+1

Variables

Clauses

Fig. 4.17 Rduction de Maximum 3 Satisfiability ` MC-st-Path dans le cas de couleurs de e a span au plus 2. Si la clause Cj est satisfaite par laectation, le u1 , un+m+1 -chemin emprunte entre un+j et un+j+1 larte associe ` lune des variables permettant de satisfaire la clause. Cest-`-dire que si e e a a le littral xi est prsent dans Cj et que la valeur vrai est aecte ` la variable xi , le chemin utilise e e e a larte de couleur Vi,j , et si la clause Cj contient le littral xi et que la valeur faux est aecte ` la e e e a variable xi , le chemin utilise larte de couleur Fi,j . e Si la clause Cj nest pas satisfaite par laectation, alors le u1 , un+m+1 -chemin peut utiliser nimporte laquelle des trois artes connectant un+j et un+j+1 . e Le chemin ainsi dcrit utilise 3m+(m) couleurs. Plus prcisment, i=1,...n ni = 3m couleurs e e e sont utilises entre u1 et un+1 et pour chacune des clauses satisfaites la couleur utilise fait partie e e des 3m couleurs prcdentes. En revanche pour chacune des m clauses non satisfaites une e e couleur supplmentaire est ncessaire. e e Nous montrons maintenant quun chemin utilisant 3m + (m ) couleurs dans G reprsente e une aectation des variables de linstance de Maximum 3 Satisfiability telle que clauses sont satisfaites. Considrons un u1 , un+m+1 -chemin. Entre ui et ui+1 il utilise soit les artes de couleur Vi,j , et e e dans ce cas la valeur vrai est aecte ` la variable xi , soit les artes de couleur Fi,j , et la valeur e a e aecte ` xi est alors faux. e a Supposons quentre un+j et un+j+1 le chemin utilise lune des 3m couleurs dj` utilises entre ea e u1 et un+1 , sans perte de gnralit cette couleur est Vi,j , ce qui implique que la variable xi a la e e e valeur vrai. Alors par construction du graphe color G, le littral xi appartient ` la clause Cj , sinon e e a la couleur Vi,j ne serait pas disponible entre un+j et un+j+1 . Comme la variable xi a la valeur vrai, la clause Cj est satisfaite. Etant donn que le chemin utilise 3m + (m ) couleurs, couleurs parmi les 3m utilises entre e e u1 et un+1 sont utilises entre un+1 et un+m+1 et ainsi clauses sont satisfaites. e Pour le probl`me Minimum Color st-Cut, il sut de remarquer que le graphe color construit e e est bien un graphe srie-parall`le comme indiqu en section 4.2.1.3 (page 66). e e e Corollaire 4.2 Les probl`mes Minimum Color st-Path et Minimum Color st-Cut sont NPe diciles lorsque les couleurs sont de span au plus deux et contiennent au plus deux artes, et il e existe > 0 tel quil est NP-dicile dapproximer ces probl`mes ` un facteur 1 + pr`s. e a e Une construction semblable ` celle utilise dans une preuve dinapproximabilit du probl`me a e e e Maximum Clique [Hoc97] permet damplier le facteur dinapproximabilit donn dans le thor`me e e e e 4.2 pour MC-st-Path et MC-st-Cut jusqu` la valeur nonce dans le thor`me suivant. a e e e e Thor`me 4.4 Soit une constante k N donne. Il existe une constante > 0 indpendante de e e e e k telle que MC-st-Path et MC-st-Cut ne sont pas approximables ` un facteur k pr`s lorsque le a e span des couleurs est born par k, sauf si P = NP. e

` 4.2. COMPLEXITE DES PROBLEMES COLORES


(1,3) (1,1) (1,3) (1,2) (3,4) (3,2) (4,3) (4,2) (3,3) (3,1) (3,4) (3,3) (3,1) (3,3) (2,1) (2,4) (3,3) (3,2)

77

1 s 4
(a) G

3
s

(1,4)

t
(2,3) (2,3) (2,2)

3 2

(4,1) (4.4) (4,3)

(b)

G2 a,b

Fig. 4.18 Un graphe color G et son carr G2 . e e st

Etant donn un graphe color G = (V, E, C) et deux sommets s, t V , la construction susmene e tionne consiste en un produit de graphes colors G2 (Fig. 4.18). Tout dabord, nous remplaons e e c st chaque arte (u, v) de G par une copie Guv du graphe G en identiant les sommets u et v aux e sommets s et t de la copie. G2 poss`de donc |E|2 artes. Ensuite nous dnissons la couleur dune e e e st arte (x, y) appartenant ` une copie Guv par le couple (cuv , cxy ) o` cxy est la couleur de larte e a u e (x, y) dans G. Ainsi lensemble couleurs de G2 est C C st Remarquons que deux artes de deux copies direntes remplaant des artes de couleurs dise e c e tinctes dans G sont de couleurs direntes dans G2 mme si elles sont de mme couleur dans e e e st G. Le graphe Gp est construit rcursivement pour tout p N en remplaant comme ci-dessus e c st chaque arte de Gp1 par une copie de G. e st Deux relations cls entre les solutions de MC-st-Path ou MC-st-Cut dans Gp et G sont e st donnes par les lemmes 4.1 et 4.2. Ces lemmes sont bass sur la dcomposition dun chemin de Gp e e e st en chemins de G. Lemme 4.1 Soit A un algorithme calculant des chemins colors et A(Gp ) un chemin color de e e st Gp retourn par A, alors p N un chemin color PG de G de cot infrieur ou gal ` |A(Gp )| p e e u e e a st st p peut tre dduit de A(Gst ). e e
1

Preuve: La preuve est dtaille pour le cas p = 2 mais la dcomposition de chemin utilise se e e e e gnralise ` toute constante p N. Il y a alors p niveaux de chemins au lieu des deux seuls suivants. e e a Considrons le chemin A(G2 ) retourn par lalgorithme A dans le graphe G2 . Ce chemin peut se e e st st dcomposer en un chemin externe P et plusieurs chemins internes Pi . e Le chemin externe P est la projection dans G du chemin A(G2 ), cest ` dire quil faut considrer a e st les copies de G de la construction de G2 comme les artes quelles reprsentent dans G. P est alors e e st le chemin de G utilisant les couleurs de ces artes. Soit |CP | le nombre de couleurs utilises par P e e dans G. c Un chemin interne Pi est le chemin induit par le chemin A(G2 ) sur une copie de G remplaant st une arte i de G au cours de la construction de G2 . Soit |CP0 | le nombre minimum sur tous les e st chemins internes de couleurs utilises par un chemin interne. e Pour conclure la preuve, remarquons que |A(G2 )| |CP ||CP0 | [min{|CP |, |CP0 |}]2 . st Lemme 4.2 Soit G un graphe color, s et t deux sommets de G et p N une constante. Les e solutions optimales au probl`me Minimum Color st-Path entre s et t dans G et dans Gp vrient e st e |OPT(Gp )| = |OPT(G)|p . st

78

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES

Preuve: Comme pour le lemme 4.1, la preuve est dtaille pour p = 2 mais se gnralise e e e e facilement pour tout p N. Considrons une solution optimale P au probl`me MC-st-Path dans G utilisant lensemble e e de couleurs Copt et remarquons que le produit cartsien Copt Copt est chemin color dans G2 . e e st En eet si le chemin P connecte s et t uniquement grce aux couleurs de Copt dans G, le chemin a obtenu dans G2 en remplaant chaque arte de P dans G par le chemin P lui-mme est bien un c e e st 2 qui nutilise que des couleurs de C chemin connectant s et t dans Gst e opt Copt . Par consquent OPT(G2 ) OPT(G)2 . st Dapr`s le lemme 4.1, si une solution optimale dans G2 utilise OPT(G2 ) couleurs, alors une e st st 1 solution dans G peut en tre dduite qui utilise moins de [OPT(G2 )] 2 couleurs. Ainsi OPT(G) e e st 1 [OPT(G2 )] 2 . st Pour prouver le thor`me 4.4, supposons que A est un algorithme de facteur dapproximation e e e a (1 + )p et utilisons le pour trouver un chemin dans Gp+1 . Les lemmes 4.1 et 4.2 m`nent ` une ab contradiction avec le thor`me 4.2. e e Preuve: [Thor`me 4.4] A partir dune instance de MC-st-Path dans un graphe G tel que e e les couleurs sont de span au plus 2 et contiennent chacune au plus deux artes, nous construisons e p p linstance associe dans Gst pour une constante p N. Dans Gst , les couleurs sont au plus de span e 2p car au plus deux artes sont de la mme couleur dans G, et par consquent le nombre dartes e e e e portant une mme couleur est multipli par deux en passant de Gp1 ` Gp . e e a st st Dapr`s les lemmes 4.2 et 4.1, il existe une constante 1 telle quaucun algorithme ne peut e approcher les solutions optimales de MC-st-Path dans Gp ` un facteur (1 + 1 )p pr`s en temps e st a polynomial sans contredire le thor`me 4.2. e e Comme ce facteur dinapproximabilit est prouv pour les graphes de span maximum 2p pour e e p N, il reste vrai pour lensemble des graphes colors de span borns par une constante k N e e log2 k . Ainsi pour p = log k , MC-st-Path nest pas approximable Nous pouvons crire k = 2 e 2 a ` un facteur (1 + 1 )log2 k (1 + 1 ) log2 k . Soit = (log2 k)(ln(1 + 1 ))/ ln k = log2 (1 + 1 ), qui est indpendant de k. Ce qui prc`de implique k = (1 + 1 )log2 k . e e e Bien que lcart entre les facteurs dinapproximabilit et dapproximabilit pour MC-st-Path e e e et MC-st-Cut reste important, lalgorithme dapproximation trivial suivant prouve que Minimum Color st-Path, Minimum Color st-Cut et Minimum Color Cut ne sont peut-tre pas aussi e diciles ` approximer que le probl`me de trouver un nombre maximum de chemins couleur-disjoints a e entre deux sommets dun graphe color. e Proposition 4.8 Lorsque le span maximum du graphe est born par une constante k N, MCe st-Path, MC-st-Cut et MC-Cut sont approximables ` un facteur k pr`s. a e Preuve: Nous rappelons la transformation utilise en section 4.2.3.3 (page 70) qui permet e dobtenir en temps polynomial des solutions optimales pour les probl`mes MC-Cut, MC-st-Path e et MC-st-Cut. Soit G = (V, E, C) un graphe color, alors nous construisons le graphe H = (VH , EH ) comme e suit. Chaque sommet de H reprsente une composante dune couleur de C. Deux sommets de VH e sont relis par une arte de EH si les deux composantes associes poss`dent un sommet en commun e e e e dans G. Deux sommets s et t sont ajouts ` VH et une arte de EH connecte s (resp. t) ` un sommet e a e a v de VH si s (resp. t) appartient ` la composante reprsente par v. a e e Maintenant supposons que est la valeur dune st-coupe minimum en nombre de sommets dans H. Comme il ny a pas plus de k sommets dans H correspondant ` une mme couleur de a e G, et comme au moins composantes sont coupes par une st-coupe colore minimum dans G, le e e

` 4.2. COMPLEXITE DES PROBLEMES COLORES

79

nombre de couleurs dune st-coupe colore minimum appartient ` [, k]. Le mme raisonnement e a e sapplique au probl`me Minimum Color st-Path. e Ainsi calculer une st-coupe minimum en nombre de sommets dans H ou un st-chemin de nombre de sommets minimum fournit une k-approximation des probl`mes Minimum Color st-Cut et e Minimum Color st-Path. Pour le probl`me Minimum Color Cut, nous construisons un hypergraphe dont lensemble de e sommets est V et qui contient une hyperarte par composante de chaque couleur comprenant les e sommets appartenant ` cette composante. Chaque couleur produit donc au plus k hyperartes dans a e lhypergraphe et le mme raisonnement que pour MC-st-Cut et MC-st-Path permet de conclure e quune coupe minimum dans lhypergraphe ore une k-approximation du probl`me Minimum Coe lor Cut.

4.2.5

Span quelconque

Lorsque le span des couleurs est quelconque les informations exploitables sur le graphe color e sont rduites et les mthodes que nous avons utilises dans les sections prcdentes (numration, e e e e e e e bornes etc) ne sont plus applicables. Il sen suit que des probl`mes qui taient polynomiaux ou e e approximables ` des facteurs raisonnables pour des cas particuliers comme les probl`mes Minimum a e Color st-Path et Minimum Color st-Cut deviennent inapproximables ` des facteurs tr`s levs. a e e e Par contre nous verrons que le niveau de complexit du probl`me Minimum Color Spanning e e Tree est constant quelles que soient les hypoth`ses faites sur le graphe. e 4.2.5.1
1 2log |C| 4 1

MC-st-Path et MC-st-Cut
1

Dans le cas des graphes colors de span quelconque, un facteur dinapproximabilit gal ` e e e a avec = (log log |C| 4 ) pour tout < 1/2 peut tre dmontr par une rduction e e e e du probl`me Red Blue Set Cover au probl`me Minimum Color st-Path prservant linape e e proximabilit[CDKM00, Wir01]. Dans la suite, nous amliorons ce rsultat grce ` une rduction e e e a a e au probl`me Minimum Label Cover (annexe A page 135). Cette rduction permet de contrler e e o plus nement les dimensions des instances construites et ainsi daugmenter lordre de grandeur du facteur dinapproximabilit. e
1 1 1

Thor`me 4.5 Les probl`mes Minimum Color st-Path et Minimum Color st-Cut sont dife e e ciles ` approximer ` un facteur 2log a a P = NP.
|C| 2

avec = (log log |C| 2 ) pour tout < 1/2 sauf si

Preuve: Nous considrons une instance de Minimum Label Cover dans le graphe biparti e B = (U, V, E) avec les ensembles de labels LU et LV et la relation uv pour chaque arte {u, v} E, e avec u U et v V . A partir de cette instance nous construisons un graphe color G = (VC , EC , C) e et une instance de Minimum Color st-Path dans ce graphe de la mani`re suivante : e 1. A chaque couple (l, u) LU U nous associons une couleur clu , ainsi |C| = |LU ||U |. 2. Pour chaque sommet vi V un sommet xi est cr dans VC . ee 3. Un sommet supplmentaire x|V |+1 est ajout ` VC . e ea 4. A chaque label lv LV ligible pour le sommet vi V est associ un chemin connectant e e xi et xi+1 . Ce chemin comporte une arte par voisin u de vi . Cette arte est ventuellement e e e multiple car elle doit comporter une arte de couleur clu par label l LU formant une paire e admissible (l, lv ) uv pour larte {u, v}. Le nombre dartes en parall`le est gal au nombre e e e e

80

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES de labels l LU formant une paire admissible (l, lv ) uv pour larte {u, v}, cest ` dire au e a moins un, mais ventuellement |LU |. e

Dans ce graphe, un x1 x|V |+1 -chemin color utilisant couleurs correspond ` un labeling couvrant e a les artes de E de cot . En eet, entre xi et xi+1 le chemin color utilise un sous chemin, il est e u e associ ` un label lv LV ligible pour le sommet vi . Ce label est aect ` vi , fV (vi ) = {lv }. De ea e ea plus, ce sous chemin comporte ncessairement une arte par voisin u de vi de couleur clu u pour un e e label l LU formant avec lv une paire admissible (lu , lv ) uvi . Aecter ` un voisin u de vi le label a lu permet donc de couvrir larte {u, v} E. En aectant ainsi les labels on obtient un labeling e couvrant toutes les artes de E. Son cot est car pour chaque couleur du chemin correspondant e u a ` un sommet u U , exactement un label ` t aect au sommet u. En eet, mme si une couleur aee e e contient plusieurs artes dans plusieurs sous chemins dirents, elle reprsente toujours le mme e e e e couple de LU U et le label correspondant nest aect quune seule fois au sommet u. e Inversement un labeling couvrant toutes les artes de E de cot induit un x1 x|V |+1 -chemin e u color utilisant couleurs. Soit lensemble de couleurs C = {clu |l fU (u) LU , u U } contenant e les couleurs associes aux paires label-sommet (lu , u) tel que le label lu a t aect au sommet u e ee e par le labeling. Par dnition, cet ensemble de couleur est de taille . De plus pour un sommet e vi V , toutes les artes de E incidentes ` vi sont couvertes par le labeling. fV (vi ) contient donc e a au moins un label lv pour lequel il existe un label lu LU appartenant ` fU (u) pour tout sommet a u U voisin de vi et tel que (lu , lv ) uv est admissible pour larte {u, v}. Par dnition de e e lensemble de couleurs C, la couleur associe ` chacun des couples (lu , u) prcdents appartient ` e a e e a C. Par construction du graphe color G, il existe entre xi et xi+1 un chemin utilisant exactement les e couleurs cluu associes aux couples prcdents. Lensemble de couleurs C permet donc de connecter e e e x1 et x|V |+1 , il sagit donc dun chemin color de taille . e Dapr`s la preuve dinapproximabilit pour ce probl`me donne dans [DS04b], nous pouvons e e e e 1 considrer uniquement des instances de Minimum Label Cover telles que |LU | = O(2log |V | ) e 1 1 3 |V | 2 (pour |V | assez grand) et |U | |V |(log log |V |) 2 |V | 2 pour lesquelles le facteur dinapproxi1 1 mabilit en 2log |V | pour = (log log |V |) et < 2 est prouv. Comme le nombre de couleurs e e de linstance de Minimum Color st-Path construite est gal ` |U ||LU | et que par hypoth`se e a e 2 , nous pouvons en dduire le thor`me. |U ||LU | |V | e e e Pour le probl`me Minimum Color st-Cut, il sut de remarquer que le graphe color construit e e est bien un graphe srie-parall`le comme indiqu en section 4.2.1.3 (page 66) et que le facteur e e e dinapproximabilit est exprim en fonction du nombre de couleurs et non du nombre de sommets. e e La gure 4.19(b) donne linstance de Minimum Color st-Path construite ` partir de linstance a de Minimum Label Cover de la gure 4.19(a) selon la rduction prcdente. Le label 2 nest pas e e e ligible pour le sommet e, il appartient ` la relation ae mais pas ` la relation ce . Aecter le label e a a 2 au sommet e empcherait donc de couvrir larte {c, e}. e e Enn, notons que le probl`me MC-st-Path est un cas particulier du probl`me color consistant e e e a ` trouver un arbre de Steiner (annexe A page 138) utilisant un nombre minimum de couleurs. Ce dernier est donc aussi dicile ` approximer que le probl`me MC-st-Path. a e 4.2.5.2 Minimum Color Spanning Tree

Ce probl`me a t tudi dans [CL97, KW98, WCX02] sous le nom de Minimum label spane ee e e ning tree. Sa complexit ne dpend pas du span des couleurs et est identique ` celle du probl`me e e a e Minimum Set Cover avec lequel sa complexit et un rsultat dinapproximabilit sont montrs. e e e e

` 4.2. COMPLEXITE DES PROBLEMES COLORES

81

a U b V e ae = {(2u, 1v ), (4u, 1v ), (4u, 2v ), (2u, 2v ), (3u, 3v )} ce = {(4u, 1v ), (2u, 1v ), (3u, 1v ), (1u, 3v )}

af = {(3u, 1v ), (1u, 2v ), (4u, 4v ), (3u, 4v )} f bf = {(1u, 1v ), (3u, 2v ), (1u, 2v ), (4u, 2v ), (2u, 4v )} df = {(3u, 1v ), (4u, 1v ), (4u, 2v ), (3u, 2v ), (1u, 4v )} cg = {(4u, 1v ), (3u, 1v ), (2u, 2v ), (3u, 2v )} dg = {(3u, 1v ), (2u, 1v ), (4u, 2v ), (1u, 2v )}

d LU = {1u, 2u, 3u, 4u} LV = {1v , 2v , 3v , 4v }


(a) Instance de Minimum Label Cover

1 ca2

cc4 cc2

cd3 1 ca3 cd3 cd4 x2 cb2 cd4 cb1 cb3 cb1 2 c a1 cb4 ca4 ca3 cd1 4 cc4 cc3 x3 cc2

1 cd3 cd2 x4 cd1 2

ca4 cc3 x1 ca3 3

cc3 cd4

cc1

(b) Instance de Minimum Color st-Path

Fig. 4.19 Illustration de la rduction de Minimum Label Cover ` Minimum Color st-Path. e a

Thor`me 4.6 ([WCX02]) Le probl`me Minimum Color Spanning Tree est NP-dicile mme e e e e dans les graphes colors de span maximum 1. De plus il nest pas approximable ` un facteur e a (1 ) ln(|V | 1) pour tout > 0 ` moins que N P T IM E(nlog log n ). a Preuve: Nous construisons un graphe color G ` partir dune instance de Minimum Set e a Cover. Chaque sous-ensemble si de linstance de Minimum Set Cover est identi ` une couleur ea ci du graphe color (gure 4.20). e Les sommets du graphe G sont lunion des lments ` couvrir u1 , . . . , un de linstance de couee a verture et dun sommet supplmentaire u0 . e Ensuite pour chaque sous-ensemble si , tous les sommets de si {u0 } forment une clique de couleur ci dans G. Pour linstance de Minimum Set Cover initiale, cela revient ` dire quil existe a un lment u0 U qui appartient ` chaque si S. Cet ajout na aucune inuence sur les solutions ee a du probl`me de couverture, mais garantit que toute couverture de U donne un sous-ensemble de e couleurs connexe dans le graphe G.

82

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES


u1 u5 u1 c3 u5 c1 u4 c4 u2 c2 c1 u4 u0 Minimum Color Spanning Tree c1 c3 c4 c2 c2 u3 u2

u3

Minimum Set Cover

Fig. 4.20 Exemple dinstance de Minimum Color Spanning Tree construit ` partir dune a instance de Minimum Set Cover.

Notons de plus que pour chaque couleur ci le sous-graphe induit par ses artes est connexe e puisque cest une clique sur les sommets si {u0 }. Un arbre couvrant color C = {ci1 , . . . , ci|C | } C du graphe ainsi construit induit une couvere ture des lments de U , S = {si1 , . . . , si|C | }, et vice versa grce ` la prsence du sommet u0 . ee a a e Enn, le nombre de sommets de linstance darbre couvrant color est gal au nombre dlments e e ee de linstance de Minimum Set Cover initiale plus un lment supplmentaire qui appartient ` ee e a tous les ensembles si . Ainsi approximer ` un facteur (1 ) ln(|V | 1) pr`s la taille minimum dun a e arbre couvrant color dans le graphe construit revient ` approximer ` un facteur (1 ) ln(|U | 1) e a a pr`s la solution optimale de linstance de Minimum Set Cover, ce qui est dicile ` moins que e a N P T IM E(nlog log n ) [Fei98]. La ressemblance avec la Minimum Set Cover ne sarrte pas l`, lalgorithme glouton tudi e a e e dans [CL97, KW98, WCX02] est semblable ` celui de [Sla96] et permet dobtenir un facteur dapa proximation similaire en H(|V | 1) pour le probl`me Minimum Color Spanning Tree dans le e cas gnral pondr. e e ee Lalgorithme part du graphe dpourvu de ses artes, i.e. comportant |V | composantes connexes e e rduites ` un sommet, et ajoute ` chaque itration les artes de la couleur la plus avantageuse, e a a e e fusionnant ainsi plusieurs composantes connexes deux par deux. Lalgorithme termine lorsque le graphe est connexe apr`s au plus min{|V |, |C|} itrations. Par construction, les couleurs ainsi choisies e e forment un arbre couvrant color. e On note wc le poids de la couleur c et ni le nombre de fusions entre deux composantes ralises e e c si la couleur c est choisie ` litration i, i.e. la dirence entre le nombre de composantes avant et a e e apr`s lajout des artes de couleur c. Le cot rparti de la couleur c est alors le poids de la couleur e e u e c rparti sur lensemble des fusions eectues au cours de litration i si c est choisie, cest ` dire e e e a wc /ni . A une itration donne, choisir la couleur de cot rparti minimum est donc avantageux, e e u e c puisque cest celle qui permet la fusion de composantes connexes ` moindre frais. a Plus formellement lalgorithme glouton est le suivant : Thor`me 4.7 ([WCX02]) Lalgorithme glouton donne une approximation ` un facteur H(|V | e e a 1 1) pr`s du cot dun arbre couvrant color de cot minimum, o` H(|V | 1) = 1 + 2 + + |V 1 . e u e u u |1 Preuve: Au cours de lalgorithme, |V | 1 fusions doivent tre eectues. Sans perte de e e gnralit, nous supposons que la couleur ci est choisie ` litration i, et quil y a t itrations e e e a e e en tout.

