Umts Les Rã Seaux Mobiles De Troisiã Me Gã Nã Ration By Harri
Umts Les Rã Seaux Mobiles De Troisiã Me Gã Nã Ration By Harri Holma Antti Toskala PDF Etude Et Conception D Algorithmes Pour Les Rseaux Smartphone Distributeur Informatique De Proximit En 22000 Gprs Edge Traduction Franaise Linguee Antennes Relais De Tlphonie Mobile Mobile Breitbandverbindung Linguee De Surface Approx Cm 694
Umts Les Rã Seaux Mobiles De Troisiã Me Gã Nã Ration By Harri
antennes gsm et gprs rs ponents un point sur les normes rseaux mobiles en france en galaxyprison co ttfone saturn tt900 t©l©phone portable d©bloqu surface approx cm 694 page 1 3 le secteur du transport publications fsr ac ma facult des sciences de rabat reseau d entreprise systme de noms de domaines fibre toute l actualit
Coopé ration dans lés Ré séaux d’Accé s 5G Multi Opé ratéurs
La cinquième génération de réseaux mobiles (5G) doit surmonter les nouveaux défis qui sont apparus avec la croissance explosive de la demande de trafic mobile En fait, le trafic mondial de données mobiles a augmenté de 69 en 2014, et il est prévu d'augmenter de près de dix fois entre 2014 et 2019 [1]
Umts Les Rã Seaux Mobiles De Troisiã Me Gã Nã Ration By Harri
Umts Les Rã Seaux Mobiles De Troisiã Me Gã Nã Ration By Harri Holma Antti Toskala reseau d entreprise systme de noms de domaines fibre un point sur les normes rseaux mobiles en france en galaxyprison co antennes relais de tlphonie mobile toute l actualit informatique du web 7 march 2013 nd
Coop eration dans les r eseaux d’acc es 5G multi-Op erateurs
l'opérateur Ainsi, les opérateurs de réseaux mobiles (ORM) cherchent à améliorer leurs réseaux afin d'élargir la couverture, augmenter la capacité, soutenir des débits plus élevés et améliorer la qualité de service d’une manière plus efficace concernant les coûts et la consommation d’énergie
Business opportunities through UMTS-WLAN networks
EN COOPI~RATION AVEC LES RI~SEAUX UMTS R6sum~ Cet article souligne l'attrait pour les opdrateurs mobiles que constitue la couverture des lieux publics fi forte
SAGEMCOM DEVOILE SES DERNIERES INNOVATION S DE SOLUTIONS
probl me de saturation des r seaux qui ne cesse de sÕintensifier avec les nouveaux usages des consommateurs Si la femtocell permet de soulager les r seaux mobiles, elle offre galement une meilleure couverture au domicile et apporte une solution aux zones non couvertes
Approches heuristiques pour lÕaffectation de cellules aux
dans les r”seaux mobiles Telecommunications / T”l”communications Le probl‘me de lÕaffectation des cellules aux commutateurs dans les r”seaux cellulaires consiste, ”tant donn” un ensemble de cellu-les et de commutateurs dont les emplacements sont connus, ‹ affecter les cellules aux commutateurs de fa“on ‹ minimiser une
AUTO-ORGANISATION DES RESEAUX SANS FIL MULTI-SAUTS A GRANDE
Les re´seaux sans fil multi-sauts sont des re´seaux radio mobiles sans aucune infrastruc- ture, ce qui leur permet une implantation rapide Ils peuvent aussi eˆtre couple´s a` un
PCM Assemblée Générale - UnIPEF
les mobiles Alors, je formule un simple souhait : que l'on sache mieux apprécier le système des grandes écoles, et que l'on s'attache à le conserver et à le développer, dans un esprit de saine compétition et de complémentarité avec l'université Pour cela, il faut que l'on accepte d'y appliquer les principes d'efficacité qui sont
[PDF] La couverture mobile et la qualité de service mobile - Telecom
[PDF] La fibre optique - Arcep
