AVIS DE SOUTENANCE de Monsieur Maxime ELKAEL

L’Ecole doctorale : Ecole Doctorale de l’Institut Polytechnique de Paris

et le Laboratoire de recherche SAMOVAR – Services rĂ©partis, Architectures, ModĂ©lisation, Validation, Administration des RĂ©seaux

présentent

l’AVIS DE SOUTENANCE de Monsieur Maxime ELKAEL

AutorisĂ© Ă  prĂ©senter ses travaux en vue de l’obtention du Doctorat de l’Institut Polytechnique de Paris, prĂ©parĂ© Ă  TĂ©lĂ©com SudParis en :

Informatique

« Apprentissage par renforcement et optimisation pour un slicing 5G économe en énergie et garantissant la qualité de service »

le MARDI 19 DÉCEMBRE 2023 Ă  9h30

Ă 

Amphithéùtre 11
Télécom SudParis, 9 rue Charles Fourier, 91000 Evry

Membres du jury :

Mme Hind CASTEL, Professeur, Telecom Sud Paris, FRANCE – Directeur de these
M. Tristan CAZENAVE, Professeur, UniversitĂ© Paris Dauphine, FRANCE – Rapporteur
M. Adlen KSENTINI, Professeur, Eurecom, FRANCE – Rapporteur
M. Andrea ARALDO, Assistant professor, Telecom Sud paris, FRANCE – Co-encadrant de these
M. Emmanuel HYON, MaĂźtre de confĂ©rences, UniversitĂ© Paris-Nanterre, FRANCE – Examinateur
M. Stefano SECCI, Professeur, Conservatoire National des Arts et MĂ©tiers, FRANCE – Examinateur
Mme VĂ©ronique VÈQUE, Professeur, UniversitĂ© Paris-Saclay, FRANCE – Examinateur
Mme Nancy PERROT, Chef de Projet, Orange Labs, FRANCE – Examinateur

Invités :

Mr Badii JOUABER, Professor,Telecom SudParis, FRANCE – Co-encadrant de these, membre invitĂ© 

Mr Massinissa AIT ABA, IngĂ©nieur recherche, Davidson Consulting, FRANCE, membre invitĂ© 

« Apprentissage par renforcement et optimisation pour un slicing 5G économe en énergie et garantissant la qualité de service »

présenté par Monsieur Maxime ELKAEL

Résumé :

Cette thĂšse traite des problĂšmes d’allocation des ressources dans les rĂ©seaux 5G. Notre objectif est d’exploiter le slicing du rĂ©seau (c’est-Ă -dire un corpus de techniques basĂ©es sur la virtualisation et la softwarisation du rĂ©seau qui permettent Ă  l’opĂ©rateur de fournir diffĂ©rentes quantitĂ©s de ressources Ă  diffĂ©rents clients) afin d’amĂ©liorer l’efficacitĂ© Ă©nergĂ©tique et la consommation de ressources des rĂ©seaux 5G, tout en respectant des contraintes de QualitĂ© de Service. Pour ce faire, nous formulons et rĂ©solvons des problĂšmes d’optimisation dans les diffĂ©rents domaines du rĂ©seau : nous nous intĂ©ressons tout d’abord au placement des slices dans le rĂ©seau coeur. Pour rĂ©soudre le problĂšme, une nouvelle approche combinant la recherche Monte Carlo et la recherche par voisinage est formulĂ©e. Nous montrons qu’elle permet d’accepter plus de slices que les techniques de l’Ă©tat de l’art pour le problĂšme de placement du rĂ©seau coeur. Ensuite, nous mettons l’accent sur l’efficacitĂ© Ă©nergĂ©tique en proposant un framework pour l’allocation de ressources dans les rĂ©seaux 5G partagĂ©s entre les opĂ©rateurs de rĂ©seaux physiques (PNO) et les opĂ©rateurs de rĂ©seaux mobiles virtuels (MVNO). Ce framework tient compte Ă  la fois du placement des composants logiciels, du routage des demandes des utilisateurs et du dimensionnement des ressources, tout en respectant les accords de niveau de service (SLA) basĂ©s sur des contraintes de latence et de fiabilitĂ©. GrĂące Ă  la gĂ©nĂ©ration de colonnes, nous obtenons des solutions exactes, dĂ©montrant des Ă©conomies d’Ă©nergie allant jusqu’Ă  50% dans des rĂ©seaux rĂ©els, par rapport aux algorithmes de placement ou de minimisation des ressources existants. Enfin, nous abordons le problĂšme de l’optimisation de l’Ă©nergie dans les rĂ©seaux Integrated Access and Backhaul (IAB), un Ă©lĂ©ment clĂ© des dĂ©ploiements denses de la 5G. S’appuyant sur le framework du rĂ©seau d’accĂšs ouvert Open RAN (O-RAN), notre modĂšle minimise les noeuds IAB actifs tout en garantissant une capacitĂ© minimale pour l’Ă©quipement de l’utilisateur (UE). FormulĂ©e comme un programme non linĂ©aire binaire, cette approche rĂ©duit la consommation d’Ă©nergie du RAN de 47%, tout en maintenant la qualitĂ© de service pour les UEs. Dans l’ensemble, cette thĂšse propose de nouveaux algorithmes pour amĂ©liorer la l’efficacitĂ© en ressources et en Ă©nergie du rĂ©seau 5G slicĂ©. Ces amĂ©liorations sont Ă©tudiĂ©es dans diffĂ©rentes parties du rĂ©seau, du coeur au rĂ©seau d’accĂšs.

Abstract :

This thesis addresses resource allocation problems in 5G networks. Our objective is to leverage network slicing (e.g. the set of techniques based on virtualization and network softwarization which allows the network operator to provide different amounts of resources to different tenants) in order to to improve the energy-efficiency and resource consumption of 5G networks, while guaranteeing Quality of Service constraints. To do so, we formulate and solve optimization problems at the different domains of the network: We are first concerned with the placement of slices in the core network. To solve the problem, a new approach combining Monte Carlo Search and Neighborhood Search is formulated. We show it accepts more core slices than state-of-the-art approaches for the core network placement problem. Then we shift the focus to energy efficiency in resource allocation in 5G networks shared between Physical Network Operators (PNOs) and Mobile Virtual Network Operators (MVNOs). This framework jointly considers software component placement, user request routing, and resource dimensioning while meeting Service Level Agreements (SLAs) based on latency and reliability constraints. Through Column Generation, we obtain exact solutions, demonstrating energy savings of up to 50% in real networks compared to existing placement or resource minimization algorithms. Finally, we delve into the realm of energy optimization in Integrated Access and Backhaul (IAB) networks, a key component of dense 5G deployments. Leveraging the Open Radio Access Network (O-RAN) framework, our model minimizes active IAB nodes while ensuring a minimum capacity for User Equipment (UE). Formulated as a binary nonlinear program, this approach reduces RAN energy consumption by 47%, while maintaining Quality-Of-Service for UEs. Overall, this thesis provides novel algorithms for improving resource and energy efficiency of 5G network slicing. Such improvement is studied in different parts of the network, from the core up to the access network.