WO2021044596A1 - ネットワーク設計装置、ネットワーク設計方法、及びプログラム - Google Patents

ネットワーク設計装置、ネットワーク設計方法、及びプログラム Download PDF

Info

Publication number
WO2021044596A1
WO2021044596A1 PCT/JP2019/035048 JP2019035048W WO2021044596A1 WO 2021044596 A1 WO2021044596 A1 WO 2021044596A1 JP 2019035048 W JP2019035048 W JP 2019035048W WO 2021044596 A1 WO2021044596 A1 WO 2021044596A1
Authority
WO
WIPO (PCT)
Prior art keywords
demand
network
condition
variable
network design
Prior art date
Application number
PCT/JP2019/035048
Other languages
English (en)
French (fr)
Inventor
雅之 辻野
Original Assignee
日本電信電話株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to US17/753,009 priority Critical patent/US11870657B2/en
Priority to PCT/JP2019/035048 priority patent/WO2021044596A1/ja
Priority to JP2021543903A priority patent/JP7283549B2/ja
Publication of WO2021044596A1 publication Critical patent/WO2021044596A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H04L41/0826—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for reduction of network costs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0876—Network utilisation, e.g. volume of load or congestion level
    • H04L43/0882—Utilisation of link capacity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models

Definitions

  • the present invention is related to network design, and in particular, is related to the allocation determination and capacity determination of resources such as fog computers and communication links in the network used for IoT infrastructure.
  • Future demand is used in network design, but it is extremely difficult to predict future demand for highly innovative IoT services, and IoT demand forecasting does not assume that a definitive value can be obtained. , It is necessary to design in consideration of the uncertainty of demand to some extent.
  • the present invention has been made in view of the above points, and is a technique that enables capacity design and layout design in a network consisting of a plurality of layers in consideration of uncertain demand and adaptive resource allocation.
  • the purpose is to provide.
  • a network design device that designs a network.
  • An input unit for inputting a configuration condition of a network having a communication layer and at least one computing layer, a cost condition of the network, and a demand condition representing an uncertain demand of the network.
  • An arithmetic unit that performs an operation to solve an adaptive robust optimization problem whose objective function is to minimize the sum of fixed costs and variable costs in resources arranged at each base of the communication layer and the computing layer. It is equipped with an output unit that outputs the allocation and capacity of resources obtained by the calculation unit.
  • the adaptive robust optimization problem has a constraint condition using a variable indicating the ratio of the portion allocated to the resource to the total demand amount when the demand is allocated to the resource, and the variable is the generated demand.
  • a network design device is provided, which is a variable that depends on the set of.
  • a technology that enables capacity design and layout design in a multi-layer network to be performed in consideration of uncertain demand and adaptive resource allocation is provided.
  • a network composed of a Fog layer and a communication layer and used as an IoT infrastructure is targeted, but the present invention can be applied not only to such a network.
  • the present invention can be applied to a network including a Cloud layer, a Fog layer, and a communication layer described in Non-Patent Document 4.
  • the Cloud layer and the Fog layer are both examples of computing layers.
  • FIG. 1 is a functional configuration diagram of the network design device 100 according to the embodiment of the present invention.
  • the network design device 100 includes an input unit 110, a calculation unit 120, a data storage unit 130, and an output unit 140.
  • the input unit 110 inputs network configuration conditions, cost conditions, demand conditions, and the like.
  • the calculation unit 120 executes a calculation for solving an adaptive robust optimization problem. The processing contents of the arithmetic unit 120 will be described in detail later.
  • the data storage unit 130 stores input data, parameters required when solving an optimization problem, data in the middle of calculation when solving an optimization problem, data for output, and the like.
  • the output unit 140 outputs the arrangement and capacity of the computer, the arrangement and capacity of the communication link, etc., which are the results of solving the optimization problem.
  • the network design device 100 can be realized, for example, by causing a computer to execute a program describing the processing contents described in the present embodiment.
  • the "computer” may be a virtual machine.
  • the "hardware” described here is virtual hardware.
  • the program may be, for example, an optimization solver which is a program describing an algorithm for solving an adaptive robust optimization problem. That is, for example, the adaptive robust optimization problem in this embodiment is solved by executing the optimization solver on a computer.
  • the network design device 100 can be realized by executing a program corresponding to the processing executed by the network design device 100 by using hardware resources such as a CPU and a memory built in the computer.
  • the above program can be recorded on a computer-readable recording medium (portable memory, etc.), stored, and distributed. It is also possible to provide the above program through a network such as the Internet or e-mail.
  • FIG. 2 is a diagram showing an example of the hardware configuration of the above computer.
  • the computer of FIG. 2 has a drive device 1000, an auxiliary storage device 1002, a memory device 1003, a CPU 1004, an interface device 1005, a display device 1006, an input device 1007, and the like, which are connected to each other by a bus B, respectively.
  • the program that realizes the processing on the computer is provided by, for example, a recording medium 1001 such as a CD-ROM or a memory card.
  • a recording medium 1001 such as a CD-ROM or a memory card.
  • the program is installed in the auxiliary storage device 1002 from the recording medium 1001 via the drive device 1000.
  • the program does not necessarily have to be installed from the recording medium 1001, and may be downloaded from another computer via the network.
  • the auxiliary storage device 1002 stores the installed program and also stores necessary files, data, and the like.
  • the memory device 1003 reads and stores the program from the auxiliary storage device 1002 when the program is instructed to start.
  • the CPU 1004 realizes the function related to the network design device 100 according to the program stored in the memory device 1003.
  • the interface device 1005 is used as an interface for connecting to a network.
  • the display device 1006 displays a programmatic GUI (Graphical User Interface) or the like.
  • the input device 1007 is composed of a keyboard, a mouse, buttons, a touch panel, and the like, and is used for inputting various operation instructions.
  • the operation of the network design device 100 (that is, the processing content of the network design) will be described.
  • FIG. 3 is a diagram showing a configuration example of the network to be designed.
  • the network has a Fog layer and a communication layer.
  • a plurality of bases (which may be called nodes) are arranged in the communication layer, and communication links can be laid in the links between the bases.
  • IoT gateways and IoT devices can be placed at each site.
  • the Fog layer is composed of bases where a Fog computer (which may be called a Fog server) can be placed.
  • a Fog computer which may be called a Fog server
  • the data input as the network configuration condition is information on the entire base, information on the entire link, information on the base where the Fog computer can be placed, and the like.
  • the cost conditions are the fixed cost of the communication link, the variable cost coefficient per traffic of the communication link, the fixed cost of the location of the Fog computer base, the variable cost coefficient per work load of the Fog computer, etc.
  • the bases to which the Fog computer can be assigned to the demand are set by restrictions such as delay.
  • FIG. 4 shows an example of uncertain demand.
  • the uncertain demand is given as a set D representing the uncertain demand.
  • the idea of this uncertain demand set is called " ⁇ -robustness".
  • the table shown in FIG. 4 shows the uncertain demand allocated to the Fog computer for each base, and the set D defines the constraints of these uncertain demand.
  • FIG. 5 shows an example of a set of bases that can be assigned to the demand from each node.
  • the arithmetic unit 120 of the network design device 100 assumes that the worst situation occurs in the fluctuation of the demand given by the demand condition, and allocates resources according to the demand generated in the future.
  • the layout / capacity of the Fog computer and the layout / capacity of the communication link in the IoT infrastructure that can be constructed at the minimum cost are obtained and output.
  • the arithmetic unit 120 of the network design device 100 can satisfy any combination pattern of demand within the range of demand fluctuation given by the demand condition, and can be constructed at the lowest possible cost under the cost condition. Find the layout and capacity of.
  • the arithmetic unit 120 (at the [current] design stage) assumes that resources (fog computer, communication link) are adaptively allocated (at the [future] allocation stage) to the demand generated in the future. ) Determine the allocation and capacity of resources.
  • Non-Patent Document 1 The problem of network design under fixed demand conditions for communication links is described in Non-Patent Document 1 as "Topological Design”.
  • Non-patent Document 2 a design method that determines the arrangement of communication links using a robust optimization approach on the premise of uncertain demand is being studied (capacity design is not applicable) (non-patent).
  • Document 3 a discovery method for a network design problem by linking a content server and a communication link is given (Non-Patent Document 3).
  • Non-Patent Document 4 a design method that is robust to uncertain demand (“static robust design method””, without assuming adaptive allocation that determines resource allocation at the (current) design stage for future demand. ) Is disclosed in Non-Patent Document 4.
  • the network setting device 100 has a capacity design / arrangement based on a plurality of layers (example: Fog / communication) cooperation on the premise of uncertain demand and adaptive resource allocation, for which there is no study / analysis example by the prior art. Execute the design.
  • the arithmetic unit 120 of the network design device 100 obtains the arrangement / capacity of the Fog computer and the arrangement / capacity of the communication link by solving the adaptive robust optimization problem.
  • the points of formulating and solving this optimization problem are as follows.
  • the means 1, the means 2, and the means 3 will be described in order.
  • the formalized adaptive robust optimization problem is divided into a communication link from all candidates, a link for arranging a fog computer, a problem for determining a fog node (arrangement determination problem), and a link for deciding to arrange the problem.
  • -It is divided into two problems, the problem of determining the capacity of resources in the Fog node (capacity determination problem).
  • the arithmetic unit 120 solves the arrangement determination problem under the conditions that can be solved in the first step, fixes the arrangement obtained there, and solves the capacity determination problem in the next step.
  • the allocation determination problem of (means 3) and (means 2) is determined by a static robust design method (Non-Patent Document 4) that does not assume allocation that is adaptive to the generated demand at the allocation stage.
  • Non-Patent Document 4 a static robust design method that does not assume allocation that is adaptive to the generated demand at the allocation stage.