[PDF] SERVICES FIXES HAUT ET TRES HAUT DEBIT (SUIVI DES - Arcep
[PDF] MANUEL D 'UTILISATION et TUTORIEL
[PDF] L 'ARCHITECTE-RÉFÉRENT EN SÉCURITE DES SYSTÈMES D
[PDF] Vers une architecture n-tiers
[PDF] Evolution des Réseaux Mobiles
[PDF] Les architectures 3-tiers Partie I : les applications WEB
[PDF] Cours - Architecture N-tier - Cedric/CNAM
[PDF] Architecture Applicative - Deptinfo
[PDF] Histoire de l 'architecture occidentale
[PDF] Modèle client-serveur et architectures techniques n - Réseau Certa
[PDF] les quatre concepts fondamentaux de l´architecture contemporaine
[PDF] Réalisation d 'un Intranet : Cohérence d 'un - Tel Archives ouvertes
IEEE Canadian Review - Spring / Printemps 20049
revient, ˆ partir de n cellules et de m commutateurs, ˆ trouver un schma dÕaffectation des n cellules aux m commutateurs qui minimise le cot total du rseau tout en respectant certaines contraintes. Si nous devions explorer de faon exhaustive tous les schmas dÕaffectation possibles (m n dans notre cas) pour en choisir le meilleur, nous dbou- mme les ordinateurs les plus performants mettraient un temps excessi- vement long ˆ rsoudre. Considrons maintenant lÕaspect de la capacit des commutateurs. Il sÕagit alors de raliser les affectations en tenant compte du fait quÕun commutateur a une capacit limite, cÕest-ˆ-dire que seul un nombre limit de cellules peut lui tre raccord. Cette capacit sÕexprime enT1.0 Introduction
ypiquement, un rseau cellulaire est constitu dÕun ensem- ble de stations de base desservant les cellules et de plusieurs commutateurs connus sous le nom de Mobile Switching entre les usagers prsents ˆ lÕintrieur dÕune mme couverture gogra- phique se fait gr‰ce aux liaisons c‰bles ou micro-ondes entre les rseau tlphonique commut public. Les commutateurs ont la possibi- lit de se transfrer la prise en charge dÕun usager passant dÕune cellule ˆ une autre. Lorsque celui-ci passe dÕune cellule ˆ une autre, une mise ˆ jour est effectue au niveau des commutateurs concerns. Cette opra- car les mises ˆ jour ˆ effectuer sont peu nombreuses. En revanche, si de ressources dans ce cas. LorsquÕun usager est en mouvement dans une cellule, le signal analogi- que mis est aussit™t pris en charge par la cellule la plus proche. Il existe un seuil de sensibilit (ou seuil de filtrage) au-delˆ duquel le signal mis par lÕusager est suffisamment puissant pour tre pris en compte par la cellule. commutateur 1, alors que les cellules C et D dpendent du commuta- teur 2. Un utilisateur prsent en C pourrait mettre un signal suffisamment puissant pour tre peru simultanment par les cellules B faudrait se procurer un rseau de signalisation capable de juger quelle cellule reoit le signal avec le plus de clart et de dterminer ainsi le commutateur qui sera responsable de la communication. Dans le cas o lÕusager quitte la cellule C et se retrouve dans la cellule D, on est en pr- de cette opration. En revanche, si lÕusager passe de la cellule C ˆ la cel- lÕinformation relative ˆ lÕusager et une mise ˆ jour de la base de don- LÕaffectation des cellules aux commutateurs consiste essentiellement ˆ trouver la configuration des liaisons commutateur-cellule qui minimise le cot total du rseau, en tenant compte dÕun certain nombre de con- chaque commutateur. Parmi les facteurs qui doivent tre pris en compte, on trouve la configuration du rseau, la capacit des commutateurs et le trafic achemin par lÕintermdiaire du rseau.Montral, Montreal, QC.