4.3. FORMULATIONS EN MILP Algorithme 1 Approximation du probl`me Minimum Color Spanning Tree e 1: Initialisation : E , G (V, E), C , i = 0 2: tant que G nest pas connexe faire i 3: Calculer ni , et Choisir la couleur ci de cot rparti wci /nci minimum u e c 4: C C {ci }, E E ci , i i + 1 5: n tant que 6: retourner C

83

Plaons nous au dbut de litration i lors de laquelle la k eme fusion entre composantes connexes c e e a lieu et supposons que ni fusions restent encore ` eectuer. Alors ni |V | k puisquil reste a exactement (|V | 1) (k 1) = |V | k fusions juste avant deectuer la k eme pour un cot u k = wci /ni i . c Lajout dune partie des couleurs dune solution optimale permettrait de raliser les ni fusions e restantes pour un cot total infrieur ` loptimal OP T . Pour ne pas entrer en contradiction avec u e a ce fait, le cot rparti de la couleur choisie ci , i.e. le minimum des cots rpartis qui est aussi le u e u e wc wc OP T cot de la k eme fusion, doit vrier ni i OPiT et ainsi k = ni i |V |k . u e n
ci ci

Enn, puisque le cot de chaque couleur choisie par lalgorithme a t rparti sur les |V | 1 u ee e fusions entre composantes connexes, le cot total de larbre couvrant trouv est la somme des cots u e u 1 1 1 des fusions : 1 + 2 + + t1 + t OP T ( |V |1 + |V |2 + + 2 + 1) = H(|V | 1)OP T .

4.2.6

Synth`se des complexits e e

La table 4.1 prsente les rsultats principaux sur la complexit et lapproximabilit des probl`mes e e e e e colors. e

4.3

Formulations en milp

Dans cette section nous proposons des formulations en programmes linaires en variables mixtes e pour les probl`mes MC-st-Path, MC-st-Cut et MC-Cut. e

4.3.0.1

Formulation en milp pour MC-Cut et MC-st-Cut

La formulation suivante en milp exprime MC-st-Cut comme laectation de potentiels aux sommets du graphe ` travers les variables non ngatives xu , u V . a e Le graphe est partitionn en sous ensembles de sommets disjoints selon la valeur des potentiels e des sommets. Deux sommets u, v appartiennent au mme sous ensemble si et seulement si leurs e potentiels sont gaux xu = xv . e Si deux sommets adjacents u et v ont des potentiels distincts, xu = xv , alors la couleur c de larte les connectant doit appartenir ` la coupe colore. Pour ce faire la variable binaire yc associe e a e e a ` la couleur c est force de prendre la valeur 1 (ligne 4.2). e Les lignes 4.3 et 4.5 assurent que les sommets s et t sont bien dconnects par la coupe colore e e e puisque des potentiels dirents leur sont aects. e e

84

Max. number 2-Disjoint of Disjoint st-Paths st-Paths st-Paths 2-Min Overlap. Spanning Tree

Min. Color

st-Path

st -Cut Cut Multi

complexit e
1

NP-Dicile [YVJ05]
|C| 2
1

NP-Dicile 2log ? ? ? ? k ? ? NP-Complet NP-Dicile ? ? ? NP-Dicile > 0, k k


1

NP-Complet [Hu03] NP-Dicile [YVJ05] NP-Dicile [JRN04] > 0, |V | 4 ? NP-Dicile > 0, |V | 4 ?


1 1

NP-Dicile [CL97] o(log(|V |)) [WCX02] O(log(|V |)) [WCX02] NP-Dicile [CL97] o(log(|V |)) [WCX02] O(log(|V |)) [WCX02] NP-Dicile [CL97]

gnral e e

non approx ?

2log

|C| 2

approx

complexit e

NP-Dicile

span k

non approx k

> 0, k

approx

complexit e P P P P P

span 1

non approx

P [DS04a]

o(log(|V |)) [WCX02] O(log(|V |)) [WCX02]

approx P P
1

degr color born e e e

Tab. 4.1 Complexit et proprits dapproximabilit des probl`mes colors e ee e e e


? = probl`me ouvert, = (log log |C| 2 ) pour < 1 , = ne sapplique pas. e 2

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES

4.3. FORMULATIONS EN MILP

85

Minimiser t.q.

cC

yc c C, (u, v) c u V c C

(4.1) (4.2) (4.3) (4.4) (4.5)

yc |xu xv | xu 0 yc {0, 1} xs = 0 et xt = 1

La fonction objectif peut tre remplace par e e cC wc yc pour prendre en compte la version pondre du probl`me pour laquelle choisir une couleur c dans la coupe ne cote plus 1 comme ee e u dans le programme linaire ci-dessus, mais wc 0. e Ce milp contient assez peu de variables binaires et nimporte quel solveur peut lui trouver une solution optimale en un temps raisonnable tant que le nombre de couleurs |C| reste faible. Une formulation pour le probl`me Minimum Color Cut peut tre dduite de la formulation e e e donne pour Minimum Color st-Cut simplement en remplaant la ligne 4.5 : {xs = 0, xt = 1} e c par {xu = 0, vV xv 1} pour un u quelconque. En dautres termes, pour assurer lexistence de potentiels dirents, et donc dune partition des sommets du graphe, on impose dune part quun e sommet quelconque ait un potentiel nul et dautre part que la somme des potentiels soit non nulle, cest ` dire quau moins un sommet du graphe ait un potentiel non nul. a 4.3.0.2 Formulation milp pour MC-st-Path

La formulation suivante est adapte de [YVJ05]. Elle ne concerne quun seul chemin contraie rement ` celle de [YVJ05] qui modlise la recherche de plusieurs chemins colors et cherche ` a e e a minimiser le nombre moyen de couleurs utilises. Il sagit dune formulation sommet-arc classique e lg`rement modie. Pour trouver un chemin entre deux sommets s et t nous cherchons en fait un e e e ot de valeur 1 entre ces sommets, la variable relle ze 0 reprsente la valeur du ot circulant sur e e larte e. Il sut ensuite dajouter une variable binaire yc par couleur dont la valeur est xe par e e la derni`re contrainte pour que le probl`me modlis soit le probl`me MC-st-Path. La derni`re e e e e e e contrainte implique que si au moins une arte e de couleur c porte un ot non nul ze > 0, alors la e couleur c doit tre choisie et la variable yc > 0. Dans le programme 4.6, (u) est lensemble des e artes portant du ot entrant dans le sommet u, alors que + (u) est lensemble des artes portant e e du ot sortant de ce sommet. Programme Linaire 1 (MC-st-Path) e Minimiser
cC

yc si u = s, u = t 0 1 si u = s = 1 si u = t ze c C, e c e E c C {0, 1}

t.q.
e + (u)

ze
e (u)

ze yc yc

u V

ze 0

86

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES

Notons que dans [YVJ05] la variable ze est binaire alors que dans notre programme elle est relle. Nous avons relch la contrainte dintgrit de cette variable car si un ot de valeur 1 utilise e a e e e plus dun chemin alors en particulier il en utilise 1 ce qui sut ` connecter s et t. Lensemble de a couleurs trouv grce ` ce milp est donc ncessairement de taille minimum et connecte s et t, il e a a e sagit bien dun chemin color de taille minimum. e Nous pouvons dduire un second programme linaire mixte de la transformation dun graphe e e color utilise en section 4.2.3.3 pour montrer que si le nombre de couleurs de span suprieur ` 1 e e e a est born, le probl`me Minimum Color st-Path est polynomial. e e Programme Linaire 2 (MC-st-Path) e Minimiser
cC

yc si u = s, u = t 0 1 si u = s = u V 1 si u = t we c C, e = {u, v} tq u c ou v c e E c C {0, 1}

t.q.
e + (u)

we
e (u)

we yc yc

we 0

Il sagit encore de faire circuler une unit de ot du sommet s au sommet t mais cette fois dans le e graphe transform. La variable we 0 reprsente la valeur du ot sur larte e, la variable binaire e e e yc associe ` la couleur c vaut 1 si du ot traverse au moins un sommet u correspondant ` cette e a a couleur dans le graphe transform (not u c dans le programme 4.6), et 0 sinon. La premi`re e e e contrainte impose quun ot circule entre s et t et la seconde implique que si du ot circule sur une arte incidente ` un sommet u de couleur c, alors le sommet u est travers par du ot et la couleur e a e c appartient au chemin. Dans le programme 4.6 nous pouvons relcher les variables yc associes aux couleurs c de span a e gal ` 1, cest ` dire yc [0, 1] au lieu de yc {0, 1}. En eet dans une solution il existe une variable e a a yc dont la valeur nest pas enti`re pour une couleur c de span 1, alors le ot est fractionn entre e e plusieurs chemins. Tous ces chemins sont de cot gaux car sinon il serait possible de dplacer tout u e e le ot sur le chemin de cot minimum et ainsi dobtenir une meilleure solution. Par consquent u e nous pouvons dplacer tout le ot sur un unique chemin sans augmenter le cot de la solution. e u A partir dune solution fournie par le programme linaire mixte 4.6 dans lequel les variables yc e associes aux couleurs de span 1 sont relches, nous pouvons donc trouver un chemin utilisant un e a e nombre minimum de couleurs, pour cela il sut de retenir un seul chemin de cette solution. Il est donc possible de rduire le temps de calcul dun chemin color minimum en diminuant le e e nombre de variables binaires du programme 4.6. Lorsque le nombre de couleurs de span suprieur e a ` 1 est born, il y a donc un nombre born de variables binaires. Ainsi le nombre de combinaisons e e de valeurs pour ces variables est galement born et le programme peut tre rsolu en temps e e e e polynomial. Ceci rejoint le fait que le probl`me MC-st-Path est polynomial dans ce cas particulier e dj` tudi en section 4.2.3.3. eae e

4.4

Transformation

Les probl`mes doptimisation dans les graphes colors sont polynomiaux (pour la plupart) e e lorsque le span maximum des couleurs est 1 mais sont tr`s mal approximables dans le cas gnral. e e e

4.4. TRANSFORMATION

87

Par consquent il serait tr`s arrangeant pour traiter les instances issues de rseaux rels de travailler e e e e avec des graphes dont les couleurs sont au plus de span 1 apr`s la transformation et prsente ` e e e a la section 4.1.1 (page 58) dun rseau rel vers un graphe color. e e e Bien entendu tous les rseaux ninduisent pas des graphes colors de span maximum 1 mais e e plusieurs probl`mes de dcision ou doptimisation peuvent tre dnis pour formuler la question e e e e de la transformation dun rseau en un graphe aux spans aussi petits que possible. Nous nous e intresserons ` la minimisation du nombre de couleurs de span suprieur ` 1 apr`s avoir tudi le e a e a e e e probl`me consistant ` dcider si un rseau multicolor peut tre transform en un graphe color de e a e e e e e e span maximum 1.

4.4.1

Dcision : span 1 ? e

Dcider sil existe une transformation dun rseau en graphe color de span maximum 1 est e e e polynomial. Outre un premier traitement du rseau, dcider si une couleur peut tre de span 1 e e e ncessite deux vrications, lune concernant uniquement la couleur elle-mme et les proprits du e e e ee graphe quelle induit, lautre sintressant au partage des artes entre les couleurs. e e 4.4.1.1 Traitement initial du rseau e

Le rseau peut contenir des artes multicolores dun nombre quelconque de couleurs, cependant e e e seules deux dentre elles peuvent tre places aux extrmits du chemin qui remplacera cette arte e e e e e apr`s transformation. Ainsi si toutes les couleurs de larte sauf au plus deux ne sont prsentes dans e e e le rseau que sur cette arte, il est inutile den tenir compte. Quelles que soient leurs positions, elles e e seront ncessairement de span 1 et elles pourront tre places ` lintrieur du chemin comme les e e e a e couleurs c1 , c3 et c5 de la gure 4.21(a). Les extrmits seront alors libres pour placer les deux e e couleurs, c2 et c4 , qui ncessitent un regroupement avec une autre occurrence de leur couleur e autour de lun des sommets extrmit du chemin. Le placement illustr par la gure 4.21(b) permet e e e alors ` toutes les couleurs dtre de span 1. a e
c2 c6 c4 c7
c2 c2 c1 c3 c5 c6 c7 c4 c4

c1

c2

c3

c4

c5

(a) un rseau multicolor e e

(b) une transformation et du rseau multicolor en e e graphe color e

Fig. 4.21 Au plus deux couleurs peuvent tre places aux extrmits du chemin remplaant une e e e e c arte dun rseau multicolor. e e e En revanche pour larte {u, v} du rseau 4.22, les couleurs c1 , c2 et c4 sont toutes les trois e e prsentes sur dautres artes multicolores. Il est donc certain quau moins lune delle ne sera pas e e e place ` une extrmit du chemin et ne sera pas de span 1. e a e e Lemme 4.3 Un rseau multicolor dont une arte comporte au moins trois couleurs qui appare e e tiennent aussi ` dautres artes ne peut pas donner un graphe color de span maximum 1 par a e e transformation et.

88

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES


c2 c6 u c5 c6 c4 c1 c2 c3 c4 c4 c7 v c1

Fig. 4.22 Les couleurs de larte {u, v} ne peuvent pas tre de span 1 simultanment. e e e Une premi`re exploration du rseau multicolor permet ainsi dans certains cas de dcider quil e e e e nest pas transformable en graphe color de span maximum 1. Pour les autres cas, cette exploration e fourni un rseau simpli o` napparaissent que les couleurs dont la position sur les chemins du e e u graphe color a rellement une importance. e e Dans la suite ltude de la transformation est donc restreinte au cas o` les artes du rseau e u e e comportent toutes au plus deux couleurs distinctes. 4.4.1.2 Proprits des couleurs de span 1 e e

La premi`re vrication consiste ` dcider indpendamment des autres couleurs si une couleur e e a e e c peut tre de span 1 apr`s transformation et par ltude de lagencement des artes du rseau e e e e e portant la couleur c. Connexit Considrons le sous-graphe dune couleur c. Il sagit du sous graphe du rseau induit e e e par les artes multicolores portant la couleur c. La gure 4.23(a) prsente un rseau et les gures e e e e 4.23(b), 4.23(c), 4.23(d) et 4.23(e) les sous-graphes induits par les couleurs c1 , c2 , c3 et c4 . Si ce sous-graphe nest pas connexe la couleur ne peut videmment pas tre de span 1. Ceci peut se e e vrier en temps polynomial par un simple parcours des sommets. e Dans la suite nous considrons donc que le sous-graphe dune couleur c traite est connexe. e e Etoiles Dans le graphe dune couleur c les artes peuvent tre divises en deux classes, les artes e e e e xes et les artes positionnables. e Les artes xes sont des artes du rseau qui ne portent en fait quune seule couleur au lieu e e e de deux, comme les artes {s, u} et {u, t} du rseau 4.23(a) qui ne portent que la couleur c2 . Ces e e artes ne ncessitent pas de transformation puisquelles sont dj` monocolores (Figure 4.23(f)). e e ea e Outre ceci, leur particularit est que quoi quil advienne du reste du rseau, les deux extrmits e e e e dune arte xe pour la couleur c appartiendrons ` la mme composante connexe vis ` vis de cette e a e a couleur. Les artes positionnables correspondent ` toutes les autres artes multicolores du rseau qui e a e e e portent deux couleurs. Il faut donc positionner chaque couleur ` lune ou lautre des extrmits a e e du chemin de longueur deux qui remplacera larte positionnable apr`s transformation du rseau. e e e Deux sommets du rseau ne peuvent pas appartenir ` la mme composante connexe vis ` vis dune e a e a couleur c sils ne sont relis que par des artes positionnables portant cette couleur. En eet une e e fois la transformation eectue, la couleur c sera adjacente soit ` lun de ces sommets soit ` lautre e a a mais pas aux deux en mme temps. Sur la gure 4.23(f) le chemin issu de larte {s, v} illustre e e cette proprit des artes positionnables, la couleur c4 est adjacente ` s mais pas ` v. ee e a a

4.4. TRANSFORMATION
u
c2 c 1 c4 c3 c2

89
u
c1

u
c2

c2

c3 c1 c2

c2
c1

c2

c1

c1

v
t

c2

(a) un rseau multicolor e e

(b) sous-graphe de la couleur c1

(c) sous-graphe de la couleur c2

u
c2 c1 c1 c2

c3

c2
c4

v s

c3

v t

c4

c1

c3 c3

c2

(d) sous-graphe de la couleur c3

(e) sous-graphe de la couleur c4

(f) graphe obtenu par transformation et du rseau e

Fig. 4.23 Exemple de rseau multicolor et des sous-graphes des couleurs. e e Par consquent pour quune couleur soit de span 1, il faut que toutes les artes positionnables e e soient adjacentes ` au moins une arte xe sil en existe dans le graphe de la couleur, mais aussi a e que les artes xes forment un sous-graphe connexe du graphe de la couleur. e Lemme 4.4 Dans un rseau multicolor, pour quune couleur comportant au moins une arte xe e e e puisse tre de span 1 apr`s une transformation et, il est ncessaire que : e e e 1. toutes les artes xes forment un sous-graphe connexe, e 2. toutes les artes positionnables soient adjacentes ` au moins une des artes xes. e a e En eet si deux artes xes comme les artes {x, y} et {z, t} pour la couleur c1 de la gure 4.24 e e ne forment pas une composante connexe mais sont relies par une arte positionnable, alors quelle e e que soit la position choisie pour la couleur sur cette arte positionnable, les deux artes xes ne e e feront pas partie de la mme composante. e Dautre part, sil ny a pas darte xe dans le sous-graphe de la couleur c, deux sommets de e ce graphe ne pourrons pas tre connexes apr`s transformation puisque les artes positionnables ne e e e permettent pas de connecter deux sommets. Ainsi, un seul sommet du graphe de la couleur peut faire partie de la composante de la couleur c apr`s transformation. Pour les besoins de la transformation e des sommets sont crs qui seront au milieu des chemins et qui eux pourront appartenir ` cette ee a composante, mais seul un sommet du rseau initial ne subsiste dans la composante connexe de la e couleur apr`s transformation, comme la couleur c1 des gures 4.23(a), 4.23(b) et 4.23(c) lillustre. e Pour trouver si un sommet convient il sut de vrier si lun dentre eux est adjacent ` toutes e a les artes multicolores portant la couleur traite c, cest ` dire de vrier si lintersection des e e e a e extrmits de toutes les artes nest pas vide. En dautres termes il faut vrier lexistence dun e e e e

90
x

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES


c1 y c1 c2 z c1 t

x ou x

c1

c1

c2

c1

c1

c1

c2

c1

Fig. 4.24 Deux artes xes pour une couleur doivent appartenir ` la mme composante connexe e a e sinon la couleur ne peut pas tre de span 1. e sommet au centre dune toile rassemblant toutes les artes de couleur c dans le graphe de cette e e couleur. On parlera de sommets centraux galement pour les extrmits des artes xes lorsquil e e e e en existe. Lemme 4.5 Dans un rseau multicolor, une couleur c ne comportant aucune arte xe ne peut e e e tre de span 1 apr`s transformation et que si lintersection de ses artes est non vide, cest ` dire e e e a que toutes ses artes doivent tre incidentes ` un mme sommet. e e a e La recherche de groupes dartes xes connexes ou dtoiles dans le graphe dune couleur e e ne permet pas seulement de dcider si toutes les couleurs du rseau pourront tre de span 1 e e e indpendamment les unes des autres apr`s transformation, mais permet aussi de positionner les e e artes des couleurs qui le peuvent. Si les artes de couleur c forment une toile de centre le some e e met u, alors elles devront toutes tre transformes en un chemin dont larte adjacente ` u est de e e e a couleur c, et cest la seule solution pour garantir le span. De mme, il ny a pas dalternatives pour e les artes adjacentes ` une arte xe, elles doivent ncessairement tre transformes en un chemin e a e e e e dont lextrmit adjacente ` une arte xe est de couleur c. e e a e Lemme 4.6 Soit c une couleur pour laquelle un ensemble non vide Kc de sommets centraux ` t aee trouv. Alors c ne peut tre de span 1 que si toutes les artes de couleur c sont incidentes aux e e e sommets de Kc apr`s transformation et. e Une seule sous classe dartes positionnables chappe ` ce placement forc, il sagit des artes e e a e e libres. Les artes libres pour une couleur sont les artes sur lesquelles le placement de cette couleur e e est sans incidence sur son span. Les artes portant une couleur qui nest prsente sur aucune autre e e arte du rseau, comme larte {s, v} pour la couleur c4 dans le rseau 4.23(a), sont des artes e e e e e libres. Dautres artes libres pour une couleur c sont les artes adjacentes ` leurs deux extrmits e e a e e a ` des artes xes appartenant ` la mme composante connexe vis ` vis de la couleur considre c. e a e a ee La position de la couleur c apr`s transformation sur ces artes na pas dimportance puisque les e e deux sommets auxquels c peut tre adjacente apr`s transformation font dj` partie de la mme e e ea e composante connexe vis ` vis de c. Dans le rseau 4.23(a) larte {u, t} est libre pour la couleur c2 a e e car elle est adjacente ` {s, u} et {s, t} qui sont xes toutes les deux. Cest grce ` la confrontation a a a avec les impratifs des autres couleurs qui partagent une arte du rseau avec c que la position de e e e c sur les artes libres pourra tre dtermine. e e e e Lemme 4.7 La position apr`s transformation et dune couleur c sur une arte e na aucune e e inuence sur le span de c dans les cas suivants : la couleur c nappartient qu` une seule arte, larte e, a e e larte e est adjacente par ses deux extrmits ` deux artes xes pour la couleur c. e e e a e

4.4. TRANSFORMATION 4.4.1.3 Cohabitation des couleurs

91

La confrontation avec les autres couleurs ne permet pas seulement de positionner les couleurs sur les artes libres mais aussi de dcider nalement si le graphe pourra tre de span 1. Apr`s e e e e les deux traitements eectus, sur chaque arte du rseau puis sur chaque couleur, les conits de e e e position entre deux couleurs constituent la derni`re raison pour laquelle un rseau ne pourrait pas e e tre transform en graphe de span maximum 1. e e Deux couleurs sont en conit lorsque des toiles ou des artes xes imposent quelles soient e e toutes les deux positionnes ` la mme extrmit dune arte du rseau quelles partagent. Dtecter e a e e e e e e un conit peut se faire en temps polynomial, puisquil sut dnumrer toutes les artes du rseau e e e e et de comparer les positions imposes pour chacune des deux couleurs partageant une arte. Notons e e quil ne peut pas y avoir de conit sur une arte qui est libre pour au moins une des deux couleurs, e ni pour les artes xes car elles ne portent quune couleur. e Lemme 4.8 Un rseau multicolor ne peut tre transform en graphe color de span 1 que si deux e e e e e couleurs partageant une arte peuvent ne pas avoir la mme position. e e 4.4.1.4 Artes multiples e

Les rseaux peuvent contenir des artes multiples qui requi`rent un traitement spcial du point e e e e de vue de la transformation.

c2 c2 c2 c3 c7 c5 c6 c6 c1 c3 c4 c1 c1

c2 c2

c4 c4

c1 c5

c4

Fig. 4.25 Rseau avec arte multiple. e e La premi`re remarque a propos des artes multiples est quelles peuvent parfois se dcomposer e e e en plusieurs artes multiples indpendantes comme dans le rseau 4.25. Les deux sous-ensembles e e e de couleurs C1 = {c2 , c3 , c4 , c7 } et C2 = {c1 , c5 , c6 } induisent une partition des artes composant e larte multiple {u, v}. Aucune arte entre u et v ne comporte ` la fois une couleur de C1 et une de e e a C2 . Ces deux sous-ensembles dartes peuvent donc tre traits indpendamment lun de lautre. e e e e Ensuite les couleurs peuvent tre classes en trois catgories. La premi`re catgorie regroupe les e e e e e couleurs libres sur une arte. Les couleurs c2 et c7 du rseau 4.25 sont libres puisque leur position e e

92

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES

est indirente. La couleur c2 est libre sur larte multiple {u, v} car u et v font tous les deux partie e e dune mme composante connexe vis ` vis de la couleur c2 alors que c7 est libre car cette couleur e a nest prsente dans tout le rseau que sur larte uv, son span sera 1 quoi quil arrive. e e e La seconde catgorie englobe toutes les couleurs qui doivent imprativement tre adjacentes ` e e e a un sommet prcis. Dans le rseau 4.25 la couleur c1 doit imprativement tre adjacente ` v, alors e e e e a que c4 doit tre adjacente ` u. La position de ces couleurs est xe comme sur nimporte quelle e a e arte positionnable. e La troisi`me catgorie comprend les couleurs semi-libres nayant pas dimpratif concernant le e e e sommet auquel elles seront adjacentes, mais devant cependant tre adjacentes ` un unique sommet. e a Cest le cas des couleurs c3 , c5 et c6 du rseau 4.25. En eet la couleur c3 peut tre indiremment e e e adjacente ` u ou v, mais si lune des occurrences de c3 dans larte multiple est adjacente ` u, par a e a exemple, alors toutes les occurrences de c3 devront aussi tre adjacentes ` u. Ces artes ne sont e a e pas libres mais ne peuvent tre positionnes que par confrontation avec les autres couleurs. Notons e e que les couleurs c5 et c6 sont en conit d`s lors que la couleur c1 est positionne puisqualors elles e e doivent toutes les deux tre adjacentes au sommet u, mais comme elles partagent une arte cela e e est impossible. Lemme 4.9 Une couleur c semi-libre ne peut tre de span 1 apr`s transformation et que si les e e positions laisses libres pas les autres couleurs sur les artes portant la couleur c, sont toutes incie e dentes ` un mme sommet. a e 4.4.1.5 Algorithme exact et polynomial