  • M. J. Hadjiyiannis, P. J. Goulart and D. Kuhn "A scenario approach for estimation the suboptimality of linear decision rules in two-stage robust Optimization," 2011 50th IEEE Conference Based on the method described in, pp. 7386-7391, 2011.
  • the sample is extracted from the indeterminate set, and the arrangement is determined by the optimum solution of the adaptive robust design that satisfies the demand of the extracted sample.
  • the network design device 100 includes a configuration condition of a network having a communication layer and at least one computing layer, a cost condition of the network, and a demand condition representing uncertain demand of the network. Enter.
  • the network design device 100 performs an operation to solve an adaptive robust optimization problem whose objective function is to minimize the sum of fixed costs and variable costs in resources arranged at each site of the communication layer and the computing layer. And output the allocation and capacity of the obtained resources.
  • the adaptive robust optimization problem has a constraint condition using a variable indicating the ratio of the portion allocated to the resource to the total demand amount when the demand is allocated to the resource, and the variable is the generated demand. It is a variable that depends on the set of.
  • the adaptive robust optimization problem solved by the arithmetic unit 120 of the network design device 100 is an optimization problem that is a tracable robust counterpart derived from the formulation in the means 1 by the means 2.
  • the arithmetic unit 120 of the network design device 100 is divided into an arrangement determination and a capacity determination in order to configure a tractable robust counterpart for the adaptive robust design method of the IoT infrastructure. Solve the two problems step by step.
  • the arrangement determination problem itself described as (means 3) is not limited to a specific solution method, but in the present embodiment, the arithmetic unit 120 of the network design device 100 is, for example, by the methods of option 1 and option 2 below. This placement decision problem can be solved.
  • ⁇ Option 1> The placement is determined by the design solution determined by the static robust design method that does not assume allocation that is adaptive to the demand generated at the allocation stage.
  • the static robust design method is much simpler than the adaptive robust design, so it can be calculated at high speed.
  • the allocation is determined in consideration of the conditions of uncertain demand without considering the conditions of adaptive allocation, it is considered that a design solution similar to the adaptive robust optimization method is given.
  • ⁇ Option 2> The sample is extracted from the uncertain demand set, and the placement is determined by the design solution of the adaptive robust design that satisfies the demand of the extracted sample. Since the adaptive robust design is limited to satisfying the extracted sample, it is not the same as the original adaptive robust design that satisfies all uncertain demands, but it is required because it is a solution from an approximate problem. The arrangement is thought to give a design solution that approximates the adaptive robust optimization method.
  • FIG. 6 shows the model parameters used for the formulation of the means 1
  • FIG. 7 shows the variables used for the formulation of the means 1.
  • G ⁇ N
  • a ⁇ represents the target network.
  • N represents a set of network nodes (bases).
  • N gw represents the network node in which the IoT gateway is installed among N.
  • N fg represents a network node in which a Fog computer can be installed.
  • A represents a set of links.
  • b lk (a) represents a fixed cost for the link a.
  • clk (a) represents the traffic-dependent unit cost for link a.
  • b fg (n) represents a fixed cost for arranging a Fog computer at node n.
  • c fg (n) represents the workload-dependent unit cost for allocating the Fog computer to the node n.
  • K represents a set of demands for allocating Fog computers.
  • gw (k) indicates the source node of demand k.
  • N fg (k) represents a set of nodes that can be assigned to each demand k of the Fog computer.
  • h (k) represents the proportional coefficient of the workload to the demand k.
  • the d (k) with a bar at the beginning represents the average traffic for the demand k.
  • D (k) with a wavy line at the beginning represents the maximum variation from the average traffic with respect to the demand k.
  • ⁇ represents the robustness level parameter.
  • x lk (a) represents the capacity of the communication link equipment installed at the link a.
  • x fg (n) indicates the capacity of the Fog computer installed at the Fog node n.
  • z lk (a) indicates whether or not a communication link facility is installed on the link a.
  • z fg (n) represents whether or not the Fog computer is installed at the Fog node n.
  • d (k) represents the volume (quantity) of the demand k.
  • the demand satisfying condition represents that each Fog demand is assigned to a Fog computer installed in any of the assignable Fog nodes, and is expressed by the following equation.
  • ⁇ Capacity constraint> The traffic flowing through the communication link and the workload allocated by the Fog node are limited by the capacity of the link and the base, and the limitation is expressed by the following formula.
  • the placement constraint is a condition that it is necessary to allocate the resources of the communication link and the fog computer when the traffic and workload are allocated to the link and the fog node, and is expressed by the following constraint expression.
  • the robust design problem of the IoT infrastructure is the following adaptive robust optimization problem P (A; N; N fg ), which finds the minimum cost guaranteed for any demand pattern of the uncertain demand set D. Be modeled. Note that ⁇ is a set of uncertain demand.
  • the adaptive robust optimization problem P (A; N; N fg ) is divided into the placement decision problem and the capacity determination problem, and the method described as means 3 is used to perform a trouble robust counterpart.
  • the method of deriving the above will be described.
  • the first placement decision problem is solved as the following static robust optimization problem PSRP (A; N; N fg ), which does not assume adaptive allocation to the demand that arises.
  • y lk used in the above-mentioned constraints (1) ⁇ (5) ( k, a) (d), y fg (k, n) (d) is, P SRP (A; N; N fg) Then, it is replaced with y lk (k, a) and y fg (k, n). Also, here, y ⁇ ⁇ 0,1 ⁇ .
  • the arithmetic unit 120 solves this static robust optimization problem PSRP (A; N; N fg ) by, for example, the method disclosed in Non-Patent Document 4.
  • the calculation unit 120 is a network based on the above-determined arrangement.
  • the arithmetic unit 120 solves the above problem, for example, A. Ben-Tal, A. Goryashko, E. Guslitzer, and A. Nemirovski, "Adjustable robust solutions of uncertain linear programs," Mathematical Programming, vol. 99, no. It can be solved by the method of efficiently finding the quasi-optimal solution disclosed in 2, pp. 351-376, 2004.
  • the network design was implemented by the "proposal method” (arrangement decision by option 1 of means 3) and “comparative method” (allocation determination of the minimum cost that satisfies the average demand). In both cases, the capacity was determined by an adaptive robust design.
  • the evaluation results are shown in Fig. 8.
  • the horizontal axis in FIG. 8 is the deviation ratio of the comparative method, and the vertical axis is the deviation ratio of the proposed method, and the design results for each ⁇ by each evaluation case are plotted.
  • the present embodiment provides at least the network design apparatus, network design method, and program described in the following items.
  • (Section 1) A network design device that designs networks An input unit for inputting a configuration condition of a network having a communication layer and at least one computing layer, a cost condition of the network, and a demand condition representing an uncertain demand of the network.
  • An arithmetic unit that performs an operation to solve an adaptive robust optimization problem whose objective function is to minimize the sum of fixed costs and variable costs in resources arranged at each base of the communication layer and the computing layer. It is equipped with an output unit that outputs the allocation and capacity of resources obtained by the calculation unit.
  • the adaptive robust optimization problem has a constraint condition using a variable indicating the ratio of the portion allocated to the resource to the total demand amount when the demand is allocated to the resource, and the variable is the generated demand.
  • a network design device that is a variable that depends on a set of.
  • (Section 2) A network design device that designs networks An input unit for inputting a configuration condition of a network having a communication layer and at least one computing layer, a cost condition of the network, and a demand condition representing an uncertain demand of the network.
  • the objective function is to minimize the sum of the fixed cost and the variable cost of the communication link to be arranged and the computer to be arranged, and the demand for each computer is satisfied.
  • the flow rate preservation condition is that the flow rate of traffic for the demand to each computer is saved, and the constraint by the communication link and the capacity of the computer at each base is the capacity constraint.
  • the calculation unit that performs the calculation and It is provided with a communication link obtained by the calculation unit and an output unit for outputting the arrangement and capacity of each computer.
  • the demand satisfaction condition indicates the ratio of the portion allocated to the node to the total demand amount when the demand is allocated to the node, and is represented by the first variable depending on the set of generated demands.
  • the flow rate storage conditions and the capacity constraints are different, respectively.
  • a network design device that indicates the ratio of the portion allocated to a link to the total amount of demand when demand is allocated to the link, and is represented by a second variable that depends on the set of generated demand.
  • the arithmetic unit solves the arrangement determination problem for determining the arrangement of the communication link and the computer, determines the arrangement, and then solves the capacity determination problem for determining the capacity of the communication link and the computer.
  • the network design apparatus according to item 2 which solves the adaptive robust optimization problem.
  • the network design device according to item 3 wherein the arithmetic unit solves the arrangement determination problem as a static robust optimization problem.
  • (Section 5) The network design device according to item 3, wherein the calculation unit solves the arrangement determination problem as an adaptive robust optimization problem that satisfies the demand of a sample extracted from an uncertain demand set.
  • (Section 6) A network design method executed by a network design device that designs a network.
  • An input step for inputting a configuration condition of a network having a communication layer and at least one computing layer, a cost condition of the network, and a demand condition representing an uncertain demand of the network.
  • An arithmetic step for solving an adaptive robust optimization problem whose objective function is to minimize the sum of fixed costs and variable costs in resources arranged at each base of the communication layer and the computing layer. It is provided with an output step for outputting the allocation and capacity of resources obtained by the calculation step.
  • the adaptive robust optimization problem has a constraint condition using a variable indicating the ratio of the portion allocated to the resource to the total demand amount when the demand is allocated to the resource, and the variable is the generated demand.
  • a network design method that is a variable that depends on a set of. (Section 7) A program for causing a computer to function as each part of the network design device according to any one of the first to third paragraphs.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