Approches heuristiques pour lÕaffectation de cellules aux commutateurs dans les rseaux mobilesTelecommunications / Tlcommunications
les rseaux cellulaires consiste, tant donn un ensemble de cellu- les et de commutateurs dont les emplacements sont connus, ˆ affecter les cellules aux commutateurs de faon ˆ minimiser une fonction de cot qui comprend une composante de cot de liaison affectation doit tenir compte de la contrainte de capacit des com- mutateurs qui ne peuvent supporter quÕun nombre limit dÕappels. cile, ce qui justifie le recours ˆ des mthodes heuristiques de rsolution pour conjurer le risque dÕexplosion combinatoire. Cet article examine lÕefficacit de diffrentes interactions entre trois mta-heuristiques bien connus jusquÕici utiliss isolment pour recuit simul et lÕalgorithme de recherche taboue. Les rsultats obtenus de ces interactions montrent que les algorithmes de recuit simul et de recherche taboue permettent dÕamliorer les rsultatsobtenus par lÕalgorithme gntique.For a set of cells and switches, the problem of cell assignment to
switches in cellular mobile networks consists of determining a cell assignment pattern, which minimizes a certain cost function, while respecting certain constraints, especially those related to limited switchÕs capacity. The cost function integrates a link and a han- doff cost component. Assigning cells to switches in cellular mobile networks being an NP-hard problem, enumerative search methods are practically inappropriate to solve large-sized instances of this problem. This paper presents the interaction between tabu search, simulated annealing and standard genetic algorithm to solve this problem. The implementation of these algorithms has been subject to extensive tests in order to measure the quality of solutions. The results obtained show that the simulated annealing and tabu search improve the individuals representing solutions provided by stan- dard genetic algorithm.SommaireAbstractcellule Acellule C
cellule D cellule BCommutateur 1
Commutateur 2
10IEEE Canadian Review - Spring / Printemps 2004
volumes dÕappels par unit de temps. Considrons enfin lÕaspect du trafic achemin par lÕintermdiaire du rseau. Ce trafic peut varier considrablement ˆ deux moments de la journe. Ainsi, un schma dÕaffectation efficace ˆ un moment de la jour- ne peut sÕavrer inefficace ˆ un autre moment. Il sÕagit donc dÕimplanter deux affectations correspondant chacune ˆ un moment de la journe. Il peut alors arriver quÕune cellule soit relie ˆ deux commuta- teurs diffrents, et cela doit tre pris en compte dans le calcul du cot global du rseau. que de rsolution, ce que certains chercheurs ont djˆ prconis [4] [5]. Cet article examine lÕefficacit de diffrentes interactions entre ces trois ment de ces heuristiques. La section 3 dfinit les interactions entre lÕalgorithme gntique, le recuit simul et la recherche taboue. La sec- tion 4 prsente et analyse les rsultats de simulation. La section 5, en guise de conclusion, rsume nos principales observations. ques utilises: lÕalgorithme gntique, la recherche taboue et le recuit simul.2.1 LÕalgorithme gntique
Les algorithmes gntiques (AG) introduits par John Holland [2] sont AG, les spcimens se reproduiront aussi; en particulier, ceux jugs les plus forts se reproduiront ˆ un rythme plus rapide. Des oprateurs gn- tiques seront appliqus sur des candidats en esprant engendrer ainsi de nouveaux candidats plus performants [6] [7]. grande part de hasard. En effet, les candidats ˆ la reproduction sont choisis de faon probabiliste. Les chromosomes de la population sont some sont muts selon une certaine probabilit. En appliquant ainsi de gnration en gnration les oprateurs gntiques sur des candidats jugs performants, on cherche ˆ obtenir une progniture plus perfor- mante que celle de la gnration prcdente, ce qui permet de sÕapprocher ainsi dÕune solution optimale.2.1.1 Principe des algorithmes gntiques