Lexistence dun algorithme polynomial dcidant si un rseau multicolor peut tre transform e e e e e en graphe color de span maximum 1 repose sur les points voqus prcdemment et rsums ici : e e e e e e e Si plus de trois couleurs partagent une arte et sont aussi prsentes sur au moins une autre e e arte du rseau, elles ne peuvent pas tre de span 1 simultanment, ce qui permet de se limiter au e e e e cas ou chaque arte porte au plus deux couleurs (lemme 4.3 page 87). e Pour quune couleur puisse tre de span 1, soit il existe des artes xes, et alors elles doivent e e former un sous-graphe connexe et les autres artes doivent tre adjacentes ` au moins une arte e e a e xe, soit il nen existe pas et toutes les artes doivent avoir un unique sommet en commun (lemmes e 4.4 et 4.5 pages 89 et 90). Lorsque toutes les artes dune couleur sont incidentes ` un ensemble de sommets centraux, la e a position de cette couleur sur ces artes est impose, except pour les artes libres (lemmes 4.6 et e e e e 4.7 page 90). Deux couleurs partageant une arte ne peuvent tre de span 1 que si les positions qui leur sont e e imposes ne sont pas en conit (lemme 4.8 page 91). e Enn, les couleurs semi-libres peuvent tre de span 1 ` condition que les positions laisses par e a e les couleurs avec lesquelles elles partagent une arte soient toutes adjacentes ` un mme sommet e a e (lemme 4.9 page 92). Chacun de ces points permet de dtecter des conits qui empchent un rseau dtre transform e e e e e en un graphe color de span 1. Si aucun de ces conits nest trouv, alors on obtient pour chaque e e couleur un positionnement qui nest en conit avec aucune autre couleur, et qui est tel que la couleur est de span 1 dans le graphe color issu du rseau. Les couleurs semi-libres peuvent tre e e e positionnes en sorte davoir span 1 sans conit, les couleurs qui comportent des artes xes et e e celles qui nen comportent pas galement, ce qui couvre lensemble des couleurs. e Dautre part toutes ces vrications peuvent se faire en temps polynomial. Nous proposons e en annexe B un algorithme de complexit O(|C||ER | + |C|2 |ER | + |ER |) qui ne prtend pas tre e e e

4.4. TRANSFORMATION

93

optimis. e Le premier traitement ncessite un parcours des couleurs pour chaque arte (O(|C||ER |)). e e Dterminer les couleurs semi-libres peut se faire par un parcours des artes pour chaque couleur e e (O(|C||ER |)). Pour chaque couleur un parcours des artes permet de dterminer les sommets cene e traux, un second de vrier la connexit des artes xes lorsquil en existe, et un troisi`me permet e e e e de xer les positions des couleurs sur les artes incidentes aux sommets centraux (O(|C||ER |)). Pour e positionner chaque couleur semi-libre il faut dans un premier temps trouver une arte partage avec e e une couleur dj` positionne (O(|C||ER |)) puis parcourir toutes les artes comportant cette couleur ea e e semi-libre (O(|C||ER )). Ensuite sil nexiste plus de couleur semi-libre partageant une arte avec une e couleur dj` positionne, il faut positionner lune des couleurs semi-libres restantes alatoirement ea e e (O(|ER |)) et recommencer depuis le dbut du positionnement des couleurs semi-libres jusqu` ce e a quil nen reste plus. La complexit en temps de lalgorithme que nous proposons pour le positione nement des couleurs semi-libres est donc O(|C||ER | + |C|2 |ER |). Enn la confrontation des couleurs sur chaque arte ncessite un simple parcours des artes (O(|ER |)). e e e

4.4.2

Maximiser le nombre de couleurs de span 1

Comme il nest pas toujours possible dobtenir un graphe color de span maximum 1 apr`s e e transformation dun rseau, le probl`me de maximiser le nombre de couleurs de span 1 prend tout e e son intrt. En eet, nous avons vu dans la section 4.2.3.3 (page 70) que la rsolution de plusieurs ee e probl`mes peut se faire en temps polynomial si le nombre de couleur de span plus grand que 1 est e born. Aussi, tant donn un rseau multicolor, il serait tr`s intressant de savoir le transformer e e e e e e e en un graphe color dont le nombre de couleurs de span 1 est maximum. Ceci permettrait entre e autres de savoir identier des cas polynomiaux. Cependant, nous allons voir que le probl`me de e transformer un rseau multicolor en un graphe color tout en maximisant le nombre de couleurs e e e de span > 1 est NP-dicile et dicile ` approximer. a Nous pouvons formaliser ce probl`me de la faon suivante. e c Probl`me 4.8 (Transformation) e Entre : e Un rseau multicolor R = (VR , ER , C). e e Sortie : Un graphe color G = (VG , EG , C) obtenu ` partir de R par la transformation e a et, cest ` dire en remplaant chaque arte multicolore de ER par un chemin a c e e dartes monocolores dans G. e e Maximiser le nombre de couleurs de span 1 dans G.

Objectif :

En dautres termes, les solutions du probl`me sont des placements des couleurs sur les chemins e dartes monocolores remplaant les artes multicolores de R. e e c e e 4.4.2.1 Complexit et approximabilit e e

La complexit de ce probl`me dcoule dune rduction du probl`me Maximum Set Packing. e e e e e Thor`me 4.9 Il existe une rduction prservant lapproximabilit du probl`me Maximum Set e e e e e e Packing vers le probl`me Transformation. e Preuve: Soit R un rseau construit ` partir dune instance quelconque de Maximum Set e a Packing. Ce rseau multicolor contient un sommet ui pour chaque lment ui U , chaque sommet e e ee est connect ` un mme sommet supplmentaire v de R par une arte multicolore formant ainsi ea e e e e une toile (Figure 4.26). e

94

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES

Chaque sous-ensemble cj C de Maximum Set Packing est identi ` une couleur du rseau ea e R et lensemble de couleurs de larte multicolore vui reprsente la sous collection densembles e e e cj C contenant ui dans linstance de Maximum Set Packing. Si un ensemble ck est rduit ` un seul lment uk , un sommet ukbis est ajout au rseau R et e a ee e e connect ` v par une arte dont lensemble de couleurs est rduit ` la couleur ck . ea e e a Un ensemble cj C est ainsi reprsent par sa couleur sur les artes multicolores connectant v e e e e a ` chacun des sommets correspondant ` un de ses lments. a ee Puisque chaque ensemble cj C est reprsent sur au moins deux artes multicolores, pour e e e e tre de span 1 chaque arte dune couleur donne doit tre adjacente ` v apr`s transformation, et e e e e a e une seule couleur par arte multicolore ne peut tre adjacente ` v. Ainsi deux couleurs portes e e e a e par une mme arte ne peuvent pas tre de span 1 simultanment et donc deux couleurs de span 1 e e e e correspondent ` des ensembles disjoints puisquelles ne doivent pas partager dartes. a e Par consquent un ensemble de couleurs de span 1 dans le graphe color obtenu apr`s la transe e e formation du rseau R correspond ` une sous collection de mme taille densembles ncessairement e a e e disjoints de C dans linstance de Maximum Set Packing initiale. Dautre part, une sous collection densembles disjoints pour linstance de Maximum Set Packing induit un ensemble de couleurs pouvant tre de span 1 simultanment apr`s transformation e e e du rseau R de mme taille que la sous collection. Puisque les ensembles de la sous collection sont e e disjoints, les couleurs qui les reprsentent dans le rseau ne partagent deux ` deux aucune arte et e e a e peuvent donc toutes tre adjacentes ` v en mme temps. e a e

u1
C1 C2

u1
C1 C2 C C 4 C1 3 C4 C2

u3
C4

C3

u2

u3

u3bis

C3 u2

MAXIMUM SET PACKING

TRANSFORM

Fig. 4.26 Exemple de rseau construit ` partir dune instance de Maximum Set Packing. e a

Corollaire 4.3 Le probl`me Transformation est NP-Dicile et non approximable ` un facteur e a 1 |C| 2 pour tout > 0 sauf si P = NP. De plus, il est non approximable ` un facteur |C|1 pour a tout > 0 sauf si NP = ZPP2 . Le corollaire 4.3 ananti tout espoir de trouver de bonnes approximations du nombre maximum e de couleurs de span 1 obtenu par transformation dun rseau, mais laisse toutefois la possibilit e e dutiliser des mthodes heuristiques pour les instances relles ` rsoudre. e e a e 4.4.2.2 Une piste pour des mthodes heuristiques e

A chaque fois que lalgorithme de dcision dcrit en section 4.4.1 (page 87) produit une preuve e e quune couleur ne peut pas tre de span 1, il limine en fait une couleur sur laquelle une heuristique e e qui cherche ` maximiser le nombre de couleurs de span 1 na pas besoin de travailler. a
2

Voir annexe A

4.5. CONCLUSION

95

Par contre tous les choix ` faire par une telle heuristique rsident dans le fait que certaines a e couleurs ne peuvent pas tre de span 1 simultanment mais le pourraient indpendamment les e e e unes des autres. Par exemple lorsque trois couleurs portes par une mme arte sont prsentes sur e e e e dautres artes, ou lorsque deux couleurs doivent tre positionnes sur la mme extrmit dune e e e e e e arte pour tre de span 1. e e Le point de dpart pour une heuristique pourrait tre de dbarrasser chaque arte du rseau de e e e e e toutes les couleurs libres sur cette arte, puis dliminer toutes les couleurs qui ne peuvent pas tre e e e de span 1 quelles que soient les positions xes. Enn il sagirait de choisir lorsque deux couleurs e sont en conit pour une position laquelle des deux naura pas span 1 apr`s transformation. Comme e plusieurs stratgies sont toujours possibles en prsence de choix, ce cadre gnral peut donner lieu e e e e a ` plusieurs heuristiques direntes faisant intervenir plus ou moins de dcisions alatoires. e e e A dfaut de donner des solutions optimales cette procdure donne une borne suprieure du e e e nombre maximum de couleurs de span 1 dans le graphe obtenu apr`s transformation, cest le e nombre de couleurs qui pourraient avoir span 1 indpendamment des autres. e

4.5

Conclusion

Les graphes colors orent une modlisation simple des rseaux multiniveaux, adapte ` ltude e e e e a e des probl`mes doptimisation fondamentaux relatifs au routage et ` la tolrance aux pannes en e a e prsence de groupes de risque. Ces probl`mes, drivs de la thorie des graphes classique, se rpartise e e e e e sent en probl`mes de connexit et probl`mes de vulnrabilit. Les probl`mes de connexit consistent e e e e e e e a ` trouver des chemins entre deux sommets du graphe. Il sagit par exemple de trouver des chemins couleurs disjoints entre deux sommets : ils reprsentent dans un rseau un ensemble de chemins ne e e tombant pas en panne simultanment. Un chemin utilisant un minimum de couleurs est en pratique e un chemin de probabilit de panne minimum. Les probl`mes de vulnrabilit sont dun point de e e e e vue de la thorie des graphes des probl`mes de coupe. En eet un graphe color dont la coupe e e e minimum en nombre de couleur est faible reprsente un rseau qui peut tre dconnect par un e e e e e faible nombre de pannes. Contrairement ` leurs quivalents classiques polynomiaux, ces probl`mes sont diciles et mal a e e approximables. De plus, nous avons montr que les relations essentielles qui constituent les lments e ee de base des mthodes de rsolution de nombreuses questions de tolrance aux pannes dans les e e e rseaux ` un niveau, ne sont plus vraies dans les graphes colors. Cest le cas de la relation ot e a e max-coupe min. Nous avons contribu ` lapprofondissement des connaissances sur les graphes colors en tudiant ea e e la complexit et linapproximabilit des probl`mes colors. Nous avons amlior certains rsultats e e e e e e e et nous en avons propos de nouveaux, mais surtout, nous avons mis en vidence un param`tre e e e incontournable de la complexit des probl`mes Minimum Color st-Path et Minimum Color e e st-Cut, le span des couleurs. En eet, lorsque les couleurs sont de span born par une constante e k, ces deux probl`mes sont approximables ` un facteur k pr`s et non approximables ` un facteur e a e a pour une constante > 0 particuli`re. Pour k = 1 ces probl`mes sont polynomiaux alors k e e quen labsence dhypoth`ses sur le span ils sont diciles ` approximer ` un facteur 2log |C| 2 e a a 1 avec = (log log |C| 2 ) pour tout < 1/2 sauf si P = N P . De plus bien que la NP-dicult e du probl`me Minimum Color Cut reste une conjecture dans le cas gnral ainsi que lorsque e e e le span maximum du graphe est born par une constante, les quelques cas polynomiaux que nous e avons identis laissent supposer que la complexit et les proprits dapproximabilit de Minimum e e ee e Color Cut dpendent galement du span. e e
1 1

96

CHAPITRE 4. TOLERANCE AUX PANNES ET GRAPHES COLORES

En revanche, le span ne semble avoir aucune inuence (ou peu) sur les probl`mes de chemins e couleur-disjoints et Minimum Color Spanning Tree. Si le probl`me Minimum Color Spane ning Tree poss`de les mmes proprits que Minimum Set Cover, nous avons montr que e e ee e trouver un nombre maximum de chemins couleur-disjoints nest pas approximable ` un facteur a 1 O(n 4 ) pour tout > 0 sauf si P = N P . Suite au constat de limportance du span pour certains probl`mes, la question de la transformae tion dun rseau multiniveaux en graphe color prend tout son intrt. En eet, de cette transfore e ee mation dpend dans une certaine mesure le span des couleurs, et donc la complexit des probl`mes e e e prcdents. Nous avons montr que dcider si un rseau peut tre transform en un graphe color e e e e e e e e de span maximum 1 est polynomial mais quil est NP-dicile de maximiser le nombre de couleurs de span 1. Nous envisageons la poursuite de ltude des graphes colors sous dirents angles. Dans un e e e premier temps nous devons traiter la question de la transformation dun rseau multicolor en e e graphe color de span maximum deux ou tout autre constante, comme nous lavons dj` fait dans e ea le cas de span 1. Ensuite, il sagit de trancher les questions ouvertes comme la complexit de Minimum Color e Cut dans le cas gnral, les proprits exactes dapproximabilit des probl`mes colors, cest ` dire e e ee e e e a de trouver des algorithmes dapproximation et des facteurs dinapproximabilit serrs pour tous les e e probl`mes colors. e e Toutefois, les facteurs dinapproximabilit que nous avons dj` obtenus tant levs, conna e ea e e e tre des algorithmes dapproximation a un intrt essentiellement thorique. Dans la pratique, obtenir ee e une solution optimale mme au bout de plusieurs heures (jours ?) de calcul peut tre prfrable ` obe e ee a tenir une solution rapidement mais pouvant tre relativement loigne de loptimale en consquence e e e e dun facteur dapproximabilit lev. Ce peut tre le cas par exemple pour les probl`mes de e e e e e vulnrabilit pouvant intervenir dans le processus de planication et de roptimisation dun rseau. e e e e La question qui se pose est donc de trouver des mthodes de rsolution exactes, exponentielles mais e e cependant aussi ecaces que possible. Nous souhaitons en particulier approfondir linuence du span sur les probl`mes colors notamment par le biais de la complexit paramtrique [DF99, Nie06]. e e e e Enn, la recherche approfondie dventuelles proprits des spans des couleurs dans les graphes e ee colors issus de rseaux rels pourrait mettre en vidence de nouveaux cas polynomiaux. Lobjectif e e e e serait alors de proposer des mthodes de rsolution polynomiales ecaces, et si possible exactes, e e des probl`mes doptimisation dans les rseaux rels. Nous pourrions ainsi tendre les rsultats que e e e e e nous avons obtenus dans les graphes dont le nombre de couleurs de span suprieur ` 1 est born. e a e

Chapitre 5

Surveillance du trac
Mesurer dirents param`tres dun rseau et du trac qui y circule est essentiel pour estimer e e e les performances quil peut atteindre, pour identier et localiser certains probl`mes, en particulier e les pannes. Deux stratgies courantes, lune passive lautre active, sont utilises. Lapproche passive e e consiste ` quiper les liens du rseau dappareils spciques capables denregistrer le trac qui a e e e transite par ce lien. Pour lapproche active des paquets de contrle sont mis par les nuds, leur o e trajet et leur date darrive en dautres nuds fournissent de prcieuses informations. Les objectifs e e principaux dans le domaine de la surveillance du trac sont la minimisation des cots en terme u dquipements, de logiciels, de maintenance et de trac supplmentaire. e e Dans ce chapitre nous tudions le probl`me de laectation au liens du rseau dquipements e e e e denregistrement pour la surveillance passive et de laectation aux nuds dappareils dmission de e paquets de contrle pour la surveillance active. Minimiser le nombre dquipements et trouver leur o e localisation optimale sont essentiels pour le dploiement de la surveillance ` lchelle dun rseau. e a e e Nous prsentons une modlisation du probl`me grce ` laquelle nous obtenons des rsultats de e e e a a e complexit et dapproximabilit mais aussi des formulations en programme linaire mixte ecaces. e e e

5.1

Motivations

Internet et les rseaux ip sont au centre dactivits toujours plus nombreuses, les services proe e poss se multiplient. Tous ces services requi`rent des niveaux dexigence divers en termes de qualit, e e e de scurit, de abilit etc. An dtablir avec leurs clients des accords de service (sla pour Service e e e e Level Agreement) quils sont en mesure de respecter, les fournisseurs dacc`s ` Internet, ou isp pour e a Internet Service Provider, doivent maintenant conna tre avec prcision les performances de leurs e points de prsence (pop) et la nature des ux qui y circulent. La mtrologie est donc devenue une e e activit essentielle pour les oprateurs qui leur permet de concevoir une ingnierie ecace pour leurs e e e ores de services. Pour la recherche sur les rseaux de tlcom, la mtrologie est aussi importante e ee e car elle permet la validation et lamlioration des mod`les dont le but est de reprsenter le plus e e e d`lement possible la ralit. e e e Jusqu` maintenant les travaux sur la surveillance et lanalyse du trac ont port sur plusieurs a e th`mes [OASC03] comme la mesure de la qos (dlais, pertes, dbits etc) [JID+ 04], la tomograe e e phie du trac [HLO03], la dtection des points de congestion et la dcouverte de la topologie du e e rseau. Des tudes ont galement t menes dans le but de dterminer les matrices de trac et e e e ee e e les volutions de la nature du trac avec comme applications le dimensionnement de rseau et la e e dtection dintrusions [MVS01, KL03, BP01]. e 97

98

CHAPITRE 5. SURVEILLANCE DU TRAFIC

Plusieurs mthodes de mesure direntes ont t envisages, chacune permettant de mieux e e ee e comprendre un aspect spcique des rseaux ip. On distingue les approches passives, divises en e e e mesures passives en ligne et hors ligne, et les approches actives. La surveillance active est base sur lmission de trac supplmentaire dans le rseau et ltude e e e e e de son acheminement. Cest pour le moment la seule mthode qui permet ` un utilisateur de e a conna les param`tres du service dont il pourra bncier dans le rseau. Cependant ces mesures tre e e e e sont biaises par lintroduction du trac de mesure qui perturbe ltat du rseau. Les approches e e e actives sont tout de mme utilises couramment ne serait-ce quavec les outils classiques comme e e ping, qui permet en particulier la vrication de lexistence dun chemin entre deux machines et la e mesure du taux de perte, ou traceroute, qui donne la liste des routeurs traverss par les paquets e jusqu` leur destination et une indication de leurs temps dacheminement. La surveillance active a permet galement au niveau ip la dtection de panne dans le rseau. e e e Contrairement aux mesures actives, les mesures passives nont pour ainsi dire aucune incidence sur le fonctionnement du rseau. La surveillance passive consiste ` placer sur les liens du rseau des e a e appareils de mesure collectant le trac circulant sur le lien et enregistrant les informations importantes issues des paquets capturs comme leur date et heure darrive. Les analyses peuvent se faire e e soit en ligne, soit hors ligne. Pour les mesures en ligne, toute lanalyse doit tre eectue pendant e e la courte dure correspondant au passage dun paquet dans lappareil de mesure. Ce type danalyse e permet deectuer des mesures sur de tr`s longues priodes et ainsi dobtenir des statistiques signie e catives. Par contre le faible temps de calcul disponible pour chaque paquet limite la complexit e des calculs raliss. Dans le cas des analyses hors ligne, une trace du trac doit tre sauvegarde e e e e ce qui limite cette fois la dure des observations. Les calculs peuvent en revanche tre beaucoup e e plus approfondis et permettre ltude de proprits non triviales du trac. Lchantillonnage du e ee e trac (sampling) consiste ` ne garder la trace que dun certain pourcentage du trac, ce qui permet a deectuer des mesures sur de plus longues priodes. Il existe plusieurs techniques dchantillonnage e e qui seront dcrites plus tard. Dans tous les cas les mesures passives ne permettent pas de conna e tre les performances quun utilisateur peut attendre du rseau. e

5.2

Etat de lart

Plusieurs projets se sont intresss aux mesures de performances des rseaux. La mtrologie et la e e e e surveillance font lobjet dtudes partout dans le monde. Le groupe de travail ippm, ip Performance e Metrics, de lietf relatif aux mtriques de performances dip [PAMM98] dveloppe un ensemble e e de mtriques standards qui peuvent tre appliques aussi bien ` lvaluation des performances qu` e e e a e a la qualit et la abilit des services dacheminement de donnes de lInternet. Le groupe de travail e e e ipfix, pour ip Flow Information eXport, [QZCZ04] travaille sur la dnition du protocole ipfix et e des recommandations pour son implmentation. ipfix est inspir du protocole NetFlow de Cisco et e e a pour but lunication des mthodes de mesure des ux ip, de collecte et dchange de linformae e tion mesure entre les quipements du rseau. Lobjectif du groupe de travail bmwg, Benchmarking e e e Methodology Working Group, est dtablir des recommandations concernant la pertinence des indie cateurs de performance caractristiques pour diverses technologies de lInternet englobant ` la fois e a les quipements, les syst`mes et les services. La spcication des mthodes dchantillonnage des e e e e e paquets parmi les ux ip ainsi que des informations ` collecter est un des objectifs principaux du a groupe de travail psamp (Packet Sampling). La fonction du groupe de recherche imrg (Internet Measurement Research Group) de lirtf est dorir un espace dchange entre tous les groupes e travaillant sur le th`me gnral des mesures de lInternet. e e e Dambitieux projets ont t lancs pour eectuer des mesures relles dans lInternet grce ` ee e e a a