ネットワークの設計を行うネットワーク設計装置であって、通信層と、少なくとも１つのコンピューティング層とを有するネットワークの構成条件、当該ネットワークの費用条件、及び、当該ネットワークの不確定需要を表す需要条件を入力する入力部と、前記通信層、及び前記コンピューティング層の各拠点に配置する資源における固定費用と変動費用の総和を最小とすることを目的関数とした適応型ロバスト最適化問題を解く演算を行う演算部と、前記演算部により得られた資源の配置と容量を出力する出力部とを備え、前記適応型ロバスト最適化問題は、需要が資源に割り当てられる際のその需要量全体に対する当該資源に割り当てられる部分の比率を示す変数を用いた制約条件を有し、当該変数は、生成された需要の集合に依存する変数である。

Description

ネットワーク設計装置、ネットワーク設計方法、及びプログラム
　本発明は、ネットワーク設計に関連し、特に、ＩｏＴインフラに使用されるネットワークにおけるＦｏｇコンピュータ、通信リンク等の資源の配置決定・容量決定に関連するものである。
　近年、ＩｏＴが普及してきている。通信ネットワークにおけるＣｏｍｐｕｔｉｎｇ機能の配置は、通信ネットワーク上のトラフィックの流れに影響を及ぼすため、ＩｏＴインフラを経済的に構築するに際してＩｏＴインフラとしてコンピュータと通信リンクに関する設計を統合的に取り扱うことは有意義である。
M.Pioro and D. Medhi, "Routing, Flow and Capacity Design in Communication and Computer Networks," Morgan Kaufmann Publishers, 2004. T. Bauschert, C. Busing, F. D'Andreagiovanni, A. C. A. Koster, M. Kutschka, and U. Steglich, "Network planning under demand uncertainty with robust optimization," IEEE Commun. Mag., vol. 52, no. 2, pp. 178-185, 2014. 竹下恵,塩津晃明, 辻野雅之, and 長谷川治久, "ネットワーク設計問題を含めたサーバ最適配置法," 電子情報通信学会ソサイエティ大会, vol. 2010, no. 2, pp. 93, 2010. M.Tsujino, "Robust Optimization Model for Designing Emerging Cloud-Fog Networks," BCD 2019 - 4th International Conference on Big Data, Cloud Computing, and Data Science Engineering, May 29-31, 2019.
　ネットワーク設計においては将来需要が使用されるが、革新性が高いＩｏＴサービスの将来需要を予測することは極めて困難であり、ＩｏＴ需要予測については決定的に値が得られることを前提とするのでなく、ある程度の需要の不確定さを加味した設計を行う必要がある。
　一方、ＳＤＮ（Software Defined Network）などのソフトウェア技術により、仮想ネットワークやコンピューティングの資源の割り当てを動的に行える環境も整いつつあるため、将来の不確定需要変動に対し、適応的な資源の割り当ても考慮してネットワーク設計を行う必要がある。しかし、従来のロバスト最適化手法によるネットワーク設計技術では、適応的な資源の割当を考慮できないといった課題があった。
　本発明は上記の点に鑑みてなされたものであり、複数層からなるネットワークにおける容量設計及び配置設計を、不確定な需要及び適応的な資源の割当を考慮して行うことを可能とする技術を提供することを目的とする。
　開示の技術によれば、ネットワークの設計を行うネットワーク設計装置であって、
　通信層と、少なくとも１つのコンピューティング層とを有するネットワークの構成条件、当該ネットワークの費用条件、及び、当該ネットワークの不確定需要を表す需要条件を入力する入力部と、
　前記通信層、及び前記コンピューティング層の各拠点に配置する資源における固定費用と変動費用の総和を最小とすることを目的関数とした適応型ロバスト最適化問題を解く演算を行う演算部と、
　前記演算部により得られた資源の配置と容量を出力する出力部とを備え、
　前記適応型ロバスト最適化問題は、需要が資源に割り当てられる際のその需要量全体に対する当該資源に割り当てられる部分の比率を示す変数を用いた制約条件を有し、当該変数は、生成された需要の集合に依存する変数である
　ネットワーク設計装置が提供される。
　開示の技術によれば、複数層からなるネットワークにおける容量設計及び配置設計を、不確定な需要及び適応的な資源の割当を考慮して行うことを可能とする技術が提供される。
本発明の実施の形態におけるネットワーク設計装置１００の機能構成図である。 ネットワーク設計装置１００のハードウェア構成の例を示す図である。 設計の対象となるネットワークの構成例を示す図である。 需要条件を示す図である。 各ノードから需要に対して割当可能なＦｏｇコンピュータの集合の例を示す図である。 モデルパラメータを示す図である。 変数を示す図である。 評価例を示す図である。
　以下、図面を参照して本発明の実施の形態を説明する。以下で説明する実施の形態は一例に過ぎず、本発明が適用される実施の形態は、以下の実施の形態に限られるわけではない。
　以下の実施の形態では、Ｆｏｇ層、通信層からなり、ＩｏＴインフラとして使用されるネットワークを対象としているが、本発明は、このようなネットワークに限らずに適用することが可能である。例えば、非特許文献４に記載されているＣｌｏｕｄ層、Ｆｏｇ層、通信層からなるネットワークにも本発明を適用できる。なお、Ｃｌｏｕｄ層、Ｆｏｇ層はいずれもコンピューティング層の例である。
　また、ＩｏＴ以外の用途にも使用できる少なくとも１つのコンピューティング層と、通信層とを有するネットワークに本発明を適用することも可能である。
　（装置構成例）
　図１は、本発明の実施の形態におけるネットワーク設計装置１００の機能構成図である。図１に示すように、ネットワーク設計装置１００は、入力部１１０、演算部１２０、データ記憶部１３０、出力部１４０を有する。
　入力部１１０は、ネットワーク構成条件、費用条件、需要条件等を入力する。演算部１２０は、適応型ロバスト最適化問題（Adjustable robust optimization problem）を解く計算を実行する。演算部１２０による処理内容については後に詳しく説明する。
　データ記憶部１３０には、入力されたデータ、最適化問題を解く際に必要なパラメータ、最適化問題を解く際の計算途中のデータ、出力するためのデータ等が格納される。
　出力部１４０は、最適化問題を解いた結果であるコンピュータの配置及び容量、通信リンクの配置及び容量等を出力する。
　ネットワーク設計装置１００は、例えば、コンピュータに、本実施の形態で説明する処理内容を記述したプログラムを実行させることにより実現可能である。なお、この「コンピュータ」は、仮想マシンであってもよい。仮想マシンを使用する場合、ここで説明する「ハードウェア」は仮想的なハードウェアである。また、当該プログラムは、例えば、適応型ロバスト最適化問題を解くためのアルゴリズムを記述したプログラムである最適化ソルバーであってもよい。つまり、例えば、本実施の形態における適応型ロバスト最適化問題は、最適化ソルバーがコンピュータで実行されることにより解かれるものである。
　ネットワーク設計装置１００は、コンピュータに内蔵されるＣＰＵやメモリ等のハードウェア資源を用いて、ネットワーク設計装置１００で実施される処理に対応するプログラムを実行することによって実現することが可能である。上記プログラムは、コンピュータが読み取り可能な記録媒体（可搬メモリ等）に記録して、保存したり、配布したりすることが可能である。また、上記プログラムをインターネットや電子メール等、ネットワークを通して提供することも可能である。
