A futura Internet 5G vem demandando novos esforços dos operadores de telecomunicações por conta do grande tráfego esperado em tal rede. Arquiteturas de redes de acesso a rádio (Radio Access Networks (RAN)) baseadas em computação em nuvem (Cloud Radio Access Networks (CRAN)) já vêm sendo utilizadas para lidar com a grande cobertura demandada por essas redes ao mesmo tempo em que busca-se uma operação energeticamente eficiente, centralizando o processamento de sinais de banda-base em uma nuvem. Entretanto, a centralização do processamento de banda-base na arquitetura CRAN pode levar a sobrecargas em seus recursos de processamento, chamados de Unidades de Banda-Base (BaseBand Units (BBUs)), e na rede de transporte óptica, chamada de fronthaul, responsável por interconectar as antenas remotas da rede (Remote Radio Heads (RRHs)) à nuvem, degradando dessa forma as rígidas restrições de latência esperadas em redes 5G e levando até mesmo ao bloqueio de requisições por falta de recursos computacionais ou de rede. Esta Tese introduz uma nova arquitetura de rede chamada de Cloud-Fog RAN (CF-RAN) que busca estender as capacidades da CRAN por meio dos paradigmas de computação em névoa, para prover processamento local de banda-base, e de Virtualização de Funções de Rede (Network Functions Virtualization (NFV)), para realizar a ativação e desativação dinâmica das funções de processamento locais. Formulações baseadas em Programação Linear Inteira (Integer Linear Programming (ILP)) e heurísticas baseadas em teoria dos grafos e relaxações lineares são propostas para realizar a alocação dos recursos de rede e processamento da CF-RAN. A eficácia dos algoritmos propostos foram verificados por meio de execuções das formulações ILP e de simulações. Os resultados mostraram que a arquitetura CF-RAN é capaz de aumentar a cobertura de atendimento de uma rede 5G em comparação à CRAN, além de prover eficiência energética, baixa latência e otimizar a utilização tanto dos recursos de rede como de processamento.

The forthcoming 5G Internet has been demanding new efforts from telecommunication operators due to the intense traffic expected in this network. Radio Access Architectures - (RAN) based in cloud computing (Cloud Radio Access Networks - CRAN) has been adopted to deal with the increasingly coverage demanded by these networks, while a energy-efficient operation is achieved by the centralization of baseband processing signals in a cloud. However, the centralization of baseband processing in CRAN may lead to overloads in its processing resources, called BaseBand Units (BBUs), and in the transport network, known as the fronthaul, responsible for interconnecting the network Remote Radio Heads (RRHs) to the cloud, degrading the strict latencies restrictions expected in 5G networks and even leading to blocking of requisitions due to lack of processing and network resources. This dissertation introduce a new network architecture called Cloud-Fog RAN (CF-RAN) that extends the capacities of CRAN by the paradigms of fog computing, to promote local baseband processing, and Network Functions Virtualization (NFV), to perform a dynamic activation and deactivation of local processing functions. Integer Linear Programming (ILP) formulations and heuristics based on graph theory and linear relaxations are proposed to perform the allocation of network and processing resources in CF-RAN. The efficiency of the proposed algorithms was evaluated by executions of the ILP formulation and simulations. Results showed that CF-RAN can increase the network coverage of a 5G network in comparison to CRAN, besides providing energy efficiency, low latency and optimizing the usage of network and processing resources.