5.2. ETAT DE LART

99

des plateformes de grande chelle, comme nimi 1 (National Internet Measurement Infrastructure) e [PAM00]. Le groupe mna (Measurement and Network Analysis) du nlanr (National Laboratory for Applied Network Research) sintresse spcialement aux rseaux hpc (High Performance Connece e e tion), cest ` dire constitus de connections ` hautes performances alors que le projet ipmon (ip a e a MONitoring)2 de Sprint a pour objectif la mise en place dun syst`me gnral de mesure des e e e rseaux ip capable de collecter ` la fois des statistiques dtailles du comportement du trac au e a e e niveau paquet, et des statistiques sur les dlais, les pertes et autres indicateurs de performance du e rseau. e Les mesures sont ncessaires pour estimer les performances, ainsi quidentier et localiser les e probl`mes dans les rseaux. Les observations du trac reprsentent des donnes essentielles pour e e e e la gestion dun rseau et la recherche. La stratgie dploye pour obtenir ces informations est e e e e par consquent dune grande importance pour la communaut de chercheurs travaillant sur ce e e th`me [GT00, JJJ+ 00, SMW02] connu sous le nom de tomographie de lInternet. La majorit des e e contributions concernent soit la dcouverte de topologies soit la surveillance des dlais sur les liens. e e Des travaux comme [BDJ01] tudient les demandes de trac dans un rseau ip, lidentication e e des routes quelles utilisent et lvaluation des granularit de trac dont lutilisation permettrait e e une meilleure rpartition de la charge dans le rseau. Dans [JID+ 04], les auteurs proposent une e e mthodologie de surveillance passive permettant de collecter des informations spciques sur le e e trac en provenance dun metteur an destimer les performances dun rseau du point de vue e e dun utilisateur. Dautres travaux montrent que la surveillance active permet la dtection de pannes dans les e rseaux ip [HLO03, NT04, BR03]. En eet dans les rseaux ip aucune information sur ltat du e e e rseau nest fournie et la surveillance active prend tout son intrt dans la mise en uvre dune e ee ingnierie de trac. La surveillance active ncessite linstallation de plusieurs points de mesures, e e appels beacon, dont la fonction est lmission de paquets ip, ou sondes, ` destination de tous les e e a autres nuds du rseau. Une panne est dtecte lorsque plusieurs sondes successives nutilisent pas e e e le mme chemin entre leur source et leur destination [NT04]. e Tous ces projets et tudes utilisent largement la surveillance pour dtecter et signaler des e e probl`mes ou des anomalies, mais aussi pour la gestion et les probl`mes de conguration, de dise e ponibilit des ressources, et de dimensionnement des rseaux. La surveillance passive joue un rle e e o important dans la dtection dintrusions et de menaces. Cependant collecter et analyser les donnes e e du trac circulant dans un rseau nest pas chose aise. Dployer les instruments de mesure et les e e e beacons dans un rseau oprationnel est coteux et prend du temps. e e u Dans tous les projets et tudes lists ci-dessus, lobjectif principal est la minimisation des cots e e u de gestion et de dploiement en terme de nombre dinstruments de mesure pour la surveillance e passive ou de nombre de beacons actifs et de volume de trac supplmentaire pour la surveillance e active. Ainsi minimiser le nombre dappareils et leur trouver des localisations stratgiques est une e question essentielle, ncessaire au dploiement de plateformes de mesure ` grande chelle. Ce type e e a e de probl`me doptimisation a dj` t largement tudi [JJJ+ 00, BCG+ 01, BR03, HLO03, LTYP03, e eae e e e NT04, KK04, BDG04, CFL05, SGKT05]. Dans [SGKT05] des mthodes heuristiques pour le positionnement dinstruments de surveillance e passive dans un rseau et le contrle de leurs taux dchantillonnage sont prsentes. Lchantillonnage e o e e e e consiste pour un appareil ` capturer seulement un pourcentage du trac circulant sur le lien quil a surveille, ce pourcentage ou taux dchantillonnage peut tre rgl indpendamment pour chaque e e e e e appareil du rseau. Trois probl`mes principaux sont considrs. Le premier consiste ` maximie e ee a
1 2

http ://www.psc.edu/networking/papers/nimi.html http://ipmon.sprintlabs.com/

100

CHAPITRE 5. SURVEILLANCE DU TRAFIC

ser lutilit du trac captur avec un budget dinstallation dquipement x, lutilit du trac e e e e e captur est une fonction dnie dans [SGKT05]. Lobjectif du second probl`me est la minimie e e sation du cot dinstallation permettant datteindre un niveau dutilit x, alors que pour le u e e troisi`me probl`me, on souhaite simplement minimiser la somme des cots dinstallation et dexe e u ploitation des quipement sans xer de niveau dutilit. Le probl`me de la surveillance passive e e e avec chantillonnage est galement tudi. Une preuve de la NP-Compltude des probl`mes est e e e e e e donne en plus de mthodes heuristiques donnant des solutions pour chacun. Les performances de e e ces mthodes sont values par des simulations pour plusieurs matrices de trac et topologies de e e e rseau fournies par le gnrateur Rocketfuel [SMW02]. e e e Le probl`me de surveillance passive qui fait lobjet de [CDD+ 05] est celui que nous prsentons e e en section 5.3. Sa complexit et ses proprits dapproximabilit sont tudies pour des topologies e ee e e e de rseaux particuli`res. Sur les chaines, les anneaux et les toiles orients, il est polynomial alors e e e e que sur les arbres il est NP-dicile et approximable ` un facteur constant pr`s. Nous verrons que a e dans le cas gnral il est quivalent au probl`me Minimum Partial Cover. e e e e Le probl`me de la surveillance active est tudi en particulier dans [KK04] et [NT04]. Lobjectif e e e de [NT04] est la dtection de pannes multiples. Le principe des solutions proposes est de dterminer e e e dans un premier temps un ensemble de sondes permettant de surveiller chaque lien puis un ensemble de nuds o` des beacons pourront tre placs an dmettre les sondes choisies. Ce travail fait u e e e suite ` [BR03] qui sintressait ` la dtection dune seule panne avec des mthodes similaires. a e a e e Contrairement au cas de [BR03] o` les routes dans le rseau sont ges, dans [KK04] les beacons u e e placs doivent permettre la surveillance des liens quelles que soient les modications des routes qui e surviennent. Pour cela la phase de dtermination des sondes est modie. Pour chaque nud du e e rseau lensemble des liens qui pourront tre surveills par une sonde quelles que soient les routes e e e ip est calcul, lensemble des beacons est choisi ensuite. Lobjectif est de minimiser le nombre de e beacons placs comme dans [HLO03]. e La majorit des probl`mes de placement de beacons ou dappareils pour les mesures passives sont e e tr`s proches des probl`mes Minimum Partial Cover et Minimum Set Cover. Des preuves de e e complexit et des algorithmes dapproximation bass sur ceux connus pour Minimum Set Cover e e sont proposs dans la majorit des articles et dans ce chapitre. Ces travaux ont cependant t mens e e ee e indpendamment les uns des autres. e

5.3

Surveillance passive

Dans cette section nous considrons la surveillance passive. Comme mentionn prcdemment, e e e e la surveillance passive nintroduit pas de trac supplmentaire dans le rseau. Par contre les e e quipements de surveillance peuvent tre fort coteux en raison des capacits de traitement et e e u e de stockage de donnes requises. Il est donc tr`s important de minimiser dans le rseau le nombre e e e de ces quipements ` installer, que nous appellerons sondes dans la suite. Dautre part des tudes e a e [CFL04, DLT05] ont montr quil nest pas ncessaire de surveiller la totalit du trac mais seulee e e ment un certain pourcentage pour obtenir des informations exploitables. Dans la suite nous prsentons une modlisation du probl`me dont nous pourrons dduire des e e e e rsultats de complexit et dapproximabilit ainsi quune formulation en programme linaire mixte. e e e e

5.3.1

Mod`le de rseau e e

Avant de formaliser le probl`me, nous dcrivons le mod`le de rseau utilis. Le rseau est e e e e e e reprsent par un graphe G = (V, E) o` V est lensemble des nuds du rseau et E lensemble des e e u e

5.3. SURVEILLANCE PASSIVE

101

liens interconnectant les nuds. Un trac t dans ce rseau est un chemin simple pt entre deux nuds, ou sommets de V , dont e le poids est la bande passante utilise par les donnes transfres sur ce chemin depuis sa source e e ee jusqu` sa destination. Nous appelons charge dun lien la somme des poids des tracs empruntant a ce lien. Nous considrons dans un premier temps quune sonde installe sur un lien e permet de surveiller e e la totalit du trac empruntant le lien e. Ainsi surveiller une proportion k (0 < k 1) du trac e circulant dans le rseau consiste ` slectionner un sous ensemble des liens o` une sonde doit tre e a e u e installe en sorte que susamment de trac soit surveill. e e Le probl`me de la surveillance passive partielle du trac (Partial Passive Monitoring ou P P M (k)) e est de trouver un tel ensemble de liens de taille minimum. Probl`me 5.1 (P P M (k)) e Entre : e Un graphe G = (V, E), un ensemble D = {pi , vi } de chemins pondrs dans e e G et une constante k ]0, 1]. On note V = i vi le volume de donnes total e circulant dans le rseau. e Sortie : Un sous ensemble E E dartes tel que i|eE ,epi vi kV, cest ` dire e a tel que la somme des poids des tracs circulant sur ces liens est suprieure ` e a k pour cent du trac total circulant dans le rseau. e Objectif : Cardinalit de E . e Notons que P P M (1) consiste ` surveiller la totalit du trac du rseau, ce probl`me est appel a e e e e Passive Monitoring.

5.3.2

P P M (k) et Minimum Partial Cover

Dans cette section nous montrons que le probl`me P P M (k) est quivalent au probl`me Minie e e mum Partial Cover (annexe A) pour tout k ]0, 1]. Cette quivalence implique la NP-dicult e e et des proprits dapproximabilit et dinapproximabilit pour P P M (k). ee e e Equivalence et complexit Nous considrons une instance de Minimum Partial Cover sur e e un ensemble dlments U ` couvrir par des sous ensembles appartenant ` la collection S de sous ee a a ensembles de U . Intuitivement, les lments de lensemble U reprsentent les tracs et les sous ensembles de S ee e correspondent aux liens du rseau. Lobjectif pour P P M (k) est de minimiser le nombre de liens e permettant de couvrir k pour cent des tracs, ce qui correspond bien ` lobjectif de Minimum a Partial Cover consistant ` minimiser le nombre de sous ensembles permettant de couvrir au a moins k pour cent des lments. ee Thor`me 5.2 Le probl`me P P M (k) est quivalent au probl`me Minimum Partial Cover. e e e e e Preuve: Dans un premier temps nous construisons une instance de P P M (k) ` partir dune a instance quelconque de Minimum Partial Cover pour laquelle k% des lments de U doivent ee tre couverts, comme illustr par la gure 5.1. Soit G un graphe dont lensemble dartes E est e e e dni comme suit : e E contient une arte ei pour chaque si S. e si si sj = , E contient une arte eij et une arte eji qui sont ` la fois adjacentes ` ei et ej e e a a en sorte que ces quatre artes forment un cycle. e

102

CHAPITRE 5. SURVEILLANCE DU TRAFIC


c3

c3 u1 c2 c1

u3

c4 u4 p2

p4

u2

c5

Minimum Set Cover

PPM(k)

Fig. 5.1 Exemple dinstances de Minimum Partial Cover et PPM(k) quivalentes e

Notons que seulement 2|S| sommets sont ncessaires pour dnir E et ainsi G. e e Ensuite lensemble de tracs, D, contient un trac ti pour chaque lment ui de S. Le chemin ee pi associ ` ti traverse larte ej si et seulement si ui appartient ` sj . De plus pi peut utiliser toute ea e a arte ejk tant quil utilise aussi ej et ek . De tels chemins peuvent toujours tre trouvs3 en temps e e e polynomial par construction de G. Enn chaque trac ti est de mme poids que llment ui associ, e ee e cest ` dire 1. a Supposons maintenant que E est une solution optimale de linstance de P P M (k) ainsi construite. Une solution optimale S pour linstance de Minimum Partial Cover peut en tre dduite : e e si ei E alors si S . si eij E alors ni ei ni ej nappartiennent ` E . En eet tous les tracs empruntant eij a empruntent ncessairement ei et ej par construction, donc placer une sonde sur eij alors e quune est place sur ei (ou ej ) est redondant et contredit loptimalit de E . Ainsi eij peut e e tre remplace arbitrairement soit par ei soit par ej , cest ` dire ci C ou cj C . e e a E permet de couvrir au moins k% des tracs, par construction S aussi, puisque chaque lment ee correspond ` un trac et vice versa. De plus, E est de cardinalit minimum ce qui implique la mme a e e proprit pour S qui est par consquent optimal pour cette instance de Minimum Partial Cover. ee e Dautre part, une solution optimale S de linstance de Minimum Partial Cover induit une solution optimale E de linstance de P P M (k) construite. Pour chaque sous ensemble sj appartenant ` S , larte ej correspondante ` sj appartient ` E . Puisque k% des lments de U sont a e a a ee couverts par la sous collection S , et que chaque lment ui sj correspond ` un trac ti circulant ee a sur larte ej , k% des tracs sont surveills grce aux sondes places sur les artes de E . E est e e a e e ncessairement optimale pour P P M (k) sinon une solution meilleure que S pourrait tre construite e e a ` partir de E , contredisant loptimalit de S . e Construisons maintenant une instance de Minimum Partial Cover ` partir dune instance de a P P M (k) pour k ]0, 1] dans un graphe G = (V, E) avec un ensemble D de tracs. Chaque arte e de e G appartient ` un ensemble e de chemins associs aux tracs de D. Installer une sonde sur e signie a e que chaque trac ti de chemin pi e D est surveill. Linstance de Minimum Partial Cover e est alors dnie par U = D et S = {e , e E}. Soit E une solution de linstance de P P M (k), e une solution S de Minimum Partial Cover telle que |S | = |E | est obtenue simplement par S = {e D|e E }. De mme si S est une solution de Minimum Partial Cover, une solution e
Si ui appartient ` sj et sk , pi doit emprunter ej et ek . Ordonnons arbitrairement toutes les artes que doit a e emprunter le chemin pi , par exemple ek succ`de ` ej . Par construction il existe une arte ejk connectant les deux e a e artes conscutives ej et ek . Il sera donc toujours possible de trouver un chemin associ ` chaque ui qui nutilise que e e ea les artes associes aux ensembles contenant ui . e e
3

c5

 

 $  #   $###$$$ ##$ $ ##$ # $ # $ $#$##$$#$ #$ #$ #$ #

c1 p1 c2

    
p3 c4

 " !  "!!""!" !!" " !!" ! " ! " "!"!!""!" !" !" !" !

         

5.3. SURVEILLANCE PASSIVE

103

E de P P M (k) vriant |E | = |S | est dnie trivialement par E = {e E|e S }. e e Les deux probl`mes P P M (k) et Minimum Partial Cover sont donc quivalents. e e Etant donne lquivalence des probl`mes, les rsultats de complexit et dapproximabilit e e e e e e connus pour Minimum Partial Cover restent vrais pour P P M (k). Corollaire 5.1 Le probl`me P P M (k) pour une constante k ]0, 1] est NP-Dicile et approxie mable ` un facteur ln k|D| ln ln k|D| + o(1). Le probl`me P P M (1) nest pas approximable ` un a e a facteur (1 ) ln |D| pour tout > 0 sauf si NP time(nlog log n ).

5.3.3

P P M (k) et Minimum Edge Cost Flow

Dans cette section nous modlisons le probl`me P P M (k) en un probl`me de Minimum Edge e e e Cost Flow (annexe A) dans un graphe particulier. Cette modlisation classique des probl`mes de e e couverture nous a permis de voir le probl`me sous un angle lg`rement dirent et de le formuler e e e e en un programme plus ecace que ceux prcdemment utiliss [CFL04, SGKT05]. e e e Le probl`me Minimum Edge Cost Flow est un probl`me de ot classique entre deux sommets e e dans un graphe orient ` lexception des cots des artes qui sont binaires, le cot dutiliser un arc ea u e u est constant quelle que soit la quantit de ot qui y circule tant quelle est strictement positive, par e contre le cot est 0 si le ot sur cet arc est nul. u Probl`me 5.3 (Minimum Edge Cost Flow) e Entre : e G = (W, A) un graphe orient dont chaque arc a est de capacit ua et poss`de e e e un cot dutilisation xe ca , une requte de taille d entre une source S W u e et un puits T W . Sortie : un st-ot f satisfaisant la requte. e Objectif : le cot du ot f : la somme des cots des arc de ot non nul, u u
aA|fa >0 ca .

A partir dun instance quelconque de P P M (k), pour 0 < k 1, nous pouvons maintenant construire une instance de Minimum Edge Cost Flow associe. Cette construction est illustre e e a ` la gure 5.3.3. Commenons par dnir le graphe G = (W, A) c e 1. W contient un sommet we par arte e E, e 2. W contient un sommet wt pour chaque trac t D, 3. W contient deux sommets supplmentaires S et T , e 4. il existe un arc de capacit non borne et de cot 1 dans A de S vers chaque we , ainsi chaque e e u arc Swe correspond ` une arte e de linstance de surveillance, a e 5. il existe un arc dans A de we vers wt si et seulement si le chemin pt associ au trac t utilise e larte e dans G. La capacit de tels arcs nest pas borne et son cot est nul, e e e u 6. il existe un arc de capacit vt , le volume du trac t, et de cot nul dans A de chaque wt vers e u T. Lobjectif est de faire circuler de S vers T une quantit de ot gale au volume de trac devant e e tre surveill soit k tD vt . e e Dans le graphe G , les arcs we qui portent un ot non nul correspondent pour linstance de P P M (k) aux artes sur lesquelles il faut installer un appareil de mesure. e Proposition 5.1 Une solution optimale du probl`me Minimum Edge Cost Flow dans G induit e une solution optimale pour P P M (k) dans G.

104

CHAPITRE 5. SURVEILLANCE DU TRAFIC


E D

e1 t1 ,v 1 e3

t1 v, 0 1 t2 v2, 0 v3, 0

,1
e2

e1 t2 ,v2 e4 t3 ,v3 e6

e2 e3

S
e5 t4 ,v4 e7

e4 e5 e7 e6

,0
t3

v4, 0 t4

PPM(k)

Minimum Edge Cost Flow

Fig. 5.2 Instance de Minimum Edge Cost Flow construite ` partir dune instance de P P M (k) a

Preuve: Considrons un ot f solution de linstance de Minimum Edge Cost Flow construite e a ` partir dune instance de P P M (k). Les seuls arc de G de cot non nul sont les arcs (S, we ), par u consquent le cot dune solution est gal au nombre darcs (S, we ) portant un ot non nul. Lene u e semble des artes correspondant ` ces arcs dans linstance de P P M (k) sera not E dans la suite. e a e Dans une solution au probl`me Minimum Edge Cost Flow, le ot sur larc (wt , T ) peut e provenir de plusieurs arcs (we , wt ), cest ` dire que le trac t peut tre partag et donc surveill a e e e partiellement par plusieurs appareils sur des artes direntes. Or ce procd nest pas prvu dans e e e e e le probl`me de surveillance passive que nous tudions ici, puisquun appareil de mesure surveille la e e totalit du trac qui circule sur le lien o` il est install. Cependant nous pouvons supposer que le e u e partage du ot correspondant ` un trac ne se produit jamais dans G , il sut en eet de dporter a e tout ce ot sur un mme chemin, ce qui est toujours possible car les capacits des arcs concerns e e e ne sont pas bornes. e De plus, le volume correspondant au trac t pris en compte ne peut pas excder vt dans linstance e de Minimum Edge Cost Flow tant donn que la capacit de larc (wt , T ) est gale ` vt . e e e e a Enn, le volume total du ot traversant les sommets we e E est suprieur ` la demande e a k tD vt et doit traverser les arcs (wt , T ) atteignables depuis ces sommets we , cest ` dire les a arcs (wt , T ) correspondant aux tracs utilisant les artes e E . E est par consquent une solution e e du probl`me de surveillance et le volume de ot circulant ` la fois ` travers we et wt reprsente le e a a e volume du trac t que lappareil de surveillance install sur e doit surveiller. e De plus si E est lensemble dartes de G correspondant ` une solution optimale du probl`me e a e Minimum Edge Cost Flow, il sagit aussi dune solution optimale de linstance de P P M (k). Dans le cas contraire, soit E une solution optimale du probl`me P P M (k), alors |E | < |E | car e toute solution de linstance de Minimum Edge Cost Flow reprsente une solution de P P M (k), e mais E nest pas optimale pour P P M (k). Dautre part, une solution de Minimum Edge Cost Flow peut tre construite ` partir de e a e traverse ` la fois w et w . a E de la faon suivante. Premi`rement notons quun unique chemin pt c e e t Pour chaque arte e E nous ajoutons un ot de volume vt sur le chemin pe si le chemin pt e t utilise larte e dans G et si t na pas dj` t trait avec une autre arte de E . Comme un trac t e eaee e e nest trait quune seule fois la contrainte de capacit sur larc (wt , T ) est respecte dans linstance e e e de Minimum Edge Cost Flow et la valeur du ot est au moins k tD vt puisque le volume du trac surveill est suprieur ` ce volume. Ce ot est donc une solution du probl`me Minimum e e a e Edge Cost Flow de cot |E | < |E | ce qui contredit loptimalit de E . u e

5.3. SURVEILLANCE PASSIVE

105

Formulation en programme linaire mixte Il existe deux formulations classiques des probl`mes e e de ot en programme linaire, la formulation arc-chemin et la formulation sommet-arc. Le proe gramme 5.1 est la formulation arc-chemin ` laquelle sont ajoutes des variables binaires (xe ) india e quant si le ot sur un arc (S, we ) est nul ou non. Les contraintes permettant de xer la valeur de ces variables sont galement ajoutes. e e Programme Linaire 3 (PPM(k)) e Minimiser
eE

xe ft e xe
te te

t.q.

vt tD vt

e E

ft e vt
ept

ft e k
tD ept tD

ft e 0 xe

e E t e e E

{0, 1}

ft e : quantit de ot circulant ` la fois ` travers we et wt e E t e , e a a xe : 0 si le ot est nul sur larc (S, we ), 1 sinon, La premi`re contrainte implique que le ot total circulant sur les chemins traversant un sommet e we est nul si lutilisation de larc (S, we ) na pas t paye. La seconde contrainte assure que la ee e capacit vt de chaque arc (wt , T ) nest pas viole. La troisi`me contrainte impose quune quantit e e e e de ot au moins suprieure ` la requte k tD vt circule entre S et T . La fonction de cot est e a e u simplement le nombre darcs (S, we ) portant un ot non nul. Apr`s avoir eectu des tests, nous avons constat que cette formulation nest pas plus rapide ` e e e a rsoudre que la formulation de [CFL04]. Elle comporte beaucoup plus de variables et de contraintes. e De plus la transformation de linstance initiale vers linstance de ot correspondante prend un peu de temps. Cependant, cette formulation nous a suggr que les contraintes dintgrit de certaines variables ee e e de la formulation de [CFL04] pouvaient tre relches. Le programme 4 est la relaxation que nous e a e avons obtenue ` partir de cette formulation. a Programme Linaire 4 (PPM(k)) e Minimiser
eE

xe x e t
ept

t.q.

t D vt

t vt k
tD tD

t xe

[0, 1] {0, 1}

t D e E

106

CHAPITRE 5. SURVEILLANCE DU TRAFIC

xe est gale ` 1 si un appareil de mesure doit tre install sur e, 0 sinon, e a e e t est le pourcentage du volume de trac t surveill. e Dans cette formulation le volume surveill dun trac nest pas tout ou rien du fait de la e relaxation des variables t . Ceci nest pas en contradiction avec la dnition du probl`me qui e e prcise que chaque trac est associ ` un unique chemin et quun instrument de mesure plac sur e ea e un lien surveille la totalit du trac qui y circule. En eet une fois quun instrument est install e e sur un lien dtermin grce aux programmes prcdents, si la solution du programme prvoit que e e a e e e seul un pourcentage du trac t sera surveill cest que le trac t emprunte un des liens surveills, e e et donc le trac t peut tre surveill intgralement. Il ny a aucune contrainte de capacit, ce qui e e e e compte est de savoir o` doivent tre placs les instruments pour pouvoir surveiller au moins un u e e certain pourcentage du trac. Si plus de trac peut tre surveill par les appareils installs, ce nest e e e pas un probl`me. e En plus de contenir un nombre rduit de variables binaires, ces deux formulations permettent de e calculer des solutions pour un probl`me un peu dirent. Supposons quun ensemble dinstruments e e de mesure soit dj` install dans un rseau et quun certain nombre dinstruments supplmentaires ea e e e doivent tre installs. Le nouveau probl`me est de placer les appareils supplmentaires an de e e e e maximiser le volume de trac surveill sans dplacer les instruments dj` en place. Les variables xe e e ea associes aux liens comportant dj` un appareil de mesure sont alors xes ` 1 et traites comme e ea e a e e des constantes et lobjectif devient de maximiser tD ept ft , ce qui permet de modliser le e nouveau probl`me. On peut aussi, pour un trac donn, chercher ` ajouter un nombre minimum e e a de nouveaux appareils ` un ensemble dj` install. Il sut de xer les variables correspondant aux a ea e instruments placs ` 1, et de rsoudre le programme 4. e a e Dautre part, par lajout dune contrainte, le probl`me dinstaller un nombre limit dappareils e e peut galement tre modlis. e e e e

5.3.4

Simulation et rsultats e

Nous avons voulu comparer sur plusieurs topologies de pop les solutions obtenues par lalgorithme dapproximation du probl`me Minimum Partial Cover et celles obtenues par le proe gramme linaire 4. e Nous avons utilis pour cela des topologies fournies par loutil Rocketfuel [SMW02] comme dans e [CFL04, SGKT05]. Nous supposons comme dans [NT04] que le trac ` lintrieur dun pop est rout suivant le a e e plus court chemin, du routeur par lequel il entre dans le pop au routeur par lequel il en sort. Contrairement ` [BR03] nous ne faisons pas lhypoth`se quentre deux routeurs le routage est a e symtrique, cest ` dire que le chemin puv de u vers v nutilise pas ncessairement les arcs inverses e a e de ceux utiliss pour le chemin pv u de v vers u. e Comme nous ne disposons pas de matrices de trac relles associes aux topologies testes, e e e nous avons gnr alatoirement plusieurs matrices. Lanalyse prsente dans [BDJ01] indique que e ee e e e la rpartition gographique du trac ` travers les pop est loin dtre uniforme. En particulier, ce e e a e comportement non uniforme provient de la mani`re dont est conu Internet (certains pop reoivent e c c beaucoup plus de trac que dautres ` cause de leur localisation gographique). a e Pour se rapprocher des cas rels et ne pas gnrer de trac uniforme entre tous les routeurs, e e e nous choisissons au hasard des paires de routeurs entre lesquels le trac sera plus important. La gure 5.3 prsente un pop et la charge de trac gnre alatoirement. e e ee e Tous les rsultats prsents sont en fait une moyenne sur 20 simulations. Nous avons utilis e e e e CPLEX pour rsoudre les programmes linaires mixtes. e e

5.4. SURVEILLANCE PASSIVE ET ECHANTILLONNAGE

107

Fig. 5.3 Charge des liens dun pop. Lpaisseur dune arte reprsente le pourcentage de trac e e e empruntant cette arte. Le trac nest pas uniforme. e La gure 5.4 synthtise les rsultats du placement dinstruments de mesure dans un pop ` 10 e e a routeurs, 27 liens et 132 tracs pour lalgorithme dapproximation de Minimum Partial Cover et le programme mixte. Laxe des abscisses indique le pourcentage de trac qui est surveill et e dmarre ` 75%. Laxe des ordonnes donne le nombre dappareils de mesure placs par les deux e a e e mthodes de calcul. e Premi`rement nous constatons que jusqu` 95% de trac surveill la courbe correspondant au e a e programme linaire mixte est presque linaire. Une cassure appara ` 95% de trac surveill, le e e t a e nombre dappareils requis double entre 95% et 100%. Ceci indique quil est plus conomique de ne e surveiller que 95% du trac total, le cot de surveiller les 5% restant est tr`s lev par rapport au u e e e gain dinformation supplmentaire. De plus lalgorithme dapproximation place en moyenne deux e fois plus de trac que la solution optimale fournie par notre formulation en programme mixte, ce qui est bien infrieur ` ln k132 ln ln k132 pour k > 0.1. e a La gure 5.5 montre les rsultats obtenus sur un pop ` 15 routeurs, 71 liens et 1980 tracs. On e a observe ici trois paliers. De 75% ` 85% de trac surveill la croissance du nombre dappareils est a e linaire en fonction du pourcentage de trac. De 85% ` 95% la croissance est toujours linaire mais e a e plus rapide et nalement la courbe prsente un accroissement important de 95% ` 100%, passant e a de 16 appareils ` 95% ` 41 pour 100% de trac surveill. La conclusion est la mme que pour le a a e e pop ` 10 routeurs, il est beaucoup plus conomique de ne surveiller que 95% du trac. a e Nous constatons galement que lalgorithme dapproximation semble ne jamais trouver la soe lution optimale mais que pour 15 routeurs les solutions trouves se rapprochent beaucoup plus de e loptimale que pour 10 routeurs.