　図２は、上記コンピュータのハードウェア構成例を示す図である。図２のコンピュータは、それぞれバスＢで相互に接続されているドライブ装置１０００、補助記憶装置１００２、メモリ装置１００３、ＣＰＵ１００４、インタフェース装置１００５、表示装置１００６、及び入力装置１００７等を有する。
　当該コンピュータでの処理を実現するプログラムは、例えば、ＣＤ－ＲＯＭ又はメモリカード等の記録媒体１００１によって提供される。プログラムを記憶した記録媒体１００１がドライブ装置１０００にセットされると、プログラムが記録媒体１００１からドライブ装置１０００を介して補助記憶装置１００２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１００１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１００２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。
　メモリ装置１００３は、プログラムの起動指示があった場合に、補助記憶装置１００２からプログラムを読み出して格納する。ＣＰＵ１００４は、メモリ装置１００３に格納されたプログラムに従って、ネットワーク設計装置１００に係る機能を実現する。インタフェース装置１００５は、ネットワークに接続するためのインタフェースとして用いられる。表示装置１００６はプログラムによるＧＵＩ（Ｇｒａｐｈｉｃａｌ　Ｕｓｅｒ　Ｉｎｔｅｒｆａｃｅ）等を表示する。入力装置１００７はキーボード及びマウス、ボタン、又はタッチパネル等で構成され、様々な操作指示を入力させるために用いられる。
　以下、ネットワーク設計装置１００の動作（つまり、ネットワーク設計の処理内容）を説明する。
　（ネットワーク設計装置１００の動作概要）
　まず、ネットワーク設計装置１００に、ネットワーク構成条件、費用条件、需要条件が入力される。
　図３は、設計の対象とするネットワークの構成例を示す図である。図３に示すように、当該ネットワークは、Ｆｏｇ層、通信層を有する。通信層には、複数の拠点（ノードと呼んでもよい）が配置されていて、各拠点間のリンクには通信リンクが敷設可能である。また、各拠点には、ＩｏＴゲートウェイ、ＩｏＴデバイスを配置することが可能である。
　Ｆｏｇコンピュータ（Ｆｏｇサーバと呼んでもよい）を配置可能な拠点によりＦｏｇ層が構成される。
　ネットワーク構成条件として入力されるデータは、全体の拠点の情報、全体のリンクの情報、Ｆｏｇコンピュータを配置可能な拠点の情報等である。
　費用条件は、通信リンクの固定費用、通信リンクのトラフィック当たり変動費用係数、Ｆｏｇコンピュータの拠点配置の固定費用、Ｆｏｇコンピュータのｗｏｒｋｌｏａｄ当たりの変動費用係数等である。
　需要条件として、不確定さとして見込む需要データの変動（不確定需要）、及び各ノードからの需要（ＩｏＴゲートウェイあるいはＩｏＴデバイス等からのトラフィック等）に対してＦｏｇコンピュータを割当可能な拠点の集合を入力する。需要に対してＦｏｇコンピュータを割当可能な拠点は、遅延等の制限により設定される。
　図４に不確定需要の例を示す。図４に示すように、不確定需要は、不確定需要を表す集合Ｄとして与えられる。図４に記載のように、この不確定需要集合の考えを"Γロバスト性"と呼ぶ。図４に示す表には、拠点毎の、Ｆｏｇコンピュータに割り当てる不確定需要が示されており、集合Ｄにより、これら不確定需要の制約が規定される。図５に、各ノードからの需要に対して割当可能な拠点の集合の例を示す。
　ネットワーク設計装置１００の演算部１２０は、需要条件で与えられる需要の変動の中で最悪の状況を生じた場合を想定しつつ、将来において発生した需要に適応して資源の割当を行うことを前提として最小費用で構築出来るＩｏＴインフラストラクチャにおけるＦｏｇコンピュータの配置・容量、及び、通信リンクの配置・容量を求め、これらを出力する。
　すなわち、ネットワーク設計装置１００の演算部１２０は、需要条件で与える需要変動の範囲のどのような需要の組合せパターンに対しても充足可能とし、費用条件の下、出来るだけ低費用で構築可能な設備の配置・容量を求める。また、演算部１２０は、将来発生した需要に対して、（［将来の］割当段階で）適応的に資源（ｆｏｇコンピュータ、通信リンク）を割り当てることを前提として、（［現在の］設計段階での）資源の配置・容量を決定する。
　演算部１２０による処理内容を詳細に説明する前に、参考として関連する従来技術を説明する。通信リンクを対象にした、確定需要条件でのネットワーク設計の問題は、"Ｔｏｐｏｌｏｇｉｃａｌ　Ｄｅｓｉｇｎ"として、非特許文献１に記載されている。
　また、通信のみのネットワーク設計の問題に関しては、不確定需要を前提としてロバスト最適化のアプローチを用いて通信リンクの配置を決定する設計法が検討されている（容量設計は対象外）（非特許文献２）。また、確定需要を対象に、コンテンツサーバと通信リンクの連携によるネットワーク設計の問題に対する発見的解法が与えられている（非特許文献３）。
　また、将来の需要に対して（現在の）設計段階で資源の割当を決定する適応的な割当を前提としない条件で、不確定需要に対してロバストな設計法（「静的ロバスト設計法」）が非特許文献４に開示されている。
　本実施の形態に係るネットワーク設定装置１００は、従来技術による検討・分析例が無い、不確定需要かつ適応的な資源割当を前提とした複数層（例：Ｆｏｇ／通信）連携による容量設計・配置設計を実行する。
　（ネットワーク設計装置１００の動作詳細）
　ネットワーク設計装置１００の演算部１２０は、適応型ロバスト最適化問題を解くことでＦｏｇコンピュータの配置・容量、及び、通信リンクの配置・容量を求める。この最適化問題の定式化及び解法のポイントは下記のとおりである。以下、順を追って手段１、手段２、手段３として説明する。
　（手段１）不確定さとして見込む需要データの変動を設定し、この変動の中でどのような需要パターンが発生しても需要充足可能な最小費用となるＩｏＴインフラの配置・容量決定として、適応型ロバスト最適化法に基づき、定式化を行う。
　（手段２）Γロバスト性の下での（手段１）での定式化は、そのままでは通常の最適化の問題形式になっていない。そこで、これと等価な計算上取り扱い易い通常形式の最適化問題（'ｔｒａｃｔａｂｌｅ'　ｒｏｂｕｓｔ　ｃｏｕｎｔｅｒｐａｒｔ）を導く。この通常形式の最適化問題（線形混合整数計画問題）は最適化ソルバーで解くことが出来る。ネットワーク設計装置１００の演算部１２０は、適応型ロバスト最適化問題を解くために、この通常形式の最適化問題を解く演算を実行する。
　（手段１）の定式化では、バイナリ変数となる配置に関する決定変数が用いられるが、それが（手段１）の定式化から'ｔｒａｃｔａｂｌｅ'　ｒｏｂｕｓｔ　ｃｏｕｎｔｅｒｐａｒｔ導出を難しくしている。そこで、本実施の形態では、定式化した適応型ロバスト最適化問題を、全候補から通信リンク・Ｆｏｇコンピュータを配置するリンク・Ｆｏｇノードを決定する問題（配置決定問題）と、配置すると決定したリンク・Ｆｏｇノードでの資源の容量を決定する問題（容量決定問題）の２つの問題に分割する。具体的には、演算部１２０は、最初のステップで、求解可能な条件で配置決定問題を解き、そこで得られた配置を固定して、次のステップで容量決定問題を解く。
　（手段３）（手段２）の配置決定問題について、割当段階で、発生する需要に適応的な割当を前提としない静的ロバスト設計法（非特許文献４）により決定する。又は、M. J. Hadjiyiannis, P. J. Goulart and D. Kuhn , "A scenario approach for estimating the suboptimality of linear decision rules in two-stage robust optimization," 2011 50th IEEE Conference on Decision and Control and European Control Conference, pp. 7386-7391, 2011.に記載の方法に基づき、不確定集合からそのサンプルを抽出し、抽出したサンプルによる需要を満足する適応型ロバスト設計の最適解により配置を決定する。
