Acceso usuarios
Fabricio Marcillo, Emilio Rodrigo Zhuma Mera, Ángel Torres, Eduardo Samaniego, Ronald Camacho, Angie Cortez
Este estudio aborda la optimización del enrutamiento en redes definidas por software (SDN) mediante el uso de algoritmos genéticos multiobjetivo, destacando la implementación del NSGA-II en un entorno virtual configurado con herramientas como VirtualBox, Mininet y OpenDaylight. Los resultados de las simulaciones evidencian que este enfoque permite seleccionar rutas óptimas en tiempo real al considerar métricas clave como ancho de banda, jitter, delay y cantidad de nodos intermedios, mejorando significativamente la calidad del servicio (QoS). El protocolo TCP mostró el mejor rendimiento en términos de ancho de banda y tasa de transferencia, mientras que UDP y SCTP destacaron por su velocidad, aunque con menor eficiencia. Este estudio demostró la viabilidad de integrar algoritmos genéticos en redes SDN, aportando flexibilidad, adaptabilidad y eficiencia en la toma de decisiones de enrutamiento. Se proponen estudios futuros para evaluar su escalabilidad y aplicación en entornos reales, fortaleciendo su potencial en redes inteligentes.
This study addresses routing optimization in software-defined networks (SDN) using multi-objective genetic algorithms, highlighting the implementation of NSGA-II in a virtual environment configured with tools such as VirtualBox, Mininet and OpenDaylight. The results of the simulations show that this approach allows the selection of optimal routes in real time by considering key metrics such as bandwidth, jitters, delay and number of intermediate nodes, significantly improving the quality of service (QoS). The TCP protocol showed the best performance in terms of bandwidth and transfer rate, while UDP and SCTP stood out for their speed, although with lower efficiency. This work demonstrates the feasibility of integrating genetic algorithms in SDN networks, providing flexibility, adaptability and efficiency in routing decision making. Future studies are proposed to evaluate its scalability and application in real environments, strengthening its potential in intelligent networks.