5.4

Surveillance passive et chantillonnage e

Dans les sections prcdentes, les quipements de surveillance taient considrs idaux et cae e e e ee e pables denregistrer lintgralit du trac circulant sur un lien. En ralit ces quipements ne sont e e e e e pas conus pour analyser chaque paquet transitant sur un lien mais seulement un certain pourcenc

108

CHAPITRE 5. SURVEILLANCE DU TRAFIC

20 Greedy algorithm ILP 18

16 Number of monitoring devices

14

12

10

2 75 80 85 90 Percentage of monitored traffic 95 100

Fig. 5.4 Surveillance passive : placement dinstruments sur un pop ` 10 routeurs. a

50 Greedy algorithm ILP 45

40 Number of monitoring devices

35

30

25

20

15

10

5 75 80 85 90 95 100 Percentage of monitored traffic

Fig. 5.5 Surveillance passive : placement dinstruments sur un pop ` 15 routeurs. a

5.4. SURVEILLANCE PASSIVE ET ECHANTILLONNAGE

109

tage appel taux dchantillonnage. Etant donn le nombre vertigineux de paquets transitant sur e e e un lien haut dbit, comme une longueur donde ou une bre, la ncessit de rduire le volume de e e e e donnes surveilles est parfaitement justie. e e e Rduire la quantit de paquets traite et stocke contribue ` rduire le cot dexploitation des e e e e a e u appareils de surveillance dploys dans le rseau. Le cot dexploitation dpend du cot de traie e e u e u tement dun paquet et du taux dchantillonnage qui peuvent varier suivant les appareils. Lorsque e lchantillonnage est possible, la surveillance passive consiste ` placer des appareils en sorte de e a surveiller au moins k % du trac total, tout en minimisant le cot dinstallation de lensemble des u appareils ainsi que le cot dexploitation induit par les taux dchantillonnages aects ` chaque u e e a appareil. Dans la suite nous considrons quun trac t est lagrgation de tous les tracs entrant dans e e le rseau en un nud u et en sortant en un nud v. Le trac t suit entre les deux nuds u et v e le routage dtermin par la stratgie en uvre dans le rseau, cest ` dire quil ne circule pas sur e e e e a une route unique entre u et v comme dans les sections prcdentes, mais peut emprunter tout un e e ensemble de chemins simultanment entre u et v suivant le mod`le des ux de paquets dni en e e e section 2.3.3. Lensemble des chemins associs au trac t entre u et v est not Pu,v ou de mani`re e e e quivalente Pt , on note aussi P = t Pt . e Dans le cas o` ladministrateur du rseau souhaite une vue de tous les tracs circulant sans u e pour autant surveiller chaque chemin, nous pouvons introduire le param`tre ht , le pourcentage e minimum ` surveiller dun trac t. Notons que ht k puisque ht est relatif au seul trac t alors a que k concerne le trac total du rseau. e

5.4.1

Rduire la quantit de donnes e e e

Les techniques permettant de diminuer la quantit de donnes traite et stocke se divisent en e e e e trois classes principales. Filtrage : il consiste ` capturer seulement un sous ensemble des ux suivant un crit`re a e particulier, comme le type de protocole, le numro de port etc [ZMD+ 05]. e Classication : les paquets aussi peuvent tre classs, par exemple suivant leurs prxes e e e dadresse, et seules certaines classes sont surveilles. e Echantillonnage les paquets sont capturs (pseudo) alatoirement. Plusieurs mthodes e e e dchantillonnage ont t tudies [DLT05, DLT02, ZMD+ 05]. e eee e Lchantillonnage prsente de nombreux avantages. Premi`rement il ne ncessite que peu de e e e e calcul en comparaison avec les deux autres techniques, le ltrage et la classication. Ensuite, il ne ncessite aucune conguration et ainsi il est plus facilement adaptable aux volutions du trac et e e donc plus adapt ` la dtection de tracs malveillants. ea e

5.4.2

Techniques dchantillonnage e

Lchantillonnage et dune mani`re gnrale la rduction du volume de donnes traites, soul`ve e e e e e e e e de nombreux probl`mes. Lutilisation dun sous ensemble des paquets pour le calcul des statistiques e biaise les estimations et il nest pas toujours facile ou mme possible de dduire les caractristiques e e e du trac original ` partir des donnes chantillonnes. La mani`re deectuer lchantillonnage a une a e e e e e grande inuence sur les conclusions quil est possible de tirer des donnes rduites. Dans [Duf04], e e Dueld prsente direntes mthodes dchantillonnage et leurs avantages et inconvnients relatifs. e e e e e Echantillonnage temporel lappareil de surveillance capture des paquets ` intervalles de a temps rguliers. Cette technique est problmatique avec des applications ayant des contraintes e e de temps et qui mettent des paquets rguli`rement eux aussi. Sur les liens bas dbit en e e e e

110

CHAPITRE 5. SURVEILLANCE DU TRAFIC

particulier, un risque existe de ne considrer quun sous ensemble des ux et de manquer e dimportantes informations. Echantillonnage rgulier lappareil de surveillance capture exactement un paquet tout les e N paquets. Cette technique prsente de meilleurs rsultats que la prcdente car elle a plus e e e e de chance de capturer des paquets appartenant ` un ux tr`s bref (burst). Cependant les a e rsultats sont aussi inuencs par les tracs priodiques. e e e Echantillonnage probabiliste lappareil capture les paquets avec une probabilit 1/N . e Echantillonnage probabiliste bas sur une distribution lappareil capture un paquet e tout les X, X tant une variable alatoire suivant une loi donne (gomtrique, exponentielle) e e e e e desprance N . e Le projet franais Metropolis4 a tudi linuence de lchantillonnage sur la perception des c e e e ux dans un rseau. En considrant un paquet sur mille, lutilisation du mod`le classique de souris e e e et dlphants pour la classication des ux, dsignant respectivement des ux courts et longs, a ee e mis en vidence certaines erreurs didentication des ux par lchantillonnage. Avec seulement un e e paquet sur mille il est en eet dlicat de dcider ` quelle classe appartient un ux tant donn que e e a e e la probabilit de capturer plus de deux paquets de chaque ux lphant est faible. Quant aux ux e ee les plus courants, les ux souris, la plupart ne seront pas chantillonn du tout, et les statistiques e e tirs des traces dchantillonnage ont tendance ` surestimer leur volume. e e a Dautres contributions [DLT03, MUK+ 04] tudient le probl`me damliorer lestimation des e e e + 04] tudie plus particuli`rement caractristiques du trac ` partir de traces chantillonnes.[MUK e a e e e e le probl`me de lidentication des ux lphants avec un chantillonnage priodique. Il utilise le e ee e e thor`me de Bayes pour estimer la probabilit quun ux reprsent par plus de y paquets dans une e e e e e trace chantillonne soit en ralit compos de plus de x paquets dans la trace compl`te. [DLT03] e e e e e e propose de compter les paquets SYN identiant le dbut de la majorit des connexions tcp dans e e le but destimer plus prcisment le nombre de ux. A partir de cette estimation, il est plus facile e e de dduire des statistiques relles de traces chantillonnes. e e e e [SGKT05] tudie le probl`me de dterminer le positionnement optimal de sondes dans un rseau e e e e sous des contraintes de cot qui limitent en fait le nombre de sondes. Ils consid`re que si un mme u e e ux circule sur plusieurs liens chacun surveill par une sonde, alors ce ux ne sera chantillonn e e e quune seule fois. On peut sattendre ` ce quchantillonner plusieurs fois un mme ux par plusieurs sondes a e e direntes permette dobtenir des informations supplmentaires et des statistiques plus dtailles e e e e quavec une seule sonde.

5.4.3

Mod`le pour la surveillance avec chantillonnage e e

Dans cette section, nous dsignons le cot dinstallation dune sonde sur un lien e par costi (e) e u et le cot dexploitation de cette mme sonde par coste (e). Ces deux fonctions de cot peuvent tre u e u e gnrales, sans impact sur la formulation en programme linaire 5. Cependant le cot dexploitation e e e u est en gnral une fonction croissante concave [SGKT05] qui permet de prendre en compte le facteur e e dchelle. Notons galement que le mod`le de [SGKT05] est un programme non linaire mixte alors e e e e que le suivant est un milp qui peut tre rsolu beaucoup plus rapidement mme si le probl`me quil e e e e modlise est NP-Dicile. e

http://www.laas.fr/~owe/METROPOLIS/metropolis_eng.html

5.4. SURVEILLANCE PASSIVE ET ECHANTILLONNAGE Programme Linaire 5 (PPME(h,k)) e Minimiser s.c.


ep eE

111

(costi (e) xe + coste (e) re ) cot dinstallation et dexploitation u p re h


pPt

re xe p vp

p P e E vp vp
pP

pour tout trac t

pPt

p vp
pP

k [0, 1] {0, 1}

p , r e xe

p P, e E e E

Dans le programme 5, la variable binaire xe indique si une sonde est place sur le lien e. e La variable p reprsente ici le volume de trac chantillonn circulant sur le chemin p. Nous e e e introduisons la variable re qui reprsente le taux dchantillonnage de la sonde place sur le lien e. e e e La premi`re contrainte modlise simplement le fait quil est ncessaire dinstaller une sonde e e e sur un lien si du trac doit tre captur sur ce lien. Les contraintes suivantes imposent quun e e pourcentage minimum ht de chaque trac t soit captur et quau moins k pour cent du trac total e du rseau soit surveill. e e

5.4.4

Trac dynamique

Le programme linaire mixte prcdent ore une mthode pour minimiser les cots dinstallation e e e e u et dexploitation des sondes. Cependant le trac qui circule dans un rseau peut voluer. Une e e modication importante du trac peut anantir tous les eorts doptimisation et srieusement e e dgrader la qualit des informations collectes par les oprateurs. Or dun point de vue matriel il e e e e e nest pas concevable de dplacer une sonde dun lien vers un autre ` chaque uctuation du trac. En e a revanche, il est envisageable de modier les taux dchantillonnage des sondes pour les adapter aux e variations du trac. Il sut alors de trouver une solution au probl`me P P M E(h, k) lorsque tous les e xe sont connus puisque les sondes sont dj` installes. Ce probl`me est dsign par P P M E (x, h, k). ea e e e e Le probl`me P P M E (x, h, k) peut se formuler par le programme linaire 5 dans lequel tous les e e xe sont des constantes. Toutes les variables binaires ont disparu et il est possible de rsoudre en e temps polynomial ce probl`me puisquil se formule en programme linaire de nombre de contraintes e e et de variables polynomiaux. Dautre part, notons que ce probl`me peut sexprimer comme un ot de e cot minimum pour lequel des algorithmes polynomiaux ecaces nutilisant pas la programmation u linaire sont connus. e Dans le cas o` un oprateur souhaite maintenir un pourcentage minimum dchantillonnage ht u e e pour chaque trac t et un pourcentage global k sur le volume total de trac surveill, sil est en e mesure de dnir un seuil de tolrance T < k en dessous duquel la dgradation de la surveillance e e e devient critique pour ses applications, une stratgie simple permet de maintenir les contraintes e dchantillonnage dans un rseau. e e 1. Tant que
pP p

vp T

pP

vp , attendre ;

112

CHAPITRE 5. SURVEILLANCE DU TRAFIC

2. D`s que pP p vp < T pP vp , rsoudre e e (x, h, k), mettre ` jour les taux dchantillonnage des sondes ; PPME a e 3. Aller ` 1. a La rsolution du probl`me P P M E peut tre considre comme ltape initiale lors de linstale e e ee e lation de la surveillance dans un rseau. Pour une phase initiale, le temps de calcul ncessaire pour e e obtenir une solution optimale nest en gnral pas crucial. Cependant, une fois les sondes mises en e e place, le temps dadaptation du dispositif aux uctuations du trac devient un facteur clef et savoir rsoudre P P M E rapidement permet de rpondre ` cette exigence. e e a

5.5

Surveillance active

La surveillance active a reu beaucoup plus dattention que la surveillance passive dans la c littrature. Si cette approche implique un supplment de trac, elle permet des mesures direntes e e e et importantes. En gnral lobjectif est de trouver le nombre minimum de beacons dont les paquets e e sondes permettent de couvrir tous les liens du rseau [BR03, HLO03]. Lorsque les beacons sont e choisis, un ensemble minimum de paquets sonde ` mettre doit tre dtermin. Dans [NT04] une ae e e e approche dirente est propose. Elle consiste ` commencer avec un ensemble de beacons possibles, e e a ensuite ` calculer un ensemble optimal de paquets sonde et enn ` positionner les beacons en a a fonction des paquets ` mettre. Ils montrent que le placement des beacons est NP-Dicile et a e utilisent un algorithme glouton pour cette phase, ils slectionnent un beacon et suppriment tous e les paquets quil met et ainsi de suite. e

5.5.1

Le probl`me e

Pour tudier ce probl`me nous utilisons le mod`le de rseau de [NT04], i.e. un graphe non orient e e e e e G = (V, E) avec V correspondant ` lensemble des nuds du rseau et E reprsentant lensemble a e e des liens connectant les nuds. Un sous ensemble des nuds VB V du rseau peut accueillir un e beacon. A partir de cet ensemble VB les auteurs de [NT04] donnent un algorithme polynomial qui calcule le nombre optimal de sondes ` mettre. Ensuite ` partir de cet ensemble optimal de sondes, ae a les beacons utiles sont slectionns. Dans cette section, nous proposons damliorer cette phase de e e e slection. Notons bien que pour la surveillance active les appareils de mesure sont placs sur les e e nuds du rseau et non pas sur les liens comme pour la surveillance passive. e

5.5.2

Mthodes de rsolution e e

Le probl`me de placement des beacons peut se traduire en un programme linaire en variables e e binaires (ilp pour Integer Linear Programming). Supposons que soit lensemble de paquets sondes optimal ` mettre obtenu avec lalgorithme de [NT04]. Chaque sonde est identie par ses ae e deux extrmits u et v , sachant quune sonde allant de u ` v quivaut ` une sonde allant de e e a e a v ` u . Le programme linaire est le suivant : a e
n

min
i=1

yi

s.c. i V \VB yi = 0 et , yu + yv 1

5.5. SURVEILLANCE ACTIVE i V, yi {0, 1}

113

o` n = |V | est le nombre de nuds du rseau et y = (yi )iV est la variable reprsentant le u e e placement des beacons, i.e. yi = 1 si un beacon doit tre plac au nud i et yi = 0 sinon. e e La premi`re contrainte assure quaucun beacon ne sera plac sur un nud non autoris, cest e e e a ` dire les nuds qui ne sont pas dans VB . La seconde contrainte impose que chaque sonde sera mise par un beacon plac. Lobjectif est de minimiser le nombre de beacon ` placer. e e a Algorithmes dapproximation Dans [NT04] un algorithme de facteur dapproximation 2 est prsent. Il consiste ` choisir alatoirement un par un des nuds o` placer des beacons jusqu` ce e e a e u a que toutes les sondes soient couvertes par les beacons choisis. Nous proposons une variante sur le choix des beacons, au lieu de choisir alatoirement les nuds, e nous choisissons toujours en premier le nud qui permet de couvrir le plus de sondes ` la fois. Cette a modication ninue pas sur la preuve du facteur dapproximation, par consquent il sagit encore e dune 2-approximation. Comme nous le verrons dans la section suivante, notre algorithme donne de meilleurs rsultats e que celui de [NT04] sur les instances testes. e

5.5.3

Simulations et rsultats e

La topologie du rseau utilise pour ces simulations est gnre de la mme faon que dans la e e e ee e c section 5.3. Nous avons implment lalgorithme de [NT04] pour calculer les ensembles de sondes e e optimaux. A partir de cet ensemble , nous calculons le placement des beacons grce ` lalgorithme a a de [NT04], ` notre algorithme glouton et grce au programme linaire en variables binaires. Pour a a e rsoudre le programme linaire nous avons utilis CPLEX. Tous les rsultats reprsentent une e e e e e moyenne sur 20 simulations. La gure 5.6 prsente les rsultats du placement de beacons sur un rseau ` 15 nuds. Nous e e e a comparons lalgorithme de [NT04] not Thiran dans la gure, notre algorithme not Greedy et la e e solution base sur la formulation en ilp. e Laxe des abscisses reprsente la taille de VB et laxe des ordonnes donne le nombre de beae e cons placs. Nous constatons que notre solution gloutonne place toujours moins de beacons que e lalgorithme de [NT04] et que lcart entre les deux augmente avec le nombre de beacons possibles e (|VB |). Ceci peut sexpliquer facilement par le fait que lorsque |VB | est faible, il y a seulement peu de marge de placement, alors que pour une grande valeur de |VB | il y a plus de faons doptimiser c le placement, et dans ce cas de toutes mani`res le programme linaire est tr`s ecace. e e e Pour |VB | = 15 notre algorithme donne des solutions dont le nombre de beacons placs est e seulement la moiti de celui donn par lalgorithme de [NT04], et il est tr`s proche de celui donn e e e e par lilp. Par exemple pour 8 beacons possibles, ils ne di`rent que dun beacon. e La gure 5.7 donne les rsultats pour le placement de beacons dans un rseau ` 29 nuds. e e a Ils sont semblables aux rsultats obtenus avec 15 nuds. La solution obtenue par lilp est proche e des solutions gloutonnes jusqu` 15 beacons possibles environ. Le plus grand cart entre lilp et a e lalgorithme de [NT04] est de 33% et est obtenu pour |VB | = 29. Notre algorithme est tr`s proche e de lilp : ils di`rent dau plus 2 beacons placs pour |VB | = 15. e e La gure 5.8 prsente les rsultats dans un rseau ` 80 nuds. Une fois encore la mme conclue e e a e sion peut tre dduite. Le nombre de beacons est galement rduit de 33% lorsque notre algorithme e e e e est utilis plutt que celui de [NT04]. Notons que dans ce cas, la dirence entre notre solution e o e gloutonne et le programme linaire est plus marque que pour les autres rseaux. Avec 80 beacons e e e possibles, la solution gloutonne place 7 beacons de plus.

114

CHAPITRE 5. SURVEILLANCE DU TRAFIC

14 Thiran Greedy ILP 12

Number of beacons selected

10

0 0 2 4 6 8 10 Number of selectable beacons 12 14 16

Fig. 5.6 Surveillance active : placement de beacons dans un rseau de 15 nuds e

30 Thiran Greedy ILP 25

Number of beacons selected

20

15

10

0 0 5 10 15 Number of selectable beacons 20 25 30

Fig. 5.7 Surveillance active : placement des beacons dans un rseau ` 29 nuds. e a

5.6. CONCLUSION
80 Thiran Greedy ILP 70

115

60 Number of beacons selected

50

40

30

20

10

0 0 10 20 30 40 50 Number of selectable beacons 60 70 80

Fig. 5.8 Surveillance active : placement des beacons dans un rseau ` 80 nuds. e a Toutes ces courbes montrent que le nombre de beacons placs dcroit ` partir dun certain seuil e e a sur |VB | pour la solution obtenue avec lilp (ce qui est aussi le cas pour les autres solutions mais pas avec toutes les topologies). Avoir plus de choix pour placer les beacons permet de trouver de meilleures solutions. Par consquent, il vaut mieux orir le plus grand ensemble de nuds possibles e pour le placement des beacons.

5.6

Conclusion

Dans ce chapitre, nous nous sommes intress ` divers probl`mes de placement dinstruments e ea e de mesure pour la surveillance passive et active du trac. Nous avons propos une modlisation du e e probl`me de surveillance passive partielle en terme de ot et montr son quivalence avec le probl`me e e e e classique Minimum Partial Cover. Cette modlisation nous a permis de mieux comprendre le e cur de la dicult des probl`mes de placement, mais aussi de donner une formulation en milp e e amliorant celles de la littrature. Grce ` cette formulation, nous avons pu proposer galement e e a a e une mthode de rsolution polynomiale et ecace pour grer les volutions de trac. De plus, par e e e e lajout de contraintes simples ` notre formulation en milp, des probl`mes lg`rement dirents a e e e e peuvent tre modliss. Il sagit de probl`mes comme celui de trouver le meilleur placement pour e e e e des instruments supplmentaires dans un rseau dj` quip, destimer le gain induit par lajout e e eae e dun ou plusieurs instruments ou encore de trouver le meilleur placement pour un ensemble de taille xe dappareils. Nous avons galement propos une formulation en milp pour le placement e e e dinstruments de mesure dans le cadre de la surveillance active, ainsi quun algorithme glouton amliorant celui de [NT04]. e Trois pistes principales souvrent pour poursuivre le travail sur les probl`mes de placement e dappareils de mesures. Premi`rement, nous devons aner notre mod`le dinstruments de mesure e e pour la surveillance avec chantillonnage pour amliorer les taux dchantillonnage obtenus par e e e plusieurs appareils observant un mme ux en divers points du rseau. Ensuite nous devons modier e e

116

CHAPITRE 5. SURVEILLANCE DU TRAFIC

nos formulations en milp pour prendre en compte des tracs routs sur plusieurs chemins an de e rduire si possible le nombre de variables et de contraintes, et par suite le temps de calcul. En eet e nous considrons dans ce chapitre quun trac correspond ` un unique chemin, or le routage avec e a quilibrage de charge utilis dans certains rseaux peut conduire ` diviser le trac dune mme e e e a e source vers une mme destination sur plusieurs chemins. Enn, lorsquun ensemble dinstruments e de mesure est dj` install dans un rseau, loprateur peut souhaiter modier la stratgie de ea e e e e routage plutt que lemplacement des points de mesure an de maximiser le trac surveill. Ceci o e peut donner lieu ` plusieurs probl`mes doptimisation intressants proches des probl`mes de ots a e e e classiques.