Les mcanismes de base usuels sur lesquels repose la mthode des algo- rithmes gntiques sont principalement la reprsentation des tres de ces chromosomes assure la convergence vers une bonne solution. Dans un AG, les chromosomes ont souvent une reprsentation binaire. solutions sont transposables en binaire [6]. Les chromosomes sont alors reprsents par une cha"ne de bits. Cette reprsentation est indpen- robuste. Les oprateurs gntiques de base sont au nombre de trois: la slection, le croisement et la mutation. La slection est le processus selon lequel des cha"nes de la population sont choisies pour une nouvelle gnration objectif est leve, plus cette cha"ne a de chances dÕtre slectionne. Notons quÕune des techniques les plus utilises pour raliser la slection est celle de la roulette de casino: dÕabord, on calcule la valeur dÕapti- tude de chaque chromosome, puis on calcule lÕaptitude totale en faisant la somme des valeurs dÕaptitude de chaque individu de la population; enfin, on calcule le pourcentage de chaque chromosome par rapport ˆ lÕaptitude totale. Le croisement est le processus selon lequel les bits de deux cha"nesslectionnes au hasard sont interchangs: dans le langage gntique, ondira que ces cha"nes sont croises. Chaque paire de longueur t subit le
ment entre 1 et (t-1). Deux nouvelles cha"nes sont cres en changeant Les nouvelles cha"nes peuvent donc tre totalement diffrentes de leurs parents. Le croisement dcrit se produit en un lieu, mais on peut aussi retrouver des croisements avec plusieurs lieux dans certains AG. hasard dans un chromosome est rgnre. Ce processus ne survient quÕoccasionnellement dans un algorithme gntique. En modifiant ala- toirement la valeur dÕun bit dans une cha"ne, la mutation est utile pour ramener du matriel gntique qui aurait t oubli par les oprateurs de slection et de croisement. De faon gnrale, un AG fonctionne de la faon suivante: permet de dduire sa valeur dÕaptitude. que nouvelle population remplaant la prcdente. Le nombre x de gnrations est dtermin au dpart. Dans chaque gnra- tion, on choisit n chromosomes auxquels on va appliquer les n nouveaux chromosomes crs remplacent la gnration prcdente. gnration, les chromosomes auront volu de telle faon ceux des gnrations prcdentes.2.1.2 LÕalgorithme gntique dÕaffectation de cellules
dÕaffectation de cellules aux commutateurs vise ˆ trouver, ˆ partir dÕune population initiale de chromosomes, la meilleure affectation, cÕest-ˆ- dire celle qui minimise le cot du rseau tout en respectant la contrainte sur la capacit des commutateurs et celle dÕaffectation unique des cellu- les aux commutateurs. Dans un premier temps, il faut coder les forme la plus rpandue du codage est la reprsentation binaire o les un schma dÕaffectation spcifique. Les lments de la cha"ne reprsen- tant un chromosome sont des entiers, qui reprsentent les diffrents commutateurs numrots de 1 ˆ m. La Figure 2 donne un exemple dÕun chromosome reprsentant un schma dÕaffectation de 8 cellules ˆ trois commutateurs. La longueur des cha"nes est gale au nombre de cellules et reste inchan- ge, car toutes les cellules du rseau doivent tre affectes. De mme, la maximal de commutateurs du rseau. La lecture des chromosomes se fait de gauche ˆ droite; ainsi, le premier bit du chromosome contient le numro du commutateur auquel la cellule numro 1 est relie. Le codage adopt permet de satisfaire une contrainte: celle de lÕaffectation peut pas prendre simultanment plus dÕune valeur. La seule contrainte ˆ satisfaire reste alors celle sur la capacit des commutateurs.1223 1 323
Figure 2: Reprsentation non-binaire dÕun chromosomeIEEE Canadian Review - Spring / Printemps 200411
2.2 LÕalgorithme de recuit simul
La mthode du recuit simul (RS) a lÕoriginalit de pouvoir sÕappliquer ˆ une grande varit de domaines et en particulier aux tlcommunica- tions. Le recuit simul est une heuristique dÕoptimisation qui consiste en une recherche locale par perturbations. Ce processus donne la possibi- lit de sÕloigner occasionnellement dÕun minimum local pour permettre ainsi un largissement du champ de recherche de la solution idale [3].2.2.1 Principe de la mthode
Le recuit simul est une procdure de recherche selon laquelle la topolo- gie courante, retenue momentanment comme meilleure solution, est ches. Ces topologies voisines sont obtenues ˆ la suite de petites perturbations sur la topologie courante. LorsquÕune perturbation aboutit ˆ une topologie meilleure que la solution courante, elle est sauvegarde comme solution courante. Cependant, il peut arriver que, suite ˆ une perturbation, la topologie voisine obtenue soit conserve comme solu- tion courante, mme si elle nÕest pas meilleure que la solution courante, ˆ condition quÕelle respecte une certaine probabilit dÕacceptation. Le fait dÕaccepter de temps ˆ autre une solution dgrade permet dÕviter de sÕenfermer trop t™t dans un minimum local. DÕautre part, la probabi- lit dÕacceptation doit tre suffisamment faible, de telle sorte que lÕalgorithme puisse sÕapprocher le plus possible de lÕoptimum global. satisfait. Ë cette tape, la recherche locale devrait avoir abouti ˆ un minimum local ou ˆ un optimum global. Il sÕensuit que la solution idale trouve est, soit localement optimale vu le nombre lev de minima locaux, soit globalement optimale dans le meilleur des cas.2.2.2 Affectation de cellules aux commutateurs avec lÕalgorithme de