　（具体的な処理内容）
　上述した手段１～３に基づくより具体的な処理内容は以下のとおりである。
　本実施の形態では、ネットワーク設計装置１００は、まず、通信層と、少なくとも１つのコンピューティング層とを有するネットワークの構成条件、当該ネットワークの費用条件、及び、当該ネットワークの不確定需要を表す需要条件を入力する。
　ネットワーク設計装置１００は、前記通信層、及び前記コンピューティング層の各拠点に配置する資源における固定費用と変動費用の総和を最小とすることを目的関数とした適応型ロバスト最適化問題を解く演算を行い、得られた資源の配置と容量を出力する。
　前記適応型ロバスト最適化問題は、需要が資源に割り当てられる際のその需要量全体に対する当該資源に割り当てられる部分の比率を示す変数を用いた制約条件を有し、当該変数は、生成された需要の集合に依存する変数である。
　なお、ネットワーク設計装置１００の演算部１２０が解く適応型ロバスト最適化問題は、手段１での定式化から手段２により導かれたｔｒａｃｔａｂｌｅ　ｒｏｂｕｓｔ　ｃｏｕｎｔｅｒｐａｒｔである最適化問題である。
　すなわち、ネットワーク設計装置１００の演算部１２０は、（手段２）として記載したとおり、ＩｏＴインフラストラクチャの適応的ロバスト設計法に対してｔｒａｃｔａｂｌｅ　ｒｏｂｕｓｔ　ｃｏｕｎｔｅｒｐａｒｔを構成するために、配置決定と容量決定に分割した２つの問題を段階的に求解する。
　（手段３）として記載された、配置決定問題自体は特定の解法に限定されないが、本実施の形態では、ネットワーク設計装置１００の演算部１２０は、例えば、下記のオプション１、オプション２の方法でこの配置決定問題を解くことができる。
　＜オプション１＞
　割当段階で発生する需要に適応的な割当を前提としない静的ロバスト設計法により決定する設計解で配置を決定する。静的ロバスト設計法は、適応的ロバスト設計より極めて簡単なため、高速での計算が可能である。また、適応的割当の条件は考慮しないが、不確定需要の条件を考慮して配置を決定するため、適応的ロバスト最適化法に近似する設計解を与えると考えられる。
　＜オプション２＞
　不確定需要集合からそのサンプルを抽出し、抽出したサンプルによる需要を満足する適応型ロバスト設計の設計解で配置を決定する。抽出されたサンプルを満足させることに限定した適応的ロバスト設計のため，全不確定需要を満足させる元の適応的ロバスト設計とは同じにならないが、近似する問題からの求解であるため、求められた配置は適応的ロバスト最適化法に近似する設計解を与えると考えられる。
　（実施例）
　以下、実施例として、適応型ロバスト最適化問題の定式化、及びそれを解く方法を詳細に説明する。まず、適応型ロバスト最適化問題（手段１）の定式化について説明する。
　図６は、手段１の定式化に使用するモデルパラメータを示し、図７は、手段１の定式化に使用する変数を示す。
　図６において、Ｇ＝｛Ｎ，Ａ｝は、対象とするネットワークを表す。Ｎは、ネットワークノード（拠点）の集合を表す。Ｎｇｗは、Ｎのうち、ＩｏＴゲートウェイが設置されるネットワークノードを表す。Ｎｆｇは、Ｎのうち、Ｆｏｇコンピュータを設置可能なネットワークノードを表す。
　Ａは、リンクの集合を表す。ｂｌｋ （ａ）は、リンクａについての固定費用を表す。ｃｌｋ （ａ）は、リンクａについてのトラフィック依存単位費用を表す。ｂｆｇ （ｎ）は、ノードｎにＦｏｇコンピュータを配置するための固定費用を表す。ｃｆｇ （ｎ）は、ノードｎにＦｏｇコンピュータを割り当てるためのワークロード依存単位費用を表す。Ｋは、Ｆｏｇコンピュータを割り当てるための需要の集合を示す。
　ｇｗ（ｋ）は、需要ｋのソースノードを示す。Ｎｆｇ （ｋ）は、Ｆｏｇコンピュータの各需要ｋに対して割り当て可能なノードの集合を表す。ｈ（ｋ）は、需要ｋに対するワークロードの比例係数を表す。頭にバーが付されたｄ（ｋ）は、需要ｋに対する平均トラフィックを表す。頭に波線が付されたｄ（ｋ）は、需要ｋに対する平均トラフィックからの最大変動を表す。Γはロバスト性レベルパラメータを表す。
　図７において、ｘｌｋ （ａ）は、リンクａにおいて設置された通信リンク設備の容量を表す。ｘｆｇ （ｎ）は、Ｆｏｇノードｎに設置されたＦｏｇコンピュータの容量を示す。
　ｙｌｋ （ｋ，ａ）（ｄ）は、需要ｋがリンクａに割り当てられる際のその需要量ｄ（ｋ）全体に対する当該リンクａに割り当てられる部分の比率を示し、生成された需要の集合ｄ＝｛ｄ（ｋ）∈Ｋ｝に依存する。なお、ｄ＝｛ｄ（ｋ）∈Ｋ｝における「ｄ」は、生成された１以上の需要の量を表すベクトルである。すなわち、ここでのｄは、需要の集合（需要量の集合）を表す。
　ｙｆｇ （ｋ，ｎ）（ｄ）は、需要ｋがＦｏｇノードｎに割り当てられる際のその需要量ｄ（ｋ）全体に対する当該Ｆｏｇノードｎに割り当てられる部分の比率を示し、生成された需要の集合ｄ＝｛ｄ（ｋ）∈Ｋ｝に依存する。
　上記のように、生成された需要の集合ｄ＝｛ｄ（ｋ）∈Ｋ｝に依存する変数を用いることで、生成された需要に基づくｗａｉｔ－ａｎｄ－ｓｅｅ型の割当の決定を行うことができる。
　ｚｌｋ （ａ）は、リンクａに通信リンク設備が設置されるか否かを表す。ｚｆｇ （ｎ）は、ＦｏｇコンピュータがＦｏｇノードｎに設置されるか否かを表す。ｄ（ｋ）は、需要ｋのボリューム（量）を表す。
　＜目的関数＞
　通信リンク、及びＦｏｇコンピュータの資源の配置に伴う固定費用、及び、設置する資源の容量に応じた変動費用の総和を費用とするため、目的関数は、
Figure JPOXMLDOC01-appb-M000001
 となる。
　＜需要充足条件＞
　需要充足条件は、各Ｆｏｇ需要が、割り当て可能ないずれかのＦｏｇノードに設置されるＦｏｇコンピュータに割り当てられることを表し、下記の式で表される。
Figure JPOXMLDOC01-appb-M000002
　＜流量保存則＞
　Ｆｏｇ需要に対するネットワーク上での流量保存の関係式は次のように表される。
Figure JPOXMLDOC01-appb-M000003
 　但し、上記式におけるｉｎ（ｎ；Ｇ）／ｏｕｔ（ｎ；Ｇ）⊂Ａは、それぞれＧ上でｎ∈Ｎに入る／出るリンクの集合を表す。
　＜容量制約＞
　通信リンクを流れるトラフィック、及び、Ｆｏｇノードで割り当てるｗｏｒｋｌｏａｄは、リンク、拠点の容量によって制限され、当該制限は下記の式で表される。
Figure JPOXMLDOC01-appb-M000004
 　＜配置制約＞
　配置制約は、リンク、Ｆｏｇノードにトラフィック、ｗｏｒｋｌｏａｄが少しでも割り当てられるとき、通信リンク、Ｆｏｇコンピュータの資源を配置する必要があるという条件であり、下記の制約式で表される。
Figure JPOXMLDOC01-appb-M000005
 　上記の制約式はｂｉｇ－Ｍ法に基づいており、ｚ＝１のとき必ず制約式が成り立つようパラメータＭは十分大きな値にする必要がある。
　＜決定変数定義＞
　決定変数の定義より以下の制約を有する。
Figure JPOXMLDOC01-appb-M000006
 　これより、ＩｏＴインフラのロバスト設計問題は、不確定需要集合Ｄのどの需要パターンに対しても保証される最小費用を求める、以下の適応型ロバスト最適化問題Ｐ（Ａ；Ｎ；Ｎｆｇ）でモデル化される。なお、Δは不確定需要の集合である。
Figure JPOXMLDOC01-appb-M000007
 　次に、手段２として説明した、上記適応型ロバスト最適化問題Ｐ（Ａ；Ｎ；Ｎｆｇ）の配置決定問題と容量決定問題への分割、及び、手段３として説明した手法により、ｔｒａｃｔａｂｌｅ　ｒｏｂｕｓｔ　ｃｏｕｎｔｅｒｐａｒｔを導く方法について説明する。
　最初の配置決定問題は、発生する需要に対する適応的な割当を前提としない下記の静的ロバスト最適化問題ＰＳＲＰ（Ａ；Ｎ；Ｎｆｇ）として解く。
Figure JPOXMLDOC01-appb-M000008
 　なお、ここでは、発生する需要に依存しない割当決定の条件を、Ｐ（Ａ；Ｎ；Ｎｆｇ）に対する以下の変数変換で実現している。
Figure JPOXMLDOC01-appb-M000009