Chapitre 6

Conclusion
Dans cette th`se nous avons tudi des probl`mes doptimisation et de dcision issus des rseaux e e e e e e de tlcommunication du point de vue de leur complexit et de leurs proprits dapproximabilit, ee e ee e mais aussi de leur rsolution pratique. Nous avons considr aussi bien les rseaux dacc`s que les e ee e e rseaux de cur multiniveaux de type ip/wdm utilisant une architecture mpls. Nous avons abord e e trois problmatiques direntes : la conception de rseaux virtuels, les proprits de connexit et e e e ee e de vulnrabilit aux pannes dun rseau multiniveaux donn, et enn le placement dinstruments e e e e de mesure du trac dans un rseau dacc`s. e e Le premier chapitre prsente les rseaux que nous avons considrs, leurs modlisations par des e e ee e graphes, ainsi que les principes de tolrance aux pannes existant dans la littrature. Dans le second e e chapitre, nous avons formul un probl`me de conception de rseau virtuel tolrant aux pannes et e e e e nous avons propos des mthodes de rsolution pour le probl`me du groupage sur un chemin orient e e e e e qui en est driv. Le troisi`me chapitre est consacr ` ltude de la complexit et des proprits dape e e ea e e ee proximabilit des probl`mes doptimisation qui se posent dans le contexte de la tolrance aux pannes e e e des rseaux multiniveaux. Ces probl`mes se divisent en probl`mes de connexit et de vulnrabilit. e e e e e e Les probl`mes de connexit consistent ` trouver des chemins ayant direntes proprits (chemins e e a e ee disjoints, plus court chemins etc) entre des paires de sommets. Pour les probl`mes de vulnrabilit, e e e on recherche des ensembles de ressources dont la suppression dconnecte des ensembles de sommets e (coupes, st-coupe). Pour tudier ces probl`mes, nous avons modlis les rseaux multiniveaux par e e e e e des graphes colors. Les probl`mes de placement dinstruments de mesure du trac dans les rseaux e e e dacc`s font lobjet du quatri`me et dernier chapitre. Nous abordons la surveillance passive avec et e e sans chantillonnage, mais aussi les probl`mes lis ` la surveillance active. Nous montrons que ces e e e a probl`mes de placement sont en fait des probl`mes de couverture. e e Si la tolrance aux pannes nest quun domaine dapplication des mesures de trac, elle est e au cur de ltude que nous avons mene sur les graphes colors qui reprsentent les rseaux e e e e e multiniveaux. Dans cette th`se nous nous sommes concentrs sur les probl`mes doptimisation les e e e plus fondamentaux dans ces graphes (chemin, coupe, arbre couvrant etc) qui sont les briques de base de la plupart des mthodes de protection. Il faut maintenant tendre ces travaux ` des notions e e a plus complexes et plus globales. Les oprateurs ne peuvent en eet se contenter de calculer des chemins risque disjoints dans leurs e rseaux, ils doivent aussi tenir compte de contraintes de capacit, de qualit de service etc. Cest e e e pourquoi le probl`me du multiot dans les graphes colors, avec ses diverses variantes (type des e e requtes, contraintes de chemins disjoints, contraintes de longueur des chemins etc), constitue lun e des probl`mes ` tudier en priorit. Dans le cadre des rseaux ` un seul niveau, comme les rseaux e ae e e a e wdm tr`s largement tudis, les probl`mes lis au routage et ` la protection sont eectivement e e e e e a 117

118

CHAPITRE 6. CONCLUSION

traits en majorit par des variantes du multiot. e e En outre, le multiot color pourrait tre un outil dune importance signicative pour traiter les e e probl`mes de groupage et de conception de rseaux virtuels tolrants aux pannes. Les probl`mes que e e e e nous avons dj` abords sont des outils qui pourraient tre utiliss pour amliorer les algorithmes ea e e e e de groupage en mettant en vidence les points faibles des solutions vis ` vis de la tolrance aux e a e pannes. Cependant, les informations que pourra apporter la rsolution dun multiot color seront e e plus compl`tes et en particulier tiendront compte des questions de capacit. e e Le travail sur le multiot color devra commencer par la dnition prcise de ce probl`me, des e e e e objectifs et des contraintes ` prendre en compte. Lexploration des techniques ` mettre en uvre a a et des modlisations ` adopter pour traiter cette question pourra ensuite dbuter. e a e

Bibliographie
[ABD+ 01] O. Audouin, C. Blaizot, E. Dotaro, M. Vigoureux, B. Beauquier, J.-C. Bermond, B. Bongiovanni, S. Prennes, M. Syska, S. Bibas, L. Chacon, B. Decocq, E. Didelet, e A. Laugier, A. Lisser, A. Ouorou, and F. Tillerot. Planication et optimisation des rseaux de transport optiques. Rapport nal RNRT PORTO, Alcatel Research & e Innovation, Projet MASCOTTE (CNRS/INRIA/UNSA) et France Tlcom R&D, ee Sophia Antipolis, December 2001. F. Alvelos and J.M. Valrio de Carvalho. comparing branch-and-price algorithms for e the unsplittable multicommodity ow problem. In Walid Ben-Ameur and Alain Petrowski, editors, International Network Optimization Conference, pages 712. Institut National des Tlcommunications, October 2003. ee G. Ausiello, A. DAtri, and M. Protasi. Structure preserving reductions among convex optimization problems. Journal of Computer and System Sciences, 21(1) :136153, 1980. K. Lee ang K. Siu. An algorithmic framework for protection switching in wdm networks. In NFOEC01, pages 402410, Baltimore, July 2001. S. Arora, C. Lund, R. Motwani, M. Sudan, and M. Szegedy. Proof verication and hardness of approximation problems. In 33rd Annual IEEE Symposium on Foundations of Computer Science, pages 1423, 1992. Y. Azar and O. Regev. Strongly polynomial algorithms for the unsplittable ow problem. In Proceedings of the 8th International IPCO Conference on Integer Programming and Combinatorial Optimization, pages 1529. Springer-Verlag, 2001. Y. Asano. Experimental evaluation of approximation algorithms for the minimum cost multiple-source unsplittable ow problem. In ICALP workshop, pages 111121, 2000. F. Barahona. Network design using cut inequalities. SIAM Journal on optimization, 6 :823837, 1996. J-C. Bermond, C. Colbourn, D. Coudert, G. Ge, A. Ling, and X. Muoz. Trac n grooming in unidirectional WDM rings with grooming ratio C=6. SIAM Journal on Discrete Mathematics, 19(2) :523542, 2005. J-C. Bermond, M. Cosnard, D. Coudert, and S. Perennes. Optimal solution of the maximum all request path grooming problem. In Advanced International Conference on Telecommunications (AICT). IEEE, 2006. Y. Breitbart, C.-Y. Chan, M.N. Garofalakis, R. Rastogi, and A. Silberschatz. Efciently monitoring bandwidth and latency in ip networks. In INFOCOM, pages 933942, 2001. 119

[AdC03]

[ADP80]

[aKS01] [ALM+ 92]

[AR01]

[Asa00]

[Bar96] [BCC+ 05]

[BCCP06]

[BCG+ 01]

120 [BCJ+ 97]

BIBLIOGRAPHIE M. Berger, M. Chbat, A. Jourdan, M. Sotom, P. Demeester, B. Van Caenegem, P. Gdsvang, B. Hein, M. Huber, R. Mrz, A. Leclert, T. Olsen, G. Tobolka, and a T. Van den Broeck. Pan-european optical networking using wavelength division multiplexing. IEEE Communications Magazine, 35(4) :8288, April 1997. C. Bentz, M.-C. Costa, L. Ltocart, and F. Roupin. A bibliography on multicut and e integer multiow problems. Technical Report 654, CeDRIC Centre de Recherche en Informatique du Cnam, http ://cedric.cnam.fr/AcheMembre.php ?id=30, 2004. J-C. Bermond, D. Coudert, and X. Muoz. Trac grooming in unidirectional WDM n ring networks : The all-to-all unitary case. In The 7th IFIP Working Conference on Optical Network Design & Modelling ONDM, pages 11351153, Budapest, Hongrie, 2003. J.-C. Bermond, D. Coudert, and X. Munoz. Trac grooming in unidirectional wdm ring networks : the all-to-all unitary case. In ONDM, pages 11351153, 2003. Y. Breitbart, F. Dragan, and H. Gobjuka. Eective network monitoring. In 13th International Conference on Computer Communications and Networks (ICCCN04), pages 394399, Chicago, Illinois, October 2004. S. Bhattacharyya, C. Diot, and J. Jetcheva. POP-Level and Access-Link-Level Trac Dynamics in a Tier-1 POP. In Proceedings of the 1st ACM SIGCOMM Workshop on Internet Measurement (IMW), San Francisco, November 2001. J.-C. Bermond, O. DeRivoyre, S. Prennes, and M. Syska. Groupage par tubes. In e Conference ALGOTEL2003, Banyuls, May 2003, pages 169174, 2003. R. Bhandari. Optimal diverse routing in telecommunication ber networks. In IEEE INFOCOM 94, volume 3, pages 14981508, Toronto, Ont., Canada, June 1994. R. Bhandari. Optimal physical diversity algorithms and survivable networks. In ISCC 97 : Proceedings of the 2nd IEEE Symposium on Computers and Communications (ISCC 97), page 433, Washington, DC, USA, 1997. IEEE Computer Society. W. C. Bigos. Optimized Modeling and Design of Multilayer ip over Optical Transport Netwrok Architectures. PhD thesis, Universit de Rennes I, March 2006. e P. Belotti, A. Koster, and S. Orlowski. A cut-and-branch-and-price approach to two layer network design. In INFORMS Telecommunications Conference, Dallas, Texas, March 2006. S. Beker, D. Kofman, and N. Puech. O line mpls layout design and reconguration : Reducing complexity under dynamic trac conditions. In International Network Optimization Conference, pages 6166, Oct 2003. S. Beker, D. Kofman, and N. Puech. O line reduced capacity layout design for mpls networks. In IEEE workshop on ip Operations and Management (IPOM), pages 99 105, Kansas City (USA), Oct 2003. E. Bouillet, J.F. Labourdette, G. Ellinas, R. Ramamurthy, and S. Chaudhuri. Stochastic approaches to compute shared mesh restored lightpaths in optical network architectures. In IEEE INFOCOM, volume 2, pages 801807, 2002. A. Balakrishnan, P. Mirchandani, and H.P. Natarajan. Connectivity upgrade models for survivable network design. In McCombs Research Paper Series, number IROM02-06. http://ssrn.com/abstract=876488, June 2005.

[BCLR04]

[BCM03a]

[BCM03b] [BDG04]

[BDJ01]

[BDPS03] [Bha94] [Bha97]

[Big06] [BKO06]

[BKP03a]

[BKP03b]

[BLE+ 02]

[BMN05]

BIBLIOGRAPHIE [BP01] [BR03] [CAQ04]

121

P. Barford and D. Plonka. Characteristics of network trac ow anomalies. In ACM SIGCOMM Internet Measurement Workshop, 2001. Y. Bejerano and R. Rastogi. Robust Monitoring of Link Delays and Faults in ip Networks. In Proceedings of IEEE Infocom, 2003. X. Cao, V. Anand, and C. Qiao. Multi-layer versus single-layer optical cross-connect architectures for waveband switching. In IEEE Infocom, Hong Kong, China, March 2004. X. Cao, V. Anand, Y. Xiong, and C. Qiao. Performance evaluation of wavelength band switching in multi-ber all optical networks. In IEEE Infocom, San Francisco, California, USA, April 2003. O. Crochat and J.-Y. Le Boudec. Protection interoperability for wdm optical networks. IEEE/ACM Transactions on Networking, 2000. W.J. Cook, W.H. Cunningham, W.R. Pulleyblank, and A. Schrijver. Combinatorial Optimization, chapter Maximum Flow Problems (Multicommodity Flows p. 85). John Wiley, 1998. O. Cogis, B. Darties, S. Durand, J.-C. Knig, and J. Palaysi. Contrle de routes par o o des appareils de surveillance (cras). In 7`mes Rencontres Francophones sur les Aspects e ALGOrithmiques des TELcommunications (AlgoTel05), Presqu de Giens, May e le 2005. R.D. Carr, S. Doddi, G. Konjevod, and M. Marathe. On the red-blue set cover problem. In SODA 00 : Proceedings of the eleventh annual ACM-SIAM symposium on Discrete algorithms, pages 345353, Philadelphia, PA, USA, 2000. Society for Industrial and Applied Mathematics. D. Coudert, P. Datta, S. Prennes, H. Rivano, and M-E. Voge. Shared risk resource e group : Complexity and approximability issues. Parallel Processing Letters, 2006. To appear.

[CAXQ03]

[CB00] [CCPS98]

[CDD+ 05]

[CDKM00]

[CDP+ 06]

[CFGL+ 05a] C. Chaudet, E. Fleury, I. Gurin-Lassous, H. Rivano, and M.-E. Voge. Optimal e positioning of active and passive monitoring devices. In CoNEXT 2005, Toulouse, France, October 2005. [CFGL+ 05b] C. Chaudet, E. Fleury, I. Gurin-Lassous, H. Rivano, and M.-E. Voge. Surveillance e passive dans linternet. In Septi`mes Rencontres Francophones sur les Aspects Algoe rithmiques des Tlcommunications (AlgoTel05), pages 121124, Presqu de Giens, ee le May 2005. [CFL04] [CFL05] C. Chaudet, E. Fleury, and I. Gurin Lassous. Optimal positioning of active and e passive monitoring devices. Research Report 5273, INRIA, July 2004. C. Chaudet, E. Fleury, and I. Gurin Lassous. Positionnement optimal de sondes pour e la surveillance active et passive de rseaux. In Colloque Francophone sur lIngnierie e e des Protocoles (CFIP), Bordeaux, France, April 2005. P. Chanas. Rseaux ATM : Conception et optimisation. PhD thesis, France Tlcom e ee CNET Sophia Antipolis, 1998. T. Cicic, A. F. Hansen, S. Gjessing, and O. Lysne. Applicability of resilient routing layers for k-fault network recovery. In Proceedings of International Conference on Networking (ICN), Reunion, France April 17-21, pages 173 183. Springer-Verlag GmbH, 2005. ISSN 0302-9743, ISBN 3-540-25339-4,.

[Cha98] [CHGL05]

122 [Cho02] [CL97] [CLR03] [CPPS05]

BIBLIOGRAPHIE S. Choplin. Dimensionnement de rseaux virtuels de tlcommunications. PhD thesis, e ee Universit de Nice-Sophia Antipolis, 2002. e R. Chang and S. Leu. The minimum labeling spanning trees. Information Processing Letters, 63 :277282, 1997. M.-C. Costa, L. Ltocart, and F. Roupin. Minimal multicut and maximal integer e multiow : a survey. EJOR Eur. J. on Oper. Res. To appear, 2003. D. Coudert, S. Prennes, Q.-C. Pham, and J.-S. Sereni. Rerouting requests in wdm e networks. In Septi`mes Rencontres Francophones sur les Aspects Algorithmiques des e Tlcommunications (AlgoTel05), pages 1720, Presqu de Giens, May 2005. ee le D. Coudert, S. Prennes, H. Rivano, and M.-E. Voge. Shared risk resource groups e and survivability in multilayer networks. In IEEE/COST 293 annual conference on GRAphs and ALgorithms in communication networks, volume 3, pages 235238, June 2006. Invited Paper. H. Choi, S. Subramaniam, and H. Choi. On double-link failure recovery in wdm optical networks. In IEEE Infocom, pages 808816, New-York, USA, June 2002. H. Choi, S. Subramaniam, and H. Choi. Loopback recovery from double-link failures in optical mesh networks. IEEE/ACM Trans. Netw., 12(6) :11191130, 2004. G. Dahl. Contributions to the design of survivable directed networks. Thesis presented to the university of OSLO, 1991. R. G. Downey and M. R. Fellows. Parameterized Complexity. Monographs in Computer Science. Springer, 1999. ISBN : 0-387-94883-X. J. Doucette and W. D. Grover. Capacity design studies of span-restorable mesh transport networks with shared-risk link group (SRLG) eects. In SPIE Opticomm, 2002. P. Demeester, M. Gryseels, A. Autenrieth, C. Brianza, L. Castagna, G. Signorelli, R. Clemente, M. Ravera, A. Jajszczyk, D. Janukowicz, K. Doorselaere, and Y. Harada. Resilience in multilayer networks. IEEE Communications Magazine, 37 :7076, August 1999. A. D. Dunn, W. D. Grover, and M. H. MacGregor. Comparison of k-shortest paths and maximum ow routing for network facility restoration. IEEE Journal on Selected Areas of Communications, 2(1) :8899, January 1994. N. Dueld, C. Lund, and M. Thorup. Properties and prediction of ow statistics from sampled packet streams. In IMW 02 : Proceedings of the 2nd ACM SIGCOMM Workshop on Internet measurment, pages 159171, New York, NY, USA, 2002. ACM Press. N. Dueld, C. Lund, and M. Thorup. Estimating ow distributions from sampled ow statistics. In Proceedings of the ACM SIGCOMM 2003 Conference on Applications, Technologies, Architectures, and Protocols for Computer Communication, Karlsruhe, Germany, October 2003. N. Dueld, C. Lund, and M. Thorup. Learn more, sample less : Control of volume and variance in network measurement. IEEE Transactions on Information Theory, 51(5) :1756 1775, May 2005. R. Dutta and G. N. Rouskas. A survey of virtual topology design algorithms for wavelength routed optical networks. Optical Networks, 1(1) :7389, January 2000.

[CPRV06]

[CSC02] [CSC04] [Dah91] [DF99] [DG02]

[DGA+ 99]

[DGM94]

[DLT02]

[DLT03]

[DLT05]

[DR00]

BIBLIOGRAPHIE [DR02] [DS04a] [DS04b] [Duf04] [DW94]

123

R. Dutta and G. N. Rouskas. Trac grooming in wdm networks : past and future. IEEE Networks, 16(6) :4656, november/december 2002. P. Datta and A.K. Somani. Diverse routing for shared risk resource groups (SRRG) failures in wdm optical networks. In IEEE BroadNets, 2004. I. Dinur and S. Safra. On the hardness of approximating label-cover. Inf. Process. Lett., 89(5) :247254, 2004. N. Dueld. Sampling for passive internet measurement : a review. Statistical Science, 19(3), 2004. R. Doverspike and B. Wilson. Comparison of capacity eciency of DCS network restoration routing techniques. Journal of Network and System Management, 2(2) :95123, 1994. R. Doverspike and J. Yates. Challenges for MPLS in optical network restoration. IEEE Communications Magazine, feb :8996, 2001. G. Ellinas, E. Bouillet, R. Ramamurthy, J.-F. Labourdette, S. Chaudhuri, and K. Bala. Routing and restoration architectures in mesh optical networks. Optical Networks Magazine, January 2003. T. Erlebach and A. Hall. Np-hardness of broadcast scheduling and inapproximability of single-source unsplittable min-cost ow. In SODA 02 : Proceedings of the thirteenth annual ACM-SIAM symposium on Discrete algorithms, pages 194202, Philadelphia, PA, USA, 2002. Society for Industrial and Applied Mathematics. T. Erlebach and S.K. Stefanakos. On shortest-path all-optical networks without wavelength conversion requirements. In STACS 03 : Proceedings of the 20th Annual Symposium on Theoretical Aspects of Computer Science, pages 133144, London, UK, 2003. Springer-Verlag. A. Farag. A graph theoretic model for complex network failure scenarios. In INo FORMS, 2006. U. Feige. A threshold of ln n for approximating set cover. Journal of the ACM, 45(4) :634652, July 1998. W. D. Grover, J. Doucette, A. Kodian, D. Leung, A. Sack, M. Clouqueur, and G. Shen. Handbook of Optimization in Telecommunications, chapter Design of Survivable Networks Based on p-Cycles. Springer, 2006. J. Geard. A solving method for singly routed trac in telecommunication networks. Annales des Tlcommunications, 56(3-4) :140149, 2001. ee R. L. Graham, M. Grtschel, and L. Lovsz, editors. Handbook of combinatorics, o a volume 1 ch.2 A. Frank. MIT Press, Cambridge, MA, USA, 1995. M. Garey and D. Johnson. Computers and Intractability : A Guide to the theory of NP-completeness. Freeman NY, 1979. M. Grtschel, C.L. Monma, and M. Stoer. Handbooks in Operations Research and o Management Science, volume 7 :Network Models. Elsevier publisher, 1995. L. Gouveia, P. Patr cio, and A. De Sousa. Hop-constrained node survivable network design : and application to mpls over wdm. In INFORMS Telecommunications Conference, Dallas, Texas, March 2006.

[DY01] [EBR+ 03]

[EH02]

[ES03]

[Far06] [Fei98] [GDK+ 06]

[Gef01] [GGL95] [GJ79] [GMS95] [GPS06]

124 [GR00] [Gro04] [GRW00]

BIBLIOGRAPHIE J. Gruber and R. Ramaswami. Moving toward all-optical networks. Lightwave Magazine, pages 6068, December 2000. W.D. Grover. Mesh Based Survivable Transport Networks : Options and Stratgies e for optical, mpls, sonet and atm networking. Prentice Hall PTR, 2004. O. Gerstel, R. Ramaswami, and W. Wang. Making use of a two-stage multiplexing scheme in a wdm network. In OSA/SPIE Optical Fiber Communication Conference and Exposition, volume 3, pages 4446, 2000. W. Grover and D. Stamatelakis. Cycle-oriented distributed preconguration : ringlike speed with mesh-like capacity for self-planning network restoration. In IEEE Internation Conference on Communications, volume 1, pages 537543, 1998. R. Govindan and H. Tangmunarunkit. Heuristics for internet map discovery. In Proceedings of IEEE Infocom. IEEE, 2000. B. Doverspike G .Z. Li and C. Kalmanek. Fiber span failure protection in mesh optical networks. In SPIE Opticomm, volume 4559, pages 130142, 2001. J. Hastad. Clique is hard to approximate within n1 . Acta Mathematica, 182 :105 142, 1999. S. Huang, R. Dutta, and G. N. Rouskas. Trac grooming in path, star, and tree networks : Complexity, bounds, and algorithms. IEEE Journal on Selected Areas in Communications, 24(4) :6682, April 2006. R. Hlsermann, M. Jger, A. Koster, S. Orlowski, R. Wessly, and A. Zymolka. Avaiu a a lability and cost based evaluation of demand-wise shared protection. In 7th ITGWorkshop on Photonic Networks, pages 161168, Leipzig, Germany, 2006. J. D. Horton and A. Lopez-Ortiz. On the Number of Distributed Measurement Points for Network Tomography. In Proceedings of the 3rd ACM SIGCOMM conference on Internet measurement (IMC), Miami Beach, USA, October 2003. D. S. Hochbaum, editor. Approximation Algorithms for NP-Hard Problems. PWS Publishing Company, 1997. G. Huiban, S. Prennes, and M. Syska. Trac grooming in wdm networks with e multi-layer switches. In IEEE International Conference on Communications, pages 28962901, New-York. USA, April 2002. Cdrom. K. Harada, K. Shimizu, T. Kudou, and T. Ozeki. Hierarchical optical path crossconnect systems for large scale wdm networks. In IEEE Optical Fiber Communication, pages 356358, San Diego, USA, 1999. J.Q. Hu. Diverse routing in mesh optical networks. IEEE Transactions on Communications, 51(3) :489494, 2003. H. Hller and S. Vo. Heuristics for the multi-layer design of mpls/sdh/wdm neto works. In INFORMS Telecommunications Conference, Dallas, Texas, March 2006. G. Iannaccone, C. Chuah, R. Mortier, S. Bhattacharyya, and C. Diot. Analysis of link failures in an ip backbone. In IMW 02 : Proceedings of the 2nd ACM SIGCOMM Workshop on Internet measurment, pages 237242, New York, NY, USA, 2002. ACM Press. R.R. Iraschko, M.H. MacGregor, and W.D. Grover. Optimal capacity placement for path restoration in stm or atm mesh-survivable networks. IEEE / ACM Transactions on Networking, 6(3) :325336, June 1998.

[GS98]

[GT00] [GZLK01] [Has99] [HDR06]

[HJK+ 06]

[HLO03]

[Hoc97] [HPS02]

[HSKO99]

[Hu03] [HV06] [ICM+ 02]

[IMG98]

BIBLIOGRAPHIE [Jau] [JID+ 04] B. Jaumard. enleda.htm. Exemples de rseaux. e

125 http://www.algorithmic-solutions.com/

S. Jaiswal, G. Iannaccone, C. Diot, J. Kurose, and D. Towsley. Inferring TCP Connection Characteristics Through Passive Measurements. In Proceedings of IEEE Infocom, Hong Kong, March 2004. S. Jamin, C. Jin, Y. Jin, D. Raz, and L. Zhang. On the placement of internet instrumentation. In Proceedings of IEEE Infocom, Tel Aviv, Israel, March 2000. B. Jaumard, C. Meyer, and Xiao Yu. When is wavelength conversion contributing to reducing the blocking rate ? In IEEE Global Telecommunications Conference (GLOBECOM05), volume 4, pages 2078 2083, 2005. Q. Jiang, D.S. Reeves, and P. Ning. Improving robustness of PGP keyrings by conict detection. In RSA Conference Cryptographers Track (CT-RSA2004), pages 194207. LNCS 2964, February 2004. R.M. Karp. Complexity of Computer Computations, chapter Reducibility Among Combinatorial Problems, pages 85103. Plenum Press, 1972. D.R. Karger. Global min-cuts in rnc and other ramications of a simple mincut algorithm. In 4th ACM-SIAM Symposium on Discrete Algorithms, 1993. J. Kleinberg and A. Kumar. Wavelength conversion in optical networks. In SODA 99 : Proceedings of the tenth annual ACM-SIAM symposium on Discrete algorithms, pages 566575, Philadelphia, PA, USA, 1999. Society for Industrial and Applied Mathematics. R. Kumar and J. Kaur. Ecient beacon placement for network tomography. In IMC 04 : Proceedings of the 4th ACM SIGCOMM conference on Internet measurement, pages 181186, New York, NY, USA, 2004. ACM Press. M. Kodialam and T.V. Lakshman. Detecting Network Intrusions via Sampling : A Game Theoretic Approach. In Proceedings of IEEE Infocom, San Francisco, USA, March 2003. IEEE. J. M. Kleinberg. Single-source unsplittable ow. Proceedings of the 37th Annual IEEE Symposium on Foundations of Computer Science, pages 6877, 1996. H. Krivin and A.R. Mahjoub. On survivable network polyhedra. submitted to Dise crete Mathematics, 2001. E. Kubilinskas and M. Piro. Iterative design of two layer networks to achieve o throughput maximization. In INFORMS Telecommunications Conference, Dallas, Texas, March 2006. K. Kompella and Y. Rekhter. Label switched paths (lsp) hierarchy with generalized multi-protocol label switching (gmpls) trac engineering (te). RFC 4206, ietf, October 2005. S. G. Kolliopoulos and C. Stein. Approximating disjoint-path problems using greedy algorithms and packing integer programs. In Proceedings of the 6th International IPCO Conference on Integer Programming and Combinatorial Optimization, pages 153168. Springer-Verlag, 1998. S. G. Kolliopoulos and C. Stein. Approximation algorithms for single-source unsplittable ow. SIAM Journal on Computing, 31(3) :919946, 2002.

