弹性光网络中结合预测的路由与频谱分配算法研究

发布时间：2020-09-09 08:45

　　随着因特网中新兴应用的不断涌现,各种带宽需求变化大的业务也随之出现,传统的波分复用(Wavelength Division Multiplexing,WDM)光网络因采用固定的粗粒度波长分配模式,已难以同时满足用户和网络运营商的需求。基于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)的弹性光网络(Elastic Optical Networks,EONs)可以依据用户请求,以更精细粒度的频隙划分,更高效和灵活地分配频谱资源,被认为是未来高速光传输网络中一个有潜力的候选方案。路由与频谱分配(Routing and Spectrum assignment,RSA)是EONs中的关键问题之一,也是本文的研究重点。论文首先概述了研究的背景及意义,并总结了光网络、RSA和预测技术在网络领域应用的研究现状。接着,论文分别介绍了EONs和RSA的基础,描述了现有的光网络业务模型,并在总结了现有预测模型之后,详细说明了本文所采用的预测方法的基本原理。为了降低用户业务请求阻塞率和提高网络资源利用率,本文提出了一种基于业务预测和周期性重选路(Traffic Prediction and Periodic Rerouting,TPPR)新的RSA算法。该算法通过径向基神经网络(Radical Basis Function Neural Network,RBFNN)预测链路上业务量随时间变化信息,计算候选路径上业务在时域和频域的资源竞争率。同时,在网络处理一批业务请求之后,其周期性地更新链路的权重,为不同源宿节点对的业务请求重新计算候选光路集合。仿真实验结果表明,所提算法可有效地降低业务请求阻塞率和提高网络资源利用率。近年来,由于热点城市的出现,网络中节点对之间的业务呈现非均匀性。因此,本文在部分光交换节点上放置频谱转换器,以减少非均匀业务造成的业务请求阻塞率的额外增加。针对该网络场景,本文提出了一种结合预测的频谱转换(Spectrum Conversion combined with Prediction,SCP)的RSA算法。该算法仍采用RBFNN预测链路上业务量随时间变化。当网络中的频谱资源无法满足业务需求时,其尝试在放置频谱转换器的网络节点进行频谱转换以使网络能够承载更多的业务请求。在放置频谱转换器和分配频谱资源时,该算法采用两种不同的组合策略,分别记为SCP_R(Randomly)和SCP_BC(Betweenness Centrality)。其中,SCP_R策略随机选择网络节点放置频谱转换器,并针对所有承载的业务请求均采用首次适配(First Fit,FF)方法进行频谱分配;SCP_BC策略基于介数中心性放置频谱转换器,在对业务请求进行频谱分配时,先尝试使用FF方法,若分配不成功,则频谱转换后采用最大路径频谱连续度(Maximum Path Spectrum Continuity,MPSC)的方法。仿真实验验证了两种所提策略的有效性,并表明SCP_BC性能更好。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN929.1
【部分图文】：

主要特征,子载波

同样具有带宽聚合特性，其可以在光域中通过连续组合形成超波长谱资源的高效利用，如图 2.4 所示，三个 60Gb/s 的光路就组合在0Gb/s 的超波长光路。由于其灵活的频谱分配特性，EONs 在光域内速率的光谱进行有效地直接调节，此外，其也能够通过改变子载波，支持可达的适配速率以及动态带宽的扩展和收缩。EONs 也支持当网络流量空闲时，EONs 会关闭一些 OFDM 子载波，节省功耗，DM 子载波支持的虚拟链路进行光网络虚拟化。

【相似文献】