recuit simul temprature q, et le facteur de recuit a. Cet algorithme commence par gnrer une topologie initiale, chaque cellule tant affecte ˆ un com- mutateur de faon alatoire, sans se soucier des contraintes de capacit 0 relative- ment leve. On dbute alors la boucle des perturbations. Cette boucle dÕun maximum de rptitions de la boucle. En outre, la valeur du fac- teur de recuit a doit tre choisie adquatement pour viter de dcrmenter q trop rapidement, ce qui rendrait moins pousse la recher- che de la meilleure solution.2.3 LÕalgorithme de recherche taboue
La mthode de recherche taboue (RT) est une technique adaptative introduite dans les annes 70 en optimisation combinatoire pour rsou- heuristique, qui peut tre utilise pour rsoudre diffrents types de pro-2.3.1 Fondements de la mthode de recherche taboue
Prsentons dans un premier temps lÕalgorithme de descente simple. Il part dÕun N(s) de la solution courantes. Ensuite, il choisit dans cet ensemble V la meilleure solution, cÕest-ˆ-dire celle qui minimise la fonction objectif rithme continue jusquÕau moment o aucun lment de V ne permet dÕavoir une meilleure valeur de la fonction objectif. La mthode de recherche taboue est une amlioration de lÕalgorithme minima locaux. Pour cela, il est ncessaire dÕac cepter de temps en temps des solutions qui nÕamliorent pas la fonction objectif, en esprant ainsi parvenir plus tard ˆ de meilleures solutions. Cependant, le fait de vou-loir accepter des solutions non forcment meilleures introduit un risquede cycle, cÕest-ˆ-dire un retour vers des solutions djˆ explores. DÕo
lÕide de conserver une liste taboue T (tabu list) des solutions djˆ visi- tes. Ainsi, lors de la gnration de lÕensemble V des solutions voisines Notons tout de mme que, dÕune part, le stockage de toutes les solutions djˆ visites peut ncessiter beaucoup de mmoire et que, dÕautre part, il peut sÕavrer utile de revenir ˆ une solution djˆ visite pour continuer la recherche dans une autre solution. Un compromis a t adopt en ne sÕarrte quand aucune amlioration nÕest intervenue depuis un certain nombre dÕitrations ou si toutes les solutions voisines candidates sont taboues.2.3.2 Affectation de cellules aux commutateurs avec la recherche
taboue La dmarche adopte consiste globalement ˆ modifier itrativement une solution initiale en esprant aboutir ˆ une solution finale respectant les vements pour passer dÕune solution ˆ une autre ˆ lÕintrieur dÕun espace de recherche prdfini. Dans lÕadaptation de la mthode RT, lÕespace de recherche choisi est libre des contraintes de capacit sur les commuta- teurs, mais respecte la contrainte dÕaffectation u nique des cellules aux commutateurs. La faisabilit de la solution finale nÕest donc pas garan- tie, mais le fait de pouvoir examiner un plus grand nombre de possibilits augmente les chances dÕaboutir ˆ de bonnes solutions. RT est une valuation de la solution prenant en compte le cot et une sanc- tion, sous forme de pnalit, pour le non-respect des contraintes de capacit, sÕil y a lieu. Ë chaque tape, RT choisit la solution ayant la meilleure valuation. Contrairement ˆ la mthode de descente, quand elle arrive ˆ un opti- mum local, la mthode RT choisit la solution voisine qui dgrade le moins la fonction objectif. Pour viter les cycles autour de cet opti- momentanment un retour vers ces solutions. Les solutions sont lib-3.0 Interactions entre les heuristiques
Cette section expose les interactions des heuristiques que nous propo- commutateurs dans les rseaux cellulaires.3.1 Interaction entre lÕalgorithme gntique et le recuit simul
LÕinconvnient principal de lÕalgorithme de recuit simul (RS) est quÕil est appliqu ˆ une topologie gnre de faon totalement alatoire. une solution qui ne respecte pas les contraintes de capacit. Il serait donc prfrable dÕappliquer lÕalgorithme de recuit simul ˆ une solu- tion que lÕon sait faisable et, dans le meilleur des cas, de faible cot. Nous voulons optimiser lÕalgorithme gntique en amliorant ˆ chaque gnration le meilleur chromosome de la population. Pour cela, ˆ cha- que gnration, nous prlevons le meilleur chromosome de la population, nous lui appliquons lÕalgorithme de recuit simul et nous obtenons une solution qui sera au moins aussi bonne que la prcdente, puisque lÕalgorithme de recuit simul ne peut produire quÕune solution de cot infrieur ou gal ˆ celui de la topologie de dpart. Nous obte- nons ainsi un nouveau chromosome que nous insrons dans la population de lÕalgorithme gntique, ˆ la place du chromosome de cot maximal, cÕest-ˆ-dire le moins bon chromosome de la population. LÕalgorithme gnral de cette version est prsent ˆ la Figure 3.3.2 Interaction entre lÕalgorithme gntique et la recherche taboue