[JJJ+ 00] [JMY05]

[JRN04]

[Kar72] [Kar93] [KK99]

[KK04]

[KL03]

[Kle96] [KM01] [KP06]

[KR05]

[KS98]

[KS02a]

126 [KS02b]

BIBLIOGRAPHIE P. Kolman and C. Scheideler. Improved bounds for the unsplittable ow problem. In Proceedings of the thirteenth annual ACM-SIAM symposium on Discrete algorithms, pages 184193. Society for Industrial and Applied Mathematics, 2002. A. Kodian, A. Sack, and W.D. Grover. p-cycle network design with hop limits and circumference limits. In First International Conference on Broadband Networks (BROADNETS04), pages 244253, 2004. S.O. Krumke and H.-C. Wirth. On the minimum label spanning tree problem. Information Processing Letters, 66 :8185, 1998. B. Liau and B. Decocq. Rseaux optiques du futur : optimisation des rseaux. In e e Actes des Confrences France Tlcom Recherche, number 19, Juin 2002. e ee K.H. Liu. ip over wdm. J.Wiley & sons, 2002. G. Li, C. Kalmanek, and R. Doverspike. Fiber span failure protection in mesh optical networks. Optical Networks Magazine, 3(3) :2131, May 2002. C.C. Lindner and C.A. Rodger. Design Theory. Chapman & Hall, 1997. Y. Liu and D. Tipper. Multilayer network survivability models and their application on fault tolerant VPN design. In INFORMS, 2002. Y. Liu, D. Tipper, and P. Siripongwutikorn. Approximating optimal spare capacity allocation by successive survivable routing. IEEE/ACM Trans. Netw., 13(1) :198211, 2005. L. Li, M. Thottan, B. Yao, and S. Paul. Distributed network monitoring with bounded link utilization in ip networks. In INFOCOM 2003, volume 2, pages 11891198, March 2003. M. Lee, J. Yu, Y. Kim, C-H. Kang, and J. Park. Design of hierarchical crossconnect wdm networks employing a two-stage multiplexing scheme of waveband and wavelength. IEEE Journal on Selected Areas in Communications, 20(1) :166171, January 2002. E. Mannie. Generalized multi-protocol label switching (gmpls) architecture. RFC 3945, ietf, October 2004. N. Marlin. Communications structures dans les rseaux. PhD thesis, Universit de e e e Nice-Sophia Antipolis, 2000. C. Mauz. p-cycle protection in wavelength routed networks. In Proceedings of the Seventh Working Conference on Optical Network Design and Modelling (ONDM03), february 2003. J.-L. Mlin. Qualit de Service sur ip. Eyrolles, 2001. e e A. Markopoulou, G. Iannaccone, S. Bhattacharyya, C.-N. Chuah, and C. Diot. Characterization of failures in an ip backbone. In IEEE Infocom, Hong Kong, China, March 2004. E. Modiano and P. Lin. Trac grooming in WDM networks. IEEE Communications Magazine, 39(7) :124129, July 2001. G. Mohan and C. Siva Ram Murthy. Lightpath restoration in wdm optical networks. IEEE Network, nov/dec, 2000. E. Modiano and A. Narula-Tam. Survivable routing of logical topologies in wdm networks. In IEEE INFOCOM, pages 348357, 2001.

[KSG04]

[KW98] [LD02] [Liu02] [LKD02] [LR97] [LT02] [LTS05]

[LTYP03]

[LYK+ 02]

[Man04] [Mar00] [Mau03]

[Ml01] e [MIB+ 04]

[ML01] [MM00] [MNT01]

BIBLIOGRAPHIE [MUK+ 04]

127

T. Mori, M. Uchida, R. Kawahara, J. Pan, and S. Goto. Identifying elephant ows through periodically sampled packets. In Proceedings of the 4th ACM SIGCOMM conference on Internet measurement, Taormina, Italy, October 2004. D. Moore, G. M. Vlker, and S. Savage. Inferring Internet Denial of Service Activity. In Proceedings of the 10th Security Symposium (USENIX Security 01), Washington D.C., USA, August 2001. H. Nagamochi and T. Ibaraki. Computing edge connectivity in multigraphs and capacitated graphs. SIAM Journal on Discrete Mathematics, 5 :5466, 1992. R. Niedermeier. Invitation to Fixed-Parameter Algorithms. Number 31 in Oxford Lecture Series in Mathematics and Its Applications. Oxford University Press, 2006. T. Noronha and C. Ribeiro. Routing and wavelength assignment by partition coloring. European Journal of Operational Research, 171(3) :797810, 2006. H. X. Nguyen and P. Thiran. Active Measurement for Multiple Link Failures Diagnosis in ip Networks. In 5th International Workshop on Passive and Active Network Measurement (PAM 2004), number 3015 in LNCS, pages 185194, Antibes Juan-lesPins, France, April 2004. Springer. P. Owezarski, F.-X. Andreu, K. Salamatian, and C. Chekroun. Rapport dtat de e lart sur la mtrologie. Technical report, projet METROPOLIS, 2003. e E. Oki, N. Matsuura, K. Shiomoto, and N. Yamanaka. A disjoint path selection scheme with shared risk link groups in gmpls networks. IEEE Communications Letters, 6(9) :406 408, September 2002. M. OMahony, D. Simeonidu, A. Yu, and J. Zhou. The design of the european optical network. Journal of Lightwave Technology, 13(5) :817828, 1995. V. Paxson, A.K. Adams, and M. Mathis. Experiences with NIMI. In Passive & Active Measurement Workshop (PAM 2000), Hamilton, New Zealand, April 2000. V. Paxson, G. Almes, J. Mahdavi, and Mathis M. Framework for ip performance metrics. RFC 2330, IETF, May 1998. J. Doucette P. Giese, W. D. Grover. Physical-layer p-cycles adapted for router-level node protection : A multi-layer design and operation strategy. IEEE Journal on Selected Areas in Communications (JSAC), in review, April 2006. M. Piro and D. Medhi. Routing, Flow, and Capacity Design in Communication and o Computer Networks. Elsevier-Morgan Kaufmann, 2004. D. Papadimitriou, F. Poppe, J. Jones, S. Venkatachalam, S. Dharanikota, R. Jain, R. Hartani, and D. Grith. Inference of shared risk link groups. IETF Draft, OIF Contribution, OIF 2001-066, 2001. G. Pujolle. Les Rseaux. Eyrolles, 3eme edition, 2002. e S. Petat and M.-E. Voge. Groupage sur un chemin orient. In Septi`mes Rencontres e e Francophones sur les Aspects Algorithmiques des Tlcommunications (AlgoTel05), ee pages 2124, Presqu de Giens, May 2005. le J. Quittek, T. Zseby, B. Claise, and S. Zander. Requirements for ip Flow Information Export. RFC 3917, IETF, October 2004. R. Rizzi. On minimizing symmetric set functions. Technical report, University of Trento, 1999.

[MVS01]

[NI92] [Nie06] [NR06] [NT04]

[OASC03] [OMSY02]

[OSYZ95] [PAM00] [PAMM98] [PG06]

[PM04] [PPJ+ 01]

[Puj02] [PV05]

[QZCZ04] [Riz99]

128 [RLA04] [RM99a] [RM99b] [RVC01] [SGA02]

BIBLIOGRAPHIE B. Rajagopalan, J. Luciani, and D. Awduche. ip over optical networks : A framework. RFC 3717, IETF, March 2004. S. Ramamurthy and B. Mukherjee. Survivable wdm mesh networks, part 1 : Protection. In IEEE INFOCOM, volume 2, pages 744751, New York, March 1999. S. Ramamurthy and B. Mukherjee. Survivable wdm mesh networks, part 2 : Restoration. In IEEE ICC, volume 3, pages 20232030, Vancouver, Canada, June 1999. E. Rosen, A. Viswanathan, and R. Callon. RFC 3031 multiprotocol label switching architecture. www.ietf.org, January 2001. D. Schupke, C. Gruber, and A. Autenrieth. Optimal conguration of p-cycles in wdm networks. In IEEE International Conference on Communications (ICC02), volume 5, pages 27612765, 2002. K. Suh, Y. Guo, J. Kurose, and D. Towsley. Locating network monitors : complexity, heuristics, and coverage. In Proceedings of IEEE Infocom, Miami, USA, March 2005. S. Sengupta, V. Kumar, and D. Saha. Switched optical backbone for cost-eective scalable core ip networks. IEEE Communications Magazine, 41(6) :6070, June 2003. M. Skutella. Approximating the single source unsplittable min-cost ow problem. Mathematical Programming, Ser.B(91) :493514, 2002. P. Slav Improved performance of the greedy algorithm for Minimum Set Cover k. and Minimum Partial Cover problems. Technical Report 95-45, Departement of Computer Science, SUNY at Bualo, 1995. P. Slav A tight analysis of the greedy algorithm for set cover. In STOC 96 : k. Proceedings of the twenty-eighth annual ACM symposium on Theory of computing, pages 435441, New York, NY, USA, 1996. ACM Press. N. Spring, R. Mahajan, and D. Wetherall. Measuring ISP topologies with rocketfuel. In SIGCOMM. ACM, 2002. A. K. Somani. Survivability and Trac Grooming in wdm Optical Networks. Cambridge University Press, 2006. D. A. Schupke and R. G. Prinz. Capacity eciency and restorability of path protection and rerouting in wdm networks subject to dual failures. Photonic Network Communications, September 2003. D. Staessens, B. Puype, L. Depr, I. Lievens, D. Colle, M. Pickavet, and P. Demeester. e Multilayer recovery mechanisms in backbone networks. In INFORMS Telecommunications Conference, Dallas, Texas, March 2006. T. Stidsen and S. Ruepp. Shortcut span protection. In INFORMS Telecommunications Conference, Dallas, Texas, March 2006. A. A. M. Saleh and J. M. Simmons. Architectural principles of optical regional and metropolitan access networks. IEEE/OSA Journal of Lightwave Technology, 17(12) :24312448, December 1999. M.D. Swaminathan and K.N. Sivarajan. Practical routing and wavelength assignment algorithms for all optical networks with limited wavelength conversion. In IEEE International Conference on Communications, volume 25, pages 27502755, NewYork, April 2002. J. W. Suurballe. Disjoint paths in a network. Networks, 4 :125145, 1974.

[SGKT05] [SKS03] [Sku02] [Sla95]

[Sla96]

[SMW02] [Som06] [SP03]

[SPD+ 06]

[SR06] [SS99]

[SS02]

[Suu74]

BIBLIOGRAPHIE [SYR05]

129

L. Shen, X. Yang, and B. Ramamurthy. Shared risk link group (srlg)-diverse path provisioning under hybrid service level agreements in wavelength-routed optical mesh networks. IEEE/ACM Transactions on Networking, 13(4) :918931, August 2005. A. Tanenbaum. Rseaux, cours et exercices. Dunod, Prentice Hall, 2001. e F. Touvet and D. Harle. Network resilience in multilayer networks : A critical review and open issues. In ICN 01 : Proceedings of the First International Conference on Networking-Part 1, pages 829838, London, UK, 2001. Springer-Verlag. A. Todimala and B. Ramamurthy. Imsh : An iterative heuristic for srlg diverse routing in wdm mesh networks. In IEEE Thirteenth International Conference on Computer Communications and Networks (ICCCN 04), pages 199204, Chicago, October 2004. A. Todimala and B. Ramamurthy. Survivable virtual topology routing under shared risk link groups in wdm networks. In First Annual International Conference on Broadband Networking (BroadNets 04), pages 130139, San Jose, CA, Oct. 2004. M.-E. Voge. Graphes colors - arbre couvrant color. In Huiti`mes Rencontres Frane e e cophones sur les Aspects Algorithmiques des Tlcommunications (AlgoTel06), pages ee 4144, Trgastel, May 2006. e M.-E. Voge. How to transform a multilayer network into a colored graph. In IEEE ICTON/COST 293 annual conference on GRAphs and ALgorithms in communication networks, Nottingham, June 2006. Y. Wan, G. Chen, and Y. Xu. A note on the minimum label spanning tree. Information Processing Letters, 84 :99101, 2002. J.Y. Wei. Advances in the management and control of optical internet. IEEE Journal on Selected Areas in Communications, 20(4) :768784, May 2002. H.-C. Wirth. Multicriteria Approximation of Network Design and Network Upgrade Problems. PhD thesis, Bayerische Julius-Maximilians-Universitt Wrzburg, 2001. a u Y. Xiong and L. Mason. Comparison of two path restoration schemes in self-healing networks. Comput. Networks, 38(5) :663674, 2002. D. Xu, Y. Xiong, and C. Qiao. Novel algorithms for shared segment protection. IEEE Journal on Selected Areas in Communications, 21(8) :13201331, October 2003. D. Xu, Y. Xiong, and C. Qiao. Protection with multi-segments (PROMISE) in networks with shared risk link groups (SRLG). IEEE/ACM Transactions on Networking, 11(2) :248258, 2003. D. Xu, Y. Xiong, C. Qiao, and G. Li. Trap avoidance and protection schemes in networks with shared risk link groups. Journal of Lightwave Technology, 21(11) :2683 2693, November 2003. Y. Ye, S. Dixit, and M. Ali. On joint protection/restoration in ip-centric dwdm-based optical transport networks. IEEE Communications Magazine, pages 174183, June 2000. S. Yuan and J.P. Jue. Dynamic lightpath protection in wdm mesh networks under risk disjoint constraints. In IEEE Globecom, 2004. S. Yao, C. Ou, and B. Mukherjee. Design of hybrid optical networks with waveband and electrical TDM switching. In IEEE Globecom, pages 28032808, San Francisco, CA, December 2003.

[Tan01] [TH01]

[TR04a]

[TR04b]

[Vog06a]

[Vog06b]

[WCX02] [Wei02] [Wir01] [XM02] [XXQ03a] [XXQ03b]

[XXQL03]

[YDA00]

[YJ04] [YOM03]

130 [YR05]

BIBLIOGRAPHIE W. Yao and B. Ramamurthy. Survivable trac grooming in wdm mesh networks under srlg constraints. In IEEE International Conference on Communications, ICC05, volume 3, pages 17511755, May 2005. S. Yuan, S. Varma, and J.P. Jue. Minimum-color path problems for reliability in mesh networks. In IEEE InfoCom, 2005. 59-04. H. Zhang and A. Durresi. Dierentiated multi-layer survivability in ip/wdm networks. IEEE/IFIP Network Operations and Management Symposium, 8 :681696, 2002. K. Zhu and B. Mukherjee. A review of trac grooming in WDM optical networks : Architectures and challenges. Optical Networks Magazine, 4(2) :5564, March/April 2003. T. Zseby, M. Molina, N. Dueld, S. Niccolini, and F. Raspall. Techniques for ip packet selection, July 2005. Draft IETF : http://www.ietf.org/internet-drafts/ draft-ietf-psamp-sample-tech-07.txt.

[YVJ05] [ZD02] [ZM03]

[ZMD+ 05]

Annexe A

Probl`mes de rfrence e ee
A.1
A.1.1

Classe de complexit e
RP , coRP et ZP P

Randomized Polynomial Time (RP ) RP est la classe des probl`mes de dcision solubles par e e une machine de Turing non dterministe tels que : e Si la rponse doit tre oui au moins la moiti des chemins de calcul aboutissent ` la rponse e e e a e oui, Si la rponse doit tre non, tous les chemins de calcul aboutissent ` la rponse non. e e a e coRP La classe coRP est le complmentaire de la classe RP . Il sagit des probl`mes de dcision e e e solubles par une machine de Turing non dterministe tels que : e Si la rponse doit tre non au moins la moiti des chemins de calcul aboutissent ` la rponse e e e a e non, Si la rponse doit tre oui, tous les chemins de calcul aboutissent ` la rponse oui. e e a e Zero Probability of error (ZP P ) Par dnition ZP P = RP coRP . Pour tous les probl`mes e e de cette classe il existe donc une machine de Turing non dterministe qui ne se trompe jamais e lorsquelle rpond oui, et une seconde qui ne se trompe jamais lorsquelle rpond non. Pour rsoudre e e e les probl`mes de cette classe il sut dutiliser les deux machines en parall`le jusqu` ce que lune e e a delle donne une rponse certaine. Les probl`mes de cette classe peuvent donc toujours tre rsolus, e e e e mais le temps ncessaire avant darriver ` une rponse dnitive nest pas connu a priori. Notons e a e e que la probabilit de navoir pas obtenu de rponse certaine apr`s k essais de chacune des deux e e e machines est gale ` 2k . e a

A.1.2

T IM E(f (n))

La classe T IM E(f (n)) comprend tous les probl`mes dont les instances de taille n N pouvent e tre rsolus en temps O(f (n)) par une machine de Turing dterministe, pour une fonction non e e e dcroissante de N dans N. Par exemple la classe P peut tre dnie par P = T IM E(nk ) = e e e j>0 T IM E(nj ). Il existe galement la classe N T IM E(f (n)) des probl`mes dont les instances de taille n N e e pouvent tre rsolus en temps O(f (n)) par une machine de Turing dterministe, pour une fonction e e e non dcroissante de N dans N. La classe N P est alors donne par N P = N T IM E(nk ). e e 131

132

` ANNEXE A. PROBLEMES DE REFERENCE

A.2
A.2.1

Quelques probl`mes diciles et non approximables e


Maximum 3 Satisfiability

Probl`me A.1 (Maximum 3 Satisfiability) e Entre : e Un ensemble U = {x1 , . . . , xn } de n variables boolennes, une collection C = e {C1 , . . . , Cm } de m clauses disjonctives dau plus trois littraux o` un littral e u e est une variable xi U ou sa ngation xi . e Sortie : Une aectation des valeurs vrai ou faux aux variables de U . Objectif : Maximiser le nombre de clauses satisfaites par laectation des valeurs aux variables.

Exemple Considrons une instance de Maximum 3 Satisfiability avec 4 variables U = {x1 , x2 , x3 , x4 } e et 4 clauses C = {C1 = (x1 x2 x3 ), C2 = (x2 x3 x4 ), C3 = (x1 x3 x4 ), C4 = (x1 x3 x4 )}. Pour satisfaire la clause C1 il faut que la valeur vrai soi aecte ` au moins un des littraux x1 , e a e x2 ou x3 , cest ` dire que lune des variables x1 ou x2 reoive la valeur vrai ou que la variable x3 a c reoive la valeur faux. Une solution ralisable de cette instance consiste en laectation suivante : c e x1 vrai, x2 faux, x3 vrai, x4 vrai. Toutes les clauses sont satisfaites par cette aectation. Thor`me A.2 ([ALM+ 92]) Le probl`me Maximum 3 Satisfiability est NP-dicile et il e e e existe > 0 tel que Maximum 3 Satisfiability nest pas approximable ` un facteur 1 + sauf si a P = NP.

A.2.2

Minimum Set Cover et Minimum Partial Cover

Probl`me A.3 (Minimum Set Cover) e Entre : e Un ensemble U = {u1 , . . . , un } et une collection de sous ensembles S = {s1 , . . . sm } de U . Sortie : Une couverture de U : une sous collection S de sous ensembles appartenant ` S telle que chaque lment de U appartienne ` au moins un sous ensemble a ee a de S . Objectif : Minimiser |S |. Exemple La gure A.1(a) donne un exemple dinstance de Minimum Set Cover pour lequel U = {u1 , u2 , u3 , u4 , u5 , u6 } et S = {s1 , s2 , s3 , s4 , s5 } avec s1 = {u1 , u6 }, s2 = {u1 , u3 , u4 }, s3 = {u4 , u5 , u6 }, s4 = {u2 , u5 } et s5 = {u2 , u3 , u6 }. Une solution ralisable de cette instance de Minimum e Set Cover est reprsente par la gure A.1(b). Cette solution est compose des ensembles s2 , s3 e e e et s4 qui couvrent bien tous les lments de U . De plus il sagit dune solution optimale puisque ee deux sous ensembles ne susent pas ` couvrir tous les lments. a ee La complexit du probl`me Minimum Set Cover a fait lobjet de nombreuse publications. Elle e e est assez prcisment dtermine grce aux travaux de [Fei98] et [Sla96] qui ont apport les derni`res e e e e a e e amliorations concernant le facteur dinapproximabilit dune part et le facteur dapproximation e e de lalgorithme le plus performant connu dautre part. Ces deux facteurs sont du mme ordre de e grandeur comme le montrent les deux thor`mes A.4 et A.5 suivants. e e

` A.2. QUELQUES PROBLEMES DIFFICILES ET NON APPROXIMABLES


s4 s1 u6 s3 u5 u4 u1 u2 u3 s2
s3 s4
s4 s1 u1 u2 u3 u5 u4

133

s5
u6

u1

u2 u3

u6

u5

u4

s2

(a) Une instance de Minimum Set Cover

(b) Une couverture

(c) Une couverture partielle, pour k = 2 3

Fig. A.1 Minimum Set Cover et Minimum Partial Cover Thor`me A.4 ([Fei98]) Le probl`me Minimum Color st-Path nest pas approximable ` un e e e a log log n ). facteur (1 ) ln |U | pour tout > 0 sauf si N P T IM E(n Le principe de lalgorithme 2 est simple, ` chaque itration lensemble si choisi est celui qui a e permet de couvrir le plus dlments de U non encore couverts, jusqu` ce que tous les lments de ee a ee U soient couverts. Thor`me A.5 ([Sla96]) Lalgorithme 2 donne une approximation du probl`me Minimum Set e e e Cover ` un facteur ln |U |ln ln |U |+3+ln ln 32ln 32, cest ` dire de lordre de ln |U |ln ln |U |+ a a o(1). Algorithme 2 Algorithme dapproximation pour les probl`me Minimum Set Cover et Minimum e Partial Cover Entres: Un ensemble U = {u1 , . . . , un } et une collection de sous ensembles S = {s1 , . . . sm } de e U. Sorties: Une couverture S de U de taille minimum. 1: S , U U . 2: tant que U = faire 3: Choisir si tel que |U si | est minimum 4: U U si , S S si 5: n tant que 6: retourner S Le thor`me A.6 signie que le facteur dapproximation de lalgorithme 2 ne pourra plus tre e e e amlior. e e Thor`me A.6 ([Sla96]) Pour tout ensemble U tel que |U | > 2 il existe une collection S de e e sous ensembles de U couvrant U telle que lalgorithme 2 donne une solution de valeur strictement suprieure ` (ln |U | ln ln |U | 1 + ln 2) fois loptimale. e a Les rsultats de [Sla96] stendent au probl`me plus gnral Minimum Partial Cover. Lale e e e e gorithme 2 sadapte au probl`me Minimum Partial Cover, il sut de remplacer la condition de e la boucle ` la ligne 2 par |U | > |U | k|U | pour que lalgorithme termine d`s que k|U | lments a e ee de U sont couverts.

134

` ANNEXE A. PROBLEMES DE REFERENCE

Probl`me A.7 (Minimum Partial Cover) e Entre : e Un ensemble U = {u1 , . . . , un }, une collection de sous ensembles S = {s1 , . . . sm } de U et une constante k ]0, 1]. Sortie : Une sous collection S S permettant de couvrir k|U | lments de U . ee Objectif : Minimiser |S |.

Exemple Pour obtenir une instance de Minimum Partial Cover il sut dajouter une constante 2 2 k ]0, 1] ` linstance de Minimum Set Cover dcrite par la gure A.1. Prenons k = 3 , 3 6 = 4 a e lments de U doivent tre couverts dans une solution de cette instance de Minimum Partial ee e Cover. La gure A.1(c) illustre une telle solution, elle est compose des sous ensembles s1 et s4 e et est optimale car aucun sous ensemble ne contient quatre lments de U . ee Thor`me A.8 ([Sla96, Sla95]) Lalgorithme 2 donne une approximation du probl`me Minie e e mum Partial Cover ` un facteur ln k|U | ln ln k|U | + 3 + ln ln 32 ln 32, cest ` dire de a a lordre de ln k|U | ln ln k|U | + o(1). Thor`me A.9 ([Sla96, Sla95]) Pour tout ensemble U et toute constante k ]0, 1] tels que e e k|U | > 2 il existe une collection S de sous ensembles de U couvrant k|U | lment telle que lalee gorithme 2 donne une solution de valeur strictement suprieure ` (ln k|U | ln ln k|U | 1 + ln 2) e a fois loptimale.

A.2.3

Maximum Independant Set et Maximum Clique

Probl`me A.10 (Maximum Clique) e Entre : e Un graphe G = (V, E). Sortie : Objectif : Une clique : un sous ensemble de sommets V V tel que u, v V {u, v} E. Maximiser |V |.

Probl`me A.11 (Maximum Independant Set) e Entre : e Un graphe G = (V, E). Sortie : Objectif : Un ensemble indpendant : un sous ensemble de sommets V V tel que e u, v V {u, v} E. / Maximiser |V |.

Thor`me A.12 ([Has99]) Les probl`mes Maximum Clique et Maximum Independant Set e e e ne sont pas approximables ` un facteur |C|1 pour tout > 0 sauf si N P = ZP P , et ne sont pas a 1 approximables ` un facteur |C| 2 pour tout > 0 sauf si P = N P . a

` A.2. QUELQUES PROBLEMES DIFFICILES ET NON APPROXIMABLES

135

A.2.4

Set Splitting

Probl`me de dcision A.13 (Set Splitting) e e Donnes : Une collection {Si |i 1, . . . , N } de sous ensembles dun ensemble ni S. e Question : Existe-t-il deux sous ensembles S , S S disjoints, tels que chacun intersecte tous les sous ensembles de la collection {Si |i 1, . . . , N } ?

