多层光网络规划软件系统设计及采用蚁群的业务量疏导算法的研究

多层光网络规划软件系统设计及采用蚁群的业务量疏导算法的研究

论文摘要

随着光网络的发展、业务量的爆炸性增长和高性能光网络设备的出现,智能光传送网成为下一代网必不可少的一部分。由于异构网络的大范围融合,光传送网朝着多层多域的方向演进。本文综合考虑了实际中SDH网络和技术的存在,并结合WDM光网络的发展趋势,研究了IP(MPLS)/SDH/WDM光网络中的动态业务量疏导问题,提出了一种采用蚁群算法的动态业务联合疏导与选路算法,为多层多域光网络规划提供了有效的解决方案,具有一定的理论意义和应用前景。本文根据多层多域光网络的发展与现状,总结了光网络规划的方法及其关键技术,并结合国家高新技术研究发展计划(863计划)重点项目“基于PCE的多层多域光网络关键技术研究与实验系统”,在课题组已有研究的基础上,首先通过VC++平台编程,设计并开发了多层多域业务联合疏导与选路软件,即解决业务联合疏导与选路问题的windows应用程序。其次,利用提出的采用蚁群的多层多域启发式算法,解决IP(MPLS)/SDH/WDM三层光网络中动态业务量疏导问题,本文提出的算法考虑了不同业务等级的情况,针对不同等级的业务采用不同的资源联合优化方案,整体上对资源进行联合优化。通过数学建模,将该问题转变成整数线性规划问题并利用数学规划软件CPLEX进行求解,通过对比分析仿真结果研究了算法的性能。最后,通过对已有研究成果的总结,提出了下一步的研究方向。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 多层光网络的发展与现状
  • 1.1.1 多层多域光网络概念的提出
  • 1.1.2 网络层次模型的演进
  • 1.2 本文研究背景及意义
  • 1.3 本文研究内容及安排
  • 第二章 多层多域光网络业务疏导与选路的基本原理
  • 2.1 多层多域光网络中动态路由和波长分配算法概述
  • 2.2 多层光网络的业务疏导问题
  • 2.2.1 流量工程与业务量疏导
  • 2.2.2 路由与波长分配算法研究现状
  • 2.3 光网络控制平面参考模型与选路策略
  • 2.4 蚁群算法
  • 2.4.1 蚁群算法的基本原理
  • 2.4.2 蚁群算法的特点
  • 2.4.3 多层多域光网络中蚁群算法的应用
  • 2.5 视化光网络业务疏导和选路软件
  • 第三章 多层多域光网络业务联合疏导与选路软件的设计及实现
  • 3.1 软件的总体功能
  • 3.2 软件的模块功能
  • 3.2.1 软件菜单设计及其功能
  • 3.2.2 软件输入模块功能
  • 3.2.3 软件仿真模块功能
  • 3.2.4 软件输出模块功能
  • 3.3 软件的编程实现及调测试
  • 3.4 软件的特色
  • 第四章 采用蚁群的多层多域光网络业务疏导和选路算法
  • 4.1 多层多域光网络的结构模型
  • 4.1.1 分层式的网络模型
  • 4.1.2 问题的分析与求解
  • 4.2 数学模型
  • 4.2.1 模型描述
  • 4.2.2 目标函数
  • 4.2.3 约束条件
  • 4.3 采用蚁群的多层多域光网络业务疏导和选路算法的实现
  • 4.3.1 系统框架的主要组成模块及功能
  • 4.3.2 资源联合优化机制
  • 4.4 集中式的蚁群路由算法的设计
  • 4.4.1 反馈前向路径移动概率
  • 4.4.2 信息素更新规则
  • 4.4.3 评优准则
  • 4.4.4 集中式蚁群选路算法实现步骤及流程
  • 4.5 分布式蚁群路由与波长分配算法的设计
  • 4.5.1 结点概率路由表更新策略
  • 4.5.2 业务选路与波长分配准则
  • 4.5.3 算法实现步骤及流程
  • 第五章 算法软件实现及性能评估
  • 5.1 算法软件的实现
  • 5.2 蚁群算法性能仿真
  • 5.2.1 集中式蚁群算法性能仿真与分析
  • 5.2.2 分布式蚁群算法性能仿真与分析
  • 5.2.3 蚁群算法因子设计对算法的影响
  • 5.3 采用蚁群的多层多域业务疏导算法的性能仿真
  • 5.3.1 多层多域光网络中算法性能分析
  • 5.3.2 软件输出仿真曲线
  • 5.4 数学规划软件仿真性能对比与分析
  • 5.5 结论
  • 结束语
  • 致谢
  • 参考文献
  • 作者在读期间研究成果
  • 相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等:算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)

    标签:;  ;  ;  ;  ;  

    多层光网络规划软件系统设计及采用蚁群的业务量疏导算法的研究
    下载Doc文档

    猜你喜欢