Dans le cas de la recherche taboue, la solution de dpart est cre en attribuant chaque cellule au commutateur le plus proche, en terme de12IEEE Canadian Review - Spring / Printemps 2004
Figure 3: Interaction entre lÕalgorithme gntique et le recuit simulFigure 4: Interaction entre lÕalgorithme gntique et larecherche taboue distance. Ë chaque test, cÕest donc la mme solution de dpart qui est fournie et la recherche taboue aboutira toujours ˆ la mme topologie finale. Donc, avec un mme fichier de donnes initial, on ne pourra aboutir quÕˆ une seule solution finale. LÕide est donc de gnrer la solution initiale ˆ lÕaide de lÕalgorithme gntique. Nous aurons ainsi ˆ notre disposition une varit de solu- tions de dpart et on peut esprer que lÕalgorithme de recherche taboue permettra dÕatteindr e dÕautres minima locaux, voire le minimum global. Donc, lÕide est dÕappliquer la recherche taboue ˆ chaque gnration de lÕalgorithme gntique. LÕalgorithme gnral est prsent ˆ la Figure 4. Nous voulons optimiser lÕalgorithme en amliorant ˆ chaque gnra- tion le meilleur chromosome de la population. Pour cela, ˆ chaque applique lÕalgorithme de recherche taboue et on obtient une solution qui sera au moins aussi bonne que la prcdente, puisque lÕalgorithme de recherche taboue ne peut produire quÕune solution de cot infrieur ou gal ˆ celui de la topologie de dpart. Nous obtenons ainsi un nouveau chromosome que nous insrons dans la population de lÕalgorithme gntique, ˆ la place du chromosome de cot maximal, cÕest-ˆ-dire le moins bon chromosome de la population. recherche taboue, le processus gntique se fait ˆ chaque gnration de lÕalgorithme gntique. Une fois le processus gntique accompli, on sÕintresse au meilleur chromosome de la population courante. Si ce chromosome constitue une topologie qui a djˆ t slectionne pour tre solution initiale de la recherche taboue, on dplace notre choix sur le chromosome suivant, dans la population trie en ordre croissant des cots des chromosomes, et ainsi de suite jusquÕˆ trouver le meilleur chromosome de la population qui nÕa jamais t choisi pour tre topolo- gie initiale de la recherche taboue.4.0 Implmentation et rsultats
Nous prsentons dans cette section les rsultats obtenus des interac- tions entre les algorithmes prsentes prcdemment.4.1 Algorithmes seuls
Dans un premier temps, on effectue une simulation sur chacun des algo- rithmes pris sparment afin dÕavo ir des solutions de rfrence. Les tests ont t effectus sur un ensemble de 900 topologies avec 3 rseaux dif-frents: 100 cellules et 5 commutateurs, 150 cellules et 6 commutateurs,et 200 cellules et 7 commutateurs. Pour chacun des algorithmes, nous
avons effectu 20 tests pour chaque topologie diffrents et les valeurs prsentes correspondent ˆ une moyenne des 20 valeurs obtenues. Afin de dterminer le nombre de gnrations qui permet dÕobtenir le meilleur compromis cot obtenu/temps ncessaire, nous avons effectu des tests avec plusieurs nombres de gnrations. Les probabilits de croisement et de mutation ont t fixes respectivement ˆ 0.9 et 0.08. La Figure 5 prsente lÕvolution du cot du meilleur chromosome de la population en fonction du nombre de gnrations de lÕalgorithme gn- tique pour un rseau de 100 cellules et 5 commutateurs. Cela illustre le fait que le nombre de 500 gnrations permet dÕaboutir ˆ de bons rsultats, en un temps acceptable. Avec 800 gnrations, on obtient des rsultats un peu meilleurs, mais le temps ncessaire est plus lev. Avec seulement 100 gnrations, les cots de topologies obtenus sont levs; le seul point positif est le temps dÕex cution qui est faible. Avec 500 gnrations, le compromis atteint est bon; on atteint des cots comparables ˆ ceux atteints avec 800 gnrations, en un temps accepta- ble. Nous avons choisi donc dÕeffectuer les tests de rfrence avec un nombre de rfrences gal ˆ 500. Afin dÕavoir en notre possession des valeurs de rfrence, nous effectuons des tests avec chacun des trois algorithmes pris sparment. Les rsultats sont prsents ˆ la Figure 6. Dans chacun des cas, la solution initiale est spcifique ˆ lÕalgorithme:0500100015002000250030003500
1 4487
130
173
216
259
302
345
388
431
474
517
560
603
646
689
732