 　つまり、前述した制約（１）～（５）で使用されているｙｌｋ （ｋ，ａ）（ｄ）、ｙｆｇ （ｋ，ｎ）（ｄ）は、ＰＳＲＰ（Ａ；Ｎ；Ｎｆｇ）ではｙｌｋ （ｋ，ａ）、ｙｆｇ （ｋ，ｎ）に置き換えられる。また、ここでは、ｙ∈｛０，１｝である。
　演算部１２０は、この静的ロバスト最適化問題ＰＳＲＰ（Ａ；Ｎ；Ｎｆｇ）を、例えば非特許文献４に開示された方法で解く。
　静的ロバスト最適化問題ＰＳＲＰ（Ａ；Ｎ；Ｎｆｇ）を解くことにより配置を確定したリンク及びＦｏｇノードの集合は
Figure JPOXMLDOC01-appb-M000010
 と表される。
　演算部１２０は、上記確定した配置に基づくネットワーク
Figure JPOXMLDOC01-appb-M000011
 上での容量決定のために、適応型ロバスト最適化問題
Figure JPOXMLDOC01-appb-M000012
 を解く。
　上記の適応型ロバスト最適化問題は、以下のように定式化できる。
Figure JPOXMLDOC01-appb-M000013
Figure JPOXMLDOC01-appb-M000014
Figure JPOXMLDOC01-appb-M000015
Figure JPOXMLDOC01-appb-M000016
Figure JPOXMLDOC01-appb-M000017
 　演算部１２０は、上記の問題を、例えば、A. Ben-Tal, A. Goryashko, E. Guslitzer, and A. Nemirovski,"Adjustable robust solutions of uncertain linear programs," Mathematical Programming, vol. 99, no. 2, pp. 351-376, 2004.に開示されている効率的に準最適解を求める方法で解くことができる。
　なお、（６）、（７）、（８）、（９）の制約は、既に説明した（１）、（２）、（３）、（５）と同様の、需要充足条件、流量保存則、容量制約、決定変数定義である。
　（評価例）
　ノード数２０、平均次数４、Ｒｅｗｉｒｉｎｇ率０．１のＷａｔｔｓ－Ｓｔｒｏｇａｔｚ法で評価用ケースとして１０個のネットワークを生成した。各ケースについて，Γを変えたロバスト設計を実施し、評価を行った。
　ネットワーク設計については、「提案法」（手段３のオプション１で配置決定）と「比較法」（平均需要を満足する最小費用の配置決定）で実施した。いずれも、容量決定については適応型ロバスト設計で実施した。
　各設計法（提案法・比較法）で導出した設計解の費用（ｄｃ）と下限値（ｕｂ）との乖離の下限値に対する比率（"ｄｅｖｉａｔｉｏｎ　ｒａｔｉｏ"＝（ｄｃ－ｌｂ）／ｌｂ）により、得られた解の最適性を評価した。
　評価結果を図８に示す。図８における横軸は、比較法のｄｅｖｉａｔｉｏｎ　ｒａｔｉｏであり、縦軸は提案法のｄｅｖｉａｔｉｏｎ　ｒａｔｉｏであり、各評価用ケースによるΓ毎の設計結果をプロットした。
　図８に示されるように、右下の領域にプロットされるケースが多く見られ、提案法のほうが比較法より最適値に近い値を導出することがわかる。
　（実施の形態の効果について）
　以上説明した本実施の形態に係る技術により、将来の需要への適応的な割当を前提とし、Γロバスト性で定義される需要変動の範囲で発生するどのような需要に対しても充足可能とする最小費用に近い費用で構築可能な資源の配置・容量を求めることができる。
　また、最小費用の設計解を見出すものではないが、最小費用に近い望ましい配置・容量を、比較的短時間の計算時間で導出することができる。
　（実施の形態のまとめ）
　本実施の形態により、少なくとも下記の各項に記載されたネットワーク設計装置、ネットワーク設計方法、及びプログラムが提供される。
（第１項）
　ネットワークの設計を行うネットワーク設計装置であって、
　通信層と、少なくとも１つのコンピューティング層とを有するネットワークの構成条件、当該ネットワークの費用条件、及び、当該ネットワークの不確定需要を表す需要条件を入力する入力部と、
　前記通信層、及び前記コンピューティング層の各拠点に配置する資源における固定費用と変動費用の総和を最小とすることを目的関数とした適応型ロバスト最適化問題を解く演算を行う演算部と、
　前記演算部により得られた資源の配置と容量を出力する出力部とを備え、
　前記適応型ロバスト最適化問題は、需要が資源に割り当てられる際のその需要量全体に対する当該資源に割り当てられる部分の比率を示す変数を用いた制約条件を有し、当該変数は、生成された需要の集合に依存する変数である
　ネットワーク設計装置。
（第２項）
　ネットワークの設計を行うネットワーク設計装置であって、
　通信層と、少なくとも１つのコンピューティング層とを有するネットワークの構成条件、当該ネットワークの費用条件、及び、当該ネットワークの不確定需要を表す需要条件を入力する入力部と、
　前記通信層、及び前記コンピューティング層の各拠点において、配置する通信リンク、及び配置するコンピュータにおける固定費用と変動費用の総和を最小とすることを目的関数とし、各コンピュータに対する需要が充足されることを需要充足条件とし、各コンピュータへの需要に対するトラフィックの流量が保存されることを流量保存条件とし、各拠点における通信リンク及びコンピュータの容量による制約を容量制約とする適応型ロバスト最適化問題を解く演算を行う演算部と、
　前記演算部により得られた通信リンク及びコンピュータそれぞれの配置と容量を出力する出力部とを備え、
　前記需要充足条件は、需要がノードに割り当てられる際のその需要量全体に対する当該ノードに割り当てられる部分の比率を示し、生成された需要の集合に依存する第１変数により表わされ、
　前記流量保存条件と前記容量制約はそれぞれ、
　前記第１変数と、
　需要がリンクに割り当てられる際のその需要量全体に対する当該リンクに割り当てられる部分の比率を示し、生成された需要の集合に依存する第２変数とにより表わされる
　ネットワーク設計装置。
（第３項）
　前記演算部は、前記通信リンクと前記コンピュータの配置を決定するための配置決定問題を解いて当該配置を決定した上で、前記通信リンクと前記コンピュータの容量を決定する容量決定問題を解くことにより、前記適応型ロバスト最適化問題を解く
　第２項に記載のネットワーク設計装置。
（第４項）
　前記演算部は、前記配置決定問題を静的ロバスト最適化問題として解く
　第３項に記載のネットワーク設計装置。
（第５項）
　前記演算部は、前記配置決定問題を、不確定需要集合から抽出されたサンプルの需要を満足する適応型ロバスト最適化問題として解く
　第３項に記載のネットワーク設計装置。
（第６項）
　ネットワークの設計を行うネットワーク設計装置が実行するネットワーク設計方法であって、
　通信層と、少なくとも１つのコンピューティング層とを有するネットワークの構成条件、当該ネットワークの費用条件、及び、当該ネットワークの不確定需要を表す需要条件を入力する入力ステップと、
　前記通信層、及び前記コンピューティング層の各拠点に配置する資源における固定費用と変動費用の総和を最小とすることを目的関数とした適応型ロバスト最適化問題を解く演算を行う演算ステップと、
　前記演算ステップにより得られた資源の配置と容量を出力する出力ステップとを備え、
　前記適応型ロバスト最適化問題は、需要が資源に割り当てられる際のその需要量全体に対する当該資源に割り当てられる部分の比率を示す変数を用いた制約条件を有し、当該変数は、生成された需要の集合に依存する変数である
　ネットワーク設計方法。
（第７項）
　コンピュータを、第１項ないし第３項のうちいずれか１項に記載のネットワーク設計装置の各部として機能させるためのプログラム。
　以上、本実施の形態について説明したが、本発明はかかる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。
１００　ネットワーク設計装置
１１０　入力部
１２０　演算部
１３０　データ記憶部
１４０　出力部
１０００　ドライブ装置
１００１　記録媒体
１００２　補助記憶装置
１００３　メモリ装置
１００４　ＣＰＵ
１００５　インターフェース装置
１００６　表示装置
１００７　入力装置

