课题研究内容

已有研究在解决多纤芯弹性光网络 RSCA 问题时，主要采用启发式算法，如用传统选路算法确定备选路径，再采用不同的频谱和纤芯分配策略降低阻塞率，减少串扰等，鲜有采用智能算法求解，而智能算法解决 RSCA 问题的性能要优于启发式算法。所以本文利用协同进化算法来解决静态业务的RSCA问题。

本文中，我们先介绍了弹性光网络概述及其发展，然后介绍了多芯弹性光网络及其对应的路由频谱纤芯分配（RSCA）问题的相关理论和研究现状，接着分别在不考虑纤芯间串扰和考虑纤芯间串扰的情况下，建立了最小化网络阻塞率的多芯弹性光网络资源优化模型，并针对该模型应用协同进化算法求得目标的解。在该算法中先产生路由种群和纤芯种群，两个种群中染色体的基因分别表示一个连接请求所选择的路由和纤芯，两个种群独立进行交叉、变异和选择操作，在频隙分配阶段采用首次命中(First Fit, FF)策略，再计算适应度值，最后经过一次次的迭代，搜索到近似最优解，即对应RSCA问题的最优解或满意解。最后通过在CHNNET网络和NSFNET网络中进行仿真并与启发式算法对比分析，验证了协同进化算法的正确性与有效性。

本课题的研究方法

1.建立一种最小化网络阻塞率的多芯弹性光网络资源优化模型

针对所建模型利用协同进化算法求解并进行仿真。

本文中，我们先介绍了弹性光网络概述及其发展，然后介绍了多芯弹性光网络及其对应的路由频谱纤芯分配（RSCA）问题的相关理论和研究现状，接着分别在不考虑纤芯间串扰和考虑纤芯间串扰的情况下，建立了最小化网络阻塞率的多芯弹性光网络资源优化模型，针对该模型利用协同进化算法搜索出RSCA问题的最优解。最后通过在CHNNET网络和NSFNET网络中进行仿真并与启发式算法对比分析，验证了协同进化算法的正确性与有效性。

研究内容及安排

为了满足日益增长的带宽需求，多芯弹性光网络是不可或缺的。这是由于其具有灵活的数据速率和频谱分配，低信号衰减，低信号失真，低功耗要求，低材料使用，小空间要求和低成本等众多理想特性。本文的研究内容主要包括：

(1) 弹性光网络简介和网络架构；

(2) 多芯光纤弹性光网络简介及网络架构；

(3) RSCA(Routing, Spectrum and Core Allocation)问题概述及研究现状

(4) 针对静态业务下的多芯光纤弹性光网络RSCA问题，在资源有限情况下建立最小化网络阻塞率的优化模型，应用协同进化算法来实现问题的求解，并进行算法仿真和与启发式算法对比，验证了该算法在不同的网络场景下的性能。

本文共分为五个章节

第一章：绪论。首先简要介绍了光网络、WDM光网络和弹性光网络等相关理论，之后对多芯弹性光网络的发展与研究现状进行叙述，最后给出了本文的研究背景、主要研究内容和安排。

第二章：主要介绍了多芯光纤弹性光网络中路由频谱纤芯分配（RSCA）问题的理论基础，具体包括弹性光网络架构、多芯光纤、RSCA问题概述和研究现状以及一些启发式算法。

第三章：针对静态业务，在资源有限的情况下，分别建立不考虑纤芯间串扰和考虑纤芯间串扰的最小化多芯光纤弹性光网络阻塞率的资源优化模型。

第四章：利用协同进化算法来实现所建模型问题的求解。主要介绍了该算法的基本原理、核心要素和框架等。

第五章：在不同网络拓扑环境下，对协同进化算法进行仿真设计与实现，并将其结果与启发式算法做对比，验证了该算法的有效性。

最后对本文工作做总结并展望未来。