Técnicas avançadas para alocação e roteamento de recursos em SDM-EONs
RMSSA. SDM-EON. Aprendizagem de máquina. Aprendizagem por reforço.
Em uma era de crescimento explosivo do tráfego de dados da internet, motivado pela ascenção de serviços que demandam grande capacidade de rede, assim como pela adição de um enorme número de dispositivos conectados à internet, a demanda por infraestrutura de rede escalável e robusta é urgente. Neste contexto, a arquitetura SDM-EON emerge como uma sucessora viável, dada sua maior capacidade e grande flexibilidade. Roteamento, modulação, alocação de espectro e espaço (Routing, modulation, spectrum and space allocation) ou RMSSA, é o conjunto de problemas abertos em que se concentra uma porção significativa da pesquisa neste campo de investigação. Nesta dissertação de mestrado, propomos diversas soluções de natureza heurística, assim como suportadas por aprendizagem de máquina (machine learning), abreviada como ML, para cada um dos elementos de RMSSA nas SDM-EONs, assimo como propomos uma plataforma de simulação que permite o desenvolvimento eficiente, teste e avaliação de desempenho de abordagens para RMSSA.