Claims (7)

  1. 　ネットワークの設計を行うネットワーク設計装置であって、
    　通信層と、少なくとも１つのコンピューティング層とを有するネットワークの構成条件、当該ネットワークの費用条件、及び、当該ネットワークの不確定需要を表す需要条件を入力する入力部と、
    　前記通信層、及び前記コンピューティング層の各拠点に配置する資源における固定費用と変動費用の総和を最小とすることを目的関数とした適応型ロバスト最適化問題を解く演算を行う演算部と、
    　前記演算部により得られた資源の配置と容量を出力する出力部とを備え、
    　前記適応型ロバスト最適化問題は、需要が資源に割り当てられる際のその需要量全体に対する当該資源に割り当てられる部分の比率を示す変数を用いた制約条件を有し、当該変数は、生成された需要の集合に依存する変数である
    　ネットワーク設計装置。
  2. 　ネットワークの設計を行うネットワーク設計装置であって、
    　通信層と、少なくとも１つのコンピューティング層とを有するネットワークの構成条件、当該ネットワークの費用条件、及び、当該ネットワークの不確定需要を表す需要条件を入力する入力部と、
    　前記通信層、及び前記コンピューティング層の各拠点において、配置する通信リンク、及び配置するコンピュータにおける固定費用と変動費用の総和を最小とすることを目的関数とし、各コンピュータに対する需要が充足されることを需要充足条件とし、各コンピュータへの需要に対するトラフィックの流量が保存されることを流量保存条件とし、各拠点における通信リンク及びコンピュータの容量による制約を容量制約とする適応型ロバスト最適化問題を解く演算を行う演算部と、
    　前記演算部により得られた通信リンク及びコンピュータそれぞれの配置と容量を出力する出力部とを備え、
    　前記需要充足条件は、需要がノードに割り当てられる際のその需要量全体に対する当該ノードに割り当てられる部分の比率を示し、生成された需要の集合に依存する第１変数により表わされ、
    　前記流量保存条件と前記容量制約はそれぞれ、
    　前記第１変数と、
    　需要がリンクに割り当てられる際のその需要量全体に対する当該リンクに割り当てられる部分の比率を示し、生成された需要の集合に依存する第２変数とにより表わされる
    　ネットワーク設計装置。
  3. 　前記演算部は、前記通信リンクと前記コンピュータの配置を決定するための配置決定問題を解いて当該配置を決定した上で、前記通信リンクと前記コンピュータの容量を決定する容量決定問題を解くことにより、前記適応型ロバスト最適化問題を解く
    　請求項２に記載のネットワーク設計装置。
  4. 　前記演算部は、前記配置決定問題を静的ロバスト最適化問題として解く
    　請求項３に記載のネットワーク設計装置。
  5. 　前記演算部は、前記配置決定問題を、不確定需要集合から抽出されたサンプルの需要を満足する適応型ロバスト最適化問題として解く
    　請求項３に記載のネットワーク設計装置。
  6. 　ネットワークの設計を行うネットワーク設計装置が実行するネットワーク設計方法であって、
    　通信層と、少なくとも１つのコンピューティング層とを有するネットワークの構成条件、当該ネットワークの費用条件、及び、当該ネットワークの不確定需要を表す需要条件を入力する入力ステップと、
    　前記通信層、及び前記コンピューティング層の各拠点に配置する資源における固定費用と変動費用の総和を最小とすることを目的関数とした適応型ロバスト最適化問題を解く演算を行う演算ステップと、
    　前記演算ステップにより得られた資源の配置と容量を出力する出力ステップとを備え、
    　前記適応型ロバスト最適化問題は、需要が資源に割り当てられる際のその需要量全体に対する当該資源に割り当てられる部分の比率を示す変数を用いた制約条件を有し、当該変数は、生成された需要の集合に依存する変数である
    　ネットワーク設計方法。
  7. 　コンピュータを、請求項１ないし５のうちいずれか１項に記載のネットワーク設計装置の各部として機能させるためのプログラム。
PCT/JP2019/035048 2019-09-05 2019-09-05 ネットワーク設計装置、ネットワーク設計方法、及びプログラム WO2021044596A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US17/753,009 US11870657B2 (en) 2019-09-05 2019-09-05 Network design apparatus, network design method and program
PCT/JP2019/035048 WO2021044596A1 (ja) 2019-09-05 2019-09-05 ネットワーク設計装置、ネットワーク設計方法、及びプログラム
JP2021543903A JP7283549B2 (ja) 2019-09-05 2019-09-05 ネットワーク設計装置、ネットワーク設計方法、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/035048 WO2021044596A1 (ja) 2019-09-05 2019-09-05 ネットワーク設計装置、ネットワーク設計方法、及びプログラム