Thor`me A.14 ([GJ79]) Le probl`me Set Splitting est NP-Complet. e e e

A.2.5

Red Blue Set Cover

Probl`me A.15 (Red Blue Set Cover) e Entre : e Deux ensembles R et B, une collection S de sous ensembles de R B. Sortie : Objectif : Une sous collection S S couvrant tous les lments de B. ee Minimiser le nombre dlments de R couverts par S . ee

Thor`me A.16 ([CDKM00]) Le probl`me Red Blue Set Cover nest pas approximable ` e e e a log1 |S|4 ) pour tout > 0 sauf si N P DT IM E(npolylog(n) ). un facteur O(2

A.2.6

Maximum Set Packing

Probl`me A.17 (Maximum Set Packing) e Entre : e Une collection C de sous ensembles dun ensemble U . Sortie : Objectif : Une sous collection C C telle que ci , cj C ci cj = . Maximiser |C |.

Le rsultat suivant est obtenu grce ` une rduction du probl`me Maximum Clique au e a a e e probl`me Maximum Set Packing. e Thor`me A.18 ([Kar72, ADP80]) Le probl`me Maximum Set Packing nest pas approxie e e 1 pour tout > 0 sauf si N P = ZP P , et nest pas approximable ` un mable ` un facteur |C| a a 1 facteur |C| 2 pour tout > 0 sauf si P = N P .

A.2.7

Minimum Label Cover

Soit B = (U, V, E) un graphe biparti et deux ensembles de labels LU et LV qui peuvent tre e aects aux sommets de U et de V respectivement. Pour chaque arte {u, v} E, u U et v V , e e une relation uv LU LV consistant de paires de labels admissibles pour larte {u, v} est donne. e e

136

` ANNEXE A. PROBLEMES DE REFERENCE

Un labeling est une paire de fonctions fU : U 2LU 1 et fV : V 2LV {} aectant ` chaque a sommet de B un sous ensemble de labels. Le cot dun labeling est donn par ui U |fU (ui )|. Un u e labeling couvre une arte {u, v}, u U et v V , si pour chaque label lv fV (v) il existe un label e lu fU (u) tel que (lu , lv ) uv . Le probl`me est de trouver un labeling couvrant toutes les artes e e de B de cot minimum. u Pour assurer lexistence dun labeling couvrant toutes les artes, on impose que le label 1v LV e appartienne ` une paire admissible de uv pour toute arte {u, v} E. Un label ligible pour un a e e sommet v V est un label qui appartient ` au moins une paire admissible de uv pour toute arte a e {u, v} E. Le label 1v est donc un label ligible pour tous les sommets de V . e Probl`me A.19 (Minimum Label Cover) e Entre : e B = (U, V, E) un graphe biparti, deux ensembles de labels LU pour U et LV pour V , une relation uv LU LV consistant de paires de labels admissibles pour chaque arte {u, v} E. e Sortie : Un labeling couvrant toutes les artes : deux fonctions fU : U 2LU et fV : e V 2LV {} telles que pour chaque label lv fV (v) il existe un label lu fU (u) tel que (lu , lv ) uv pour toute arte {u, v} E. e Objectif : Minimiser ui U |fU (ui )|. Exemple La gure A.2 reprsente une instance de Minimum Label Cover. La relation ce e donne pour larte {c, e} indique que lorsque le label 1v est aect au sommet e V , lun des e e e labels 4u , 2u ou 3u doit tre aect au sommet c U pour que larte {c, e} puisse tre couverte. e e e e De mme si le label 3v est aect au sommet e, le label 1u doit tre aect au sommet c. La relation e e e e ae contient les paires admissibles (4u , 2v ) et (2u , 2v ), donc si le label 2v est aect ` e, lun des ea labels 4u ou 2u doit tre aect au sommet a U pour couvrir larte {a, e}. Cependant le label e e e 2v nest pas ligible pour le sommet e car il nappartient ` aucune paire admissible dans la relation e a ce . Aecter ce label au sommet e empcherait de couvrir larte {c, e} puisquaucun label de LU e e formant une paire admissible avec 2v ne peut tre aect au sommet c. e e Les fonctions suivantes constituent une solution ralisable pour cette instance de Minimum e Label Cover de cot |fU (a)| + |fU (b)| + |fU (c)| + |fU (d)| = 5 : u fU (a) = {3u }, fU (b) = {1u }, fU (c) = {1u , 2u }, fU (d) = {4u }, fV (e) = {3v }, fV (f ) = {1v }, fV (g) = {2v },

Le plus grand facteur dinapproximabilit pour le probl`me Minimum Label Cover a t e e ee prouv dans [DS04b]. e Thor`me A.20 ([DS04b]) Le probl`me Minimum Label Cover nest pas approximable ` un e e e a log |V | avec = (log log |V |) pour tout < 1 sauf si P = N P . facteur 2 2 On peut constater sur la gure A.3 que la fonction 2log la fonction log x mais la dpasse et croit beaucoup plus rapidement. e
1(log log x) 1 3

dmarre plus lentement que e

1 L

2 dsigne lensemble des parties dun ensemble L donn. e e

` A.2. QUELQUES PROBLEMES DIFFICILES ET NON APPROXIMABLES

137

a U b V e ae = {(2u, 1v ), (4u, 1v ), (4u, 2v ), (2u, 2v ), (3u, 3v )} ce = {(4u, 1v ), (2u, 1v ), (3u, 1v ), (1u, 3v )}

af = {(3u, 1v ), (1u, 2v ), (4u, 4v ), (3u, 4v )} f bf = {(1u, 1v ), (3u, 2v ), (1u, 2v ), (4u, 2v ), (2u, 4v )} df = {(3u, 1v ), (4u, 1v ), (4u, 2v ), (3u, 2v ), (1u, 4v )} cg = {(4u, 1v ), (3u, 1v ), (2u, 2v ), (3u, 2v )} dg = {(3u, 1v ), (2u, 1v ), (4u, 2v ), (1u, 2v )}

d LU = {1u, 2u, 3u, 4u} LV = {1v , 2v , 3v , 4v }


Fig. A.2 Exemple dinstance de Minimum Label Cover.

A.2.8

Unsplittable Flow

Le probl`me Unsplittable Flow a t introduit en 1996 par Kleinberg [Kle96] et a depuis t e ee ee tr`s tudi [EH02, Sku02, KS02a, Asa00, CLR03, BCLR04, KS02b, Gef01, KS98, AR01, AdC03]. e e e

Probl`me A.21 (Unsplittable Flow) e Entre : e Un graphe G = (V, E) orient ou non, une capacit ce 0 par arte e E, e e e k paires de sommets (si , ti ) et une demande di 0 entre la source si et la destination ti de chaque commodit. e Sortie : Un unique chemin pour chaque commodit (si , ti ) de capacit di tel que le ot e e total sur chaque arte respecte sa capacit. e e Objectif : Plusieurs objectifs ont t tudis : eee e Congestion minimum Minimiser la valeur 1 telle quil existe un ot monorout violant la capacit dune arte dun facteur au plus . e e e Partition minimum trouver une partition des commodits en un nombre e minimum de sous-ensembles tels quil existe un ot monorout pour e chaque sous-ensemble. Demande routable maximum trouver un ot monorout pour un souse ensemble de commodits maximisant la somme des demandes routes. e e

Certains articles ([EH02, Sku02, KS02a]) tiennent aussi compte de la version avec cots sur les u artes, lobjectif est de minimiser la congestion tout en maintenant le cot de la solution infrieur e u e a ` un budget B donn. e

138

` ANNEXE A. PROBLEMES DE REFERENCE

42

40

38

36

34

32

30

28

26 2e+17 4e+17 x 6e+17 8e+17 1e+18

Fig. A.3 Fonctions 2log

1(log log x)

1 3

et log x

A.2.9

Minimum Steiner Tree [GJ79]

Probl`me A.22 (Minimum Steiner Tree) e Entre : e Un graphe non orient G = (V, E), un sous-ensemble de sommets S V , un e poids we 0 sur chaque arte e E. e Sortie : Un arbre T couvrant tous les sommets de S. Objectif : Minimiser la somme des poids des artes de T : e
eT

we .

Annexe B

Transformation dun rseau e multicolor : Algorithme de dcision e e


Nous prsentons une suggestion dimplmentation de lalgorithme expos ` la section 4.4.1 e e e a du chapitre 4 permettant de dcider si un rseau multicolor peut tre transform en un graphe e e e e e color de span maximum 1. Notre objectif ntant pas dobtenir les meilleurs performances mais e e simplement dvaluer la complexit en temps de lalgorithme, le pseudo-code suivant nest pas e e optimis pour une excution ecace. e e Organisation des parties, algorithme global (Algorithme 3) Lalgorithme peut tre dcoup e e e en cinq parties qui doivent tre excutes successivement. Elles sorganisent tr`s simplement comme e e e e indiqu par lalgorithme 3. Chaque partie op`re des modications sur les ensembles et les vae e riables dcrits ci-apr`s an que les parties suivantes disposent des lments ncessaires ` leur bon e e ee e a droulement. Ces lments sont connus et accessibles par chaque partie comme des variables globales e ee de lalgorithme 3 et sont dnis comme suit. e e.statut(c) : statut de la couleur c C sur larte e ER , positionnable, libre, fixe ou e semi-libre. Par dfaut le statut est positionnable. e e.position(c) : position que doit avoir la couleur c C sur larte e R pour tre de span 1, il e e sagit du sommet extrmit de e auquel c doit tre adjacente. e e e e.position.oppose(c) : dsigne lextrmit de e qui nest pas la position de la couleur c, cette e e e position peut donc tre prise par la deuxi`me couleur porte par e. e e e e.autre.col(c) : pour une couleur c porte par e, dsigne lautre couleur porte par cette arte, e e e e a ` utiliser uniquement pour une arte e portant exactement deux couleurs. e c.xe : variable boolenne, vrai si la couleur c contient au moins une arte xe, faux par e e dfaut. e c.semi libre : variable boolenne, vrai si la couleur c est semi-libre, faux par dfaut. e e NbrSemiLibre : nombre de couleurs semi-libres, initialement nul. Continu : variable boolenne. e c.arete : ensemble des artes portant la couleur c dans R. e c.sommet : ensemble des sommets adjacents ` la couleur c dans R. a c.centre : ensemble de sommets pouvant tre au centre dune toile pour la couleur c, ou au sens e e large, sommets adjacents ` une arte xe pour la couleur c. Cet ensemble est initialement a e vide. e.couleur : ensemble des couleurs portes par larte e. e e e.extremite : ensemble des deux sommets extrmit de larte e. e e e 139

140ANNEXE B. TRANSFORMATION DUN RESEAU MULTICOLORE : ALGORITHME DE DECISION Avec une librairie comme mascopt 1 les ensembles c.arete, c.sommet, e.couleur et e.extremite peuvent tre maintenus et sont accessibles en temps constant. e Algorithme 3 Dcision concernant la possibilit pour un rseau dune transformation en graphe e e e color de span maximum 1. e Entres: un rseau R = (VR , ER , C). e e Sorties: retourne vrai et un graphe color G = (V, E, C) de span maximum 1 issu de la transe formation de R si cette transformation est possible, sinon retourne faux et une preuve que la transformation en graphe de span 1 nest pas possible. 1: excuter lAlgorithme 4 e 2: excuter lAlgorithme 5 e 3: excuter lAlgorithme 6 e 4: excuter lAlgorithme 7 e 5: excuter lAlgorithme 8 e 6: retourner le graphe obtenu ` partir des positions des couleurs dtermines au cours des 5 a e e algorithmes prcdents. e e

Rduction du nombre de couleurs par arte (Algorithme 4) Lobjectif de la premi`re e e e partie de lalgorithme est llimination des couleurs qui ne sont prsentes que sur une seule arte e e e du rseau an dobtenir un rseau dont les artes portent au plus deux couleurs. Cest aussi dans e e e cette partie que sont repres toutes les artes xes. ee e Le rle des lignes 1 ` 3 est lidentication des couleurs qui ne sont prsentes que sur une seule o a e arte et dont la position est libre par consquent. Ensuite les artes ne portant quune seule couleur e e e sont repres (lignes 5-7). Avec les lignes 8 ` 13, les couleurs prsentes sur une seule arte sont ee a e e supprimes du rseau jusqu` laisser au moins deux couleurs par arte non xe. Sil reste plus de e e a e deux couleurs sur une arte ces couleurs ne peuvent pas tre de span 1 simultanment et cette e e e preuve est retourne par lalgorithme (lignes 14-16). Notons qu` lissue de cette partie des artes e a e portant deux couleurs libres peuvent se trouver dans le rseau, les positions peuvent tre dcides e e e e arbitrairement d`s maintenant mais pour respecter les fonctions particuli`res de chaque partie ce e e ne sera fait que plus tard. Couleurs semi-libres (Algorithme 5) Lobjectif de cette partie de lalgorithme est lidentication du statut des couleurs napparaissant que sur une arte multiple (couleurs c telles que e |c.sommet| = 2). Les lignes 2 ` 7 permettent de dtecter les couleurs qui sont libres sur certaines a e artes constituant larte multiple car au moins une des artes auxquelles ces couleurs appartiennent e e e sont xes. Si une couleur ne comporte aucune arte xe il sagit dune couleur semi-libre (lignes e 8-14). Etoiles (Algorithme 6) Cette partie est consacre ` la recherche des sommets constituant le e a centre des toiles pour les couleurs qui ne contiennent pas seulement une arte multiple (les couleurs e e c telles que |c.sommet| > 2). Lorsquune couleur contient au moins une arte xe, toutes les artes e e doivent tre adjacentes ` au moins une extrmit darte xe (lignes 2-5). De plus les artes xes e a e e e e doivent tre connexes (lignes 6-9). Par contre si une couleur ne contient aucune arte xe un e e unique sommet pourra tre incident ` toutes les artes de la couleur, cest pourquoi on recherche e a e
1

http://www-sop.inria.fr/mascotte/mascopt/

141

Algorithme 4 Rduire le nombre de couleurs par arte ` deux dans le rseau ou fournir un e e a e ensemble de couleurs ne pouvant tre de span 1 simultanment et larte en cause. e e e 1: pour tout c C telle que |c.arete| = 1 faire 2: soit {e} = c.arete, e.statut(c) libre 3: n pour 4: pour tout e ER faire 5: si |e.couleur| = 1 alors 6: soit e.couleur = {c}, e.statut(c) fixe 7: c.xe vrai 8: sinon si |e.couleur| > 2 alors 9: pour tout c e.couleur faire 10: si e.statut(c) = libre et |e.couleur| > 2 alors 11: e.couleur e.couleur {c} 12: n si 13: n pour 14: si |e.couleur| > 2 alors 15: retourner faux et e.couleur 16: n si 17: n si 18: n pour

Algorithme 5 Identication des couleurs semi-libres 1: pour tout c C tel que |c.sommet| = 2 faire 2: si c.xe = vrai alors 3: pour tout e c.arete faire 4: si e.statut(c) = fixe alors 5: e.statut(c) libre 6: n si 7: n pour 8: sinon 9: c.semi libre vrai 10: NbrSemiLibre NbrSemiLibre + 1 11: pour tout e c.arete faire 12: e.statut(c) semi-libre 13: n pour 14: n si 15: n pour

142ANNEXE B. TRANSFORMATION DUN RESEAU MULTICOLORE : ALGORITHME DE DECISION un sommet ` lintersection de plusieurs artes aux lignes 9 ` 18. Quand aucun sommet nest incident a e a a ` toutes les artes dun sous ensemble (lignes 14-16) la couleur ne pourra pas tre de span 1 apr`s e e e transformation et les artes le prouvant sont retournes. e e Une fois quont t dtermins les sommets auxquels toutes les artes dune couleur doivent ee e e e tre incidentes pour quelle puisse tre de span 1, il faut vrier que toutes les artes sont bien e e e e incidentes ` ces sommets (lignes 21-23). Lorsquune arte est adjacente ` un des sommets du centre a e a sa position est impose (lignes 24-27). Enn, au cas o` une arte serait incidente ` deux sommets e u e a du centre ` la fois, cest que sa position est libre. a A la n de cette partie, toutes les positions qui sont imposes ` cause des toiles sont dtermines e a e e e et si une couleur ne peut pas tre de span 1, elle est identie et la preuve en est retourne par e e e lalgorithme. Algorithme 6 Recherche dtoiles, positionnement des couleurs dans les toiles. e e 1: pour tout c C tel que |c.sommet| > 2 faire 2: si c.xe = vrai alors 3: pour tout e c.arete telle que e.position(c) = fixe faire 4: c.centre c.centre e.extremite 5: n pour 6: si c.centre non connexe alors 7: retourner faux et c.centre 8: n si 9: sinon 10: soit {e1 , e2 , . . . , e|c.arete| } = c.arete 11: c.centre e1 , i = 1 12: rpter e e 13: ii+1 14: si |ei .extremite c.centre| = 0 alors 15: retourner faux c, ei et c.centre 16: n si 17: c.centre ei .extremite c.centre 18: jusqu` |c.centre| 1 a 19: n si 20: pour tout e c.arete faire 21: si e.statut(c) = positionnable alors 22: si |e.extremite c.centre| = 0 alors 23: retourner faux et c et c.centre et e 24: sinon si |e.extremite c.centre| = 1 alors 25: soit {v} = e.extremite c.centre, 26: e.position(c) v 27: sinon si |e.extremite c.centre| = 2 alors 28: e.statut(c) libre 29: n si 30: n si 31: n pour 32: n pour

143 Positionnement des couleurs semi-libres (Algorithme 7) Une fois que les positions imposes par les toiles ont t dtermines, il est possibles de dterminer les positions des couleurs e e ee e e e semi-libres. Les lignes 3 ` 17 positionnent les couleurs semi-libres en fonction des positions imposes des a e couleurs positionnables avec lesquelles elles partagent une arte. Lorsque la position dune couleur e semi-libre est dtermine elle devient elle-mme positionnable et peut permettre de dcider de la e e e e position dune autre couleur semi-libre, cest pourquoi il faut rpter ce processus de propagae e tion de position (ligne 15). Ainsi en arrivant ` la ligne 18 les couleurs semi-libres restant dans le a rseau partagent ncessairement toutes leurs artes avec des couleurs soit semi-libres, soit libres. e e e Leurs positions peuvent donc tre dtermines arbitrairement, elles deviennent alors des couleurs e e e positionnables et le processus de propagation de position doit reprendre (ligne 27). Ce processus termine uniquement lorsquil ne reste plus aucune couleur semi-libre dans le rseau. e En revanche il peut rester des artes libres pour certaines couleurs et apr`s cette phase ce sont les e e seules dont les positions ne sont pas xes. e Algorithme 7 Positionnement des couleurs semi-libres 1: rpter e e 2: Continu faux 3: pour tout c C tel que c.semi libre = vrai faire 4: soit {e1 , . . . , e|c.arete| } = c.arete, i 0 5: rpter e e 6: ii+1 7: jusqu` ei .statut(ei .autre.col(c)) = positionnable ou i = |c.arete| a 8: si ei .statut(ei .autre.col(c)) = positionnable alors 9: pour tout e c.arete faire 10: e.position(c) ei .position.oppose(e.autre.col(c)) 11: e.statut(c) positionnable 12: n pour 13: c.semi libre faux 14: NbrSemiLibre NbrSemiLibre 1 15: Continu vrai 16: n si 17: n pour 18: si Continu =faux et NbrSemiLibre > 0 alors 19: soit c C telle que c.semi libre = vrai 20: soit v c.sommet arbitraire 21: pour tout e c.arete faire 22: e.position(c) v 23: e.statut(c) positionnable 24: n pour 25: c.semi libre faux 26: NbrSemiLibre NbrSemiLibre 1 27: Continu vrai 28: n si 29: jusqu` Continu = faux a

144ANNEXE B. TRANSFORMATION DUN RESEAU MULTICOLORE : ALGORITHME DE DECISION Confrontation des positions xes (Algorithme 8) Lorsque lalgorithme arrive ` cette pare a tie, toutes les couleurs peuvent indpendamment tre de span 1, il faut donc vrier que les positions e e e tablies pour chaque couleur et pour chaque arte ne sont pas en conit. e e Un conit peut survenir si deux couleurs doivent avoir la mme position sur une arte (lignes e e 3-6). Si larte contient une couleur libre et une positionnable, alors la position de la couleur libre e est impose par celle de lautre couleur (lignes 7-8). Lorsque les deux couleurs partageant une arte e e sont libres, leurs positions sont dcides arbitrairement (lignes 9-13). e e Algorithme 8 Confrontation des positions xes. e 1: pour tout e ER telle que |e.couleur| = 2 faire 2: soit {c1 , c2 } = e.couleur 3: si e.statut(c1 ) = positionnable et e.statut(c2 ) = positionnable alors 4: si e.position(c1 ) = e.position(c2 ) alors 5: retourner faux et e.couleur et e 6: n si 7: sinon si e.statut(c1 ) = positionnable et e.statut(c2 ) = libre alors 8: e.position(c2 ) e.position.oppose(c1 ) 9: sinon si e.statut(c1 ) = libre et e.statut(c2 ) = libre alors 10: soit v e.extremite arbitraire 11: e.position(c2 ) v 12: e.position(c1 ) e.position.oppose(c2 ) 13: n si 14: n pour

Annexe C

Exemples de rseaux utiliss dans la e e littrature e


1

11

5 6

9 8 10

Fig. C.1 NJLATA [CSC02, DS04a]


11 1 7 6 2 4 5 13 12 8 9

10

3 14

Fig. C.2 NSFNET [OSYZ95, Jau, YDA00]

145

146

ANNEXE C. EXEMPLES DE RESEAUX UTILISES DANS LA LITTERATURE

1 11 2 6 15

19

20

12

16 22

21

4 10 14 13 18 17

23

24

Fig. C.3 Rseau Amricain [SYR05, TR04b] e e

3 7 2 1 5 4 10 13 6

12 11 16

14

15 19

17

18

20

21

Fig. C.4 Rseau Italien [SYR05] e

147

Rsum e e
Les probl`mes tudis dans cette th`se sont motivs par des questions issues de loptimisation e e e e e des rseaux de tlcommunication. Nous avons abord ces probl`mes sous deux angles principaux. e ee e e Dune part nous avons tudi leurs proprits de complexit et dinapproximabilit. Dautre part e e ee e e nous avons dans certains cas propos des algorithmes exacts ou dapproximation ou encore des e mthodes heuristiques que nous avons pu comparer ` des formulations en programme linaires e a e mixtes sur des instances particuli`res. e Nous nous intressons aussi bien aux rseaux de cur quaux rseaux dacc`s. Dans le premier e e e e chapitre, nous prsentons bri`vement les rseaux dacc`s ainsi que les rseaux multiniveaux de e e e e e type ip/wdm et larchitecture mpls que nous considrons pour les rseaux de cur. Ces rseaux e e e sont composs dun niveau physique sur lequel est rout un niveau virtuel. A leur tour les requtes e e e des utilisateurs sont routes sur le niveau virtuel. Nous abordons galement la tolrance aux pannes e e e dans les rseaux multiniveaux qui motive deux probl`mes que nous avons tudis. e e e e Le second chapitre est consacr ` la conception de rseaux virtuels. Dans un premier temps ea e nous modlisons un probl`me prenant en compte la tolrance aux pannes, puis nous en tudions un e e e e sous-probl`me, le groupage. Notre objectif est de minimiser le nombre de liens virtuels, ou tubes, ` e a installer pour router un ensemble de requtes quelconque lorsque le niveau physique est un chemin e orient. Le troisi`me chapitre traite des groupes de risque (srrg) induits par lempilement e e de niveaux au sein dun rseau multiniveaux. Grce ` une modlisation par des graphes colors, e a a e e nous tudions la connexit et la vulnrabilit aux pannes de ces rseaux. Lobjet du quatri`me e e e e e e chapitre est le probl`me du placement dinstruments de mesure du trac dans le rseau dacc`s e e e dun oprateur. Nous considrons aussi bien les mesures passives quactives. La surveillance du e e trac poss`de de nombreuses applications, en particulier la dtection de pannes et lvaluation des e e e performances dun rseau. e

Abstract
This thesis is devoted to optimization problems arising in telecommunication networks. We tackle these problems from two main points of view. On the one hand we study their complexity and approximability properties. On the second hand, we propose heuristic methods, approximation algorithms or even exact algorithms that we compare with mixed integer linear programming formulations on specic instances. We are interested in backbone networks as well as access networks. In the rst chapter, we briey present access networks and ip/wdm multilayer backbone networks using the mpls architecture. These networks are composed of a physical layer on which is routed a virtual layer. In turn, the users requests are routed on the virtual layer. We also present multilayer network survivability issues motivating two of the questions we have studied. The second chapter is dedicated to the design of virtual networks. First we propose a mixed integer linear programming formulation with network survivability constraints. Then we study a sub-problem, the grooming problem. Our objective is to minimize the number of virtual links, needed to route a given set of requests when the physical layer is a directed path. The third chapter deals with Shared Risk Resource Groups (srrg) induced by stacking up network layers in multilayer networks. Thanks to the colored graphs model, we study connexity and failure vulnerability of these networks. The positioning of active and passive trac measurement points in the access network of an internet service provider is the subject of the fourth chapter.