Publications (1)

Publication Number Publication Date
WO2021044596A1 true WO2021044596A1 (ja) 2021-03-11

Family

ID=74853306

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/035048 WO2021044596A1 (ja) 2019-09-05 2019-09-05 ネットワーク設計装置、ネットワーク設計方法、及びプログラム

Country Status (3)

Country Link
US (1) US11870657B2 (ja)
JP (1) JP7283549B2 (ja)
WO (1) WO2021044596A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023157197A1 (ja) * 2022-02-17 2023-08-24 日本電信電話株式会社 制御装置、制御方法及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004289288A (ja) * 2003-03-19 2004-10-14 Nippon Telegr & Teleph Corp <Ntt> サービスリスト選択装置及び方法並びにプログラム及び記録媒体
WO2016178376A1 (ja) * 2015-05-07 2016-11-10 日本電信電話株式会社 仮想ネットワーク制御装置、仮想ネットワーク制御方法、及びプログラム
JP2018207182A (ja) * 2017-05-30 2018-12-27 日本電信電話株式会社 設備設計装置、設備設計方法、及びプログラム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7362974B2 (en) * 2001-11-30 2008-04-22 Pirelli & C. S.P.A. Method for planning or provisioning data transport networks
JP4788930B2 (ja) * 2006-05-29 2011-10-05 日本電気株式会社 無線アクセス網の構成管理方法、構成管理システムおよび無線アクセス網管理装置
US8949410B2 (en) * 2010-09-10 2015-02-03 Cisco Technology, Inc. Server load balancer scaling for virtual servers
US20130159045A1 (en) * 2011-12-14 2013-06-20 International Business Machines Corporation Robust inventory management in multi-stage inventory networks with demand shocks
US10555054B2 (en) * 2016-04-12 2020-02-04 Cisco Technology, Inc. On-demand modular fog computing resources
US20200021515A1 (en) * 2017-01-31 2020-01-16 The Mode Group High performance software-defined core network

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004289288A (ja) * 2003-03-19 2004-10-14 Nippon Telegr & Teleph Corp <Ntt> サービスリスト選択装置及び方法並びにプログラム及び記録媒体
WO2016178376A1 (ja) * 2015-05-07 2016-11-10 日本電信電話株式会社 仮想ネットワーク制御装置、仮想ネットワーク制御方法、及びプログラム
JP2018207182A (ja) * 2017-05-30 2018-12-27 日本電信電話株式会社 設備設計装置、設備設計方法、及びプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023157197A1 (ja) * 2022-02-17 2023-08-24 日本電信電話株式会社 制御装置、制御方法及びプログラム

Also Published As

Publication number Publication date
JPWO2021044596A1 (ja) 2021-03-11
US11870657B2 (en) 2024-01-09
JP7283549B2 (ja) 2023-05-30
US20220271998A1 (en) 2022-08-25

Similar Documents

Publication Publication Date Title
Kuchuk et al. Improving big data centers energy efficiency: Traffic based model and method
Hwang Design of supply-chain logistics system considering service level
Zamora et al. A branch and contract algorithm for problems with concave univariate, bilinear and linear fractional terms
Sourirajan et al. A genetic algorithm for a single product network design model with lead time and safety stock considerations
Roshani et al. A simulated annealing algorithm for multi-manned assembly line balancing problem
Luo et al. On the effective parallelization and near-optimal deployment of service function chains
Draxler et al. Joint optimization of scaling and placement of virtual network services
CN107533483A (zh) 服务编排
Singh et al. Ensemble learning for large-scale workload prediction
Zheng et al. Network service chaining and embedding with provable bounds
CN109412963A (zh) 一种基于流拆分的服务功能链部署方法
WO2021044596A1 (ja) ネットワーク設計装置、ネットワーク設計方法、及びプログラム
Song et al. An augmented Lagrangian relaxation method for the mean-standard deviation based vehicle routing problem
JP6467360B2 (ja) ネットワーク構成レコメンド装置、ネットワーク構成レコメンド方法およびプログラム
Gao A bottleneck detection-based tabu search algorithm for the buffer allocation problem in manufacturing systems
Wang et al. A Lagrange decomposition based branch and bound algorithm for the optimal mapping of cloud virtual machines
Iutzeler et al. Asynchronous level bundle methods
JP5742981B1 (ja) 経路計算装置及び方法及びプログラム
Desai et al. A global optimization algorithm for reliable network design
JP6721921B2 (ja) 設備設計装置、設備設計方法、及びプログラム
JP5929908B2 (ja) 通信制御装置、通信制御システム、通信制御方法、および、プログラム
Setämaa-Kärkkäinen et al. Best compromise solution for a new multiobjective scheduling problem
US11750443B2 (en) System configuration derivation device, method, and computer-readable recording medium
WO2020230274A1 (ja) ネットワーク設計装置、ネットワーク設計方法、及びプログラム
Garuba et al. Robust network capacity expansion with non-linear costs

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19943969

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021543903

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19943969

Country of ref document: EP

Kind code of ref document: A1