一、智能光网络路由模型（论文文献综述）
朱恩黎[1]（2017）在《智能光网络的自组织临界性研究》文中提出近年来,随着ASON、OTN等智能光端设备的广泛推广使用,光网络的智能化程度越来越高,节点数量和节点容量越来越大,导致其物理拓扑结构和逻辑拓扑结构变得越来越复杂。具有动态灵活调度和自愈保护恢复等优势的智能光网络经过长期运营和运维,必然带来其拓扑结构与带宽分配之间逐步不匹配、节点链路之间容量分配逐步不均衡的后果,网络容量也越来越不能满足用户需求。这种用户带宽需求不断增长与光网络规模不断扩大的二者之间的长期相互作用,最终可能导致光网络系统进入自组织临界状态。当系统到达自组织临界状态,即使外界的一点微小的扰动都有可能引起系统发生系列的事件,也就是说,在临界状态下,系统有较大的概率发生大规模连锁故障导致网络局部或大面积的拥塞崩溃,所以,要尽量避免系统处于临界状态。本文针对智能光网络的路由自动保护恢复这一自组织特性,基于光网络IP客户层的质量评估,对智能光网络的自组织临界现象进行深入研究。完成的主要研究工作及创新性成果如下:（1）深入研究了复杂系统的自组织临界性理论,分析了智能光网络的复杂网络特性,研究表明光网络具有耗散结构。（2）以某实际智能光网络为原型,对该网络拓扑进行建模,按照复杂网络的相关理论计算其基本特征参数。结果表明该实际光网络的拓扑结构演化具有复杂网络的特征:生成与实际网络具有相同节点个数和平均度的随机网络,对比可得,该实际网络相比于随机网络具有较大的平均路径长度和大得多的聚类系数,符合小世界特性;其节点度分布符合幂律分布,具有无标度特性。（3）按照沙堆模型的演化规则,基于光网络IP客户层的质量作为“崩塌”评估条件,建立了智能光网络自组织临界性模型;通过研究智能光网络的动态演化行为,设计并优化了模型参数;按照模型设计了计算机算法,求解整个网络负载的临界点。（4）按照所建立的自组织临界性模型进行仿真计算。结果表明:一是智能光网络确实存在自组织临界状态,有发生大规模连锁故障的概率;二是通过算法计算出本文所研究的这一智能光网络负载的临界值;三是分析了网络临界负载与网络中所有节点对之间介数平均值之间的定量关系。实验中发现,本文所研究的智能光网络是具有自组织临界性的,并且当该网络负载达到71%时,网络进入了临界状态,此时若有一个节点因为内部或外部原因再发生负载切换,由于智能光网络自动保护恢复机制的作用,会使智能光网络的客户层业务发生大面积拥塞而导致瘫痪,从而大幅降低智能光网络的保障能力,再对其临界负载与节点介数之间的关系进行分析可得:当网络中数据包到达率一定时,介数平均值越大、节点之间连接越复杂的网络临界负载越小,而在介数平均值相同的智能光网络中,对于数据包到达率大的网络,其临界负载值相对较小。
黄斌[2]（2016）在《智能光网络及其关键技术研究》文中提出近年来,人们对信息的需求与日俱增,然而传统光网络也伴随着科技的发展显现出数据业务带宽分配不灵活与传送效率低等弱点。作为一种更加安全、高速、且高效地支持大容量数据业务的新型网络—智能光网络便应运而生。以智能光网络为切入点,分析其关键技术,并在此基础上研究了智能光网络技术的应用前景,探讨了智能光网络技术的不足之处,最后展望了今后重点研究的方向。
蔡伟红[3]（2015）在《基于波长分层图的区分业务感知RWA的设计与仿真实现》文中研究表明通信技术的不断发展使得智能光网络应运而生。智能光网络通过将分布式网管和控制平面系统有机地结合在一起,能感知用户业务的网络要求,并能按需直接地从光层提供业务。网络阻塞率的高低是衡量网络性能的一个非常重要的指标,如何最大程度地减少智能光网络的阻塞率,并保障对网络中的业务实现差异化服务是需要研究的核心问题之一。本文针对智能光网络中基于波长分层图模型的区分业务问题进行深入研究。首先,采用波长分层图模型为网络中的业务进行路由选择和波长分配,并在分层图的基础上引入动态权值策略,即把链路权值拆分为关键度权值和负载度权值两部分,使改进算法在为网络中的业务分配路径时能够更加合理。其次,为了对网络中的业务进行差异化的服务,本文在基于波长分层图的基础上加入波长层分组策略,设计了基于波长分层图的区分业务路由与波长分配算法。通过将网络中的波长层资源按1:1:1的比例进行分组,分别对应着网络中的高、中、低3个等级的业务,并设定高优先级的业务可以租借低优先级业务所对应的未使用的资源。相比无波长层分组策略的路由算法,波长层分组策略能在形成对网络中的业务实现差异化服务的同时保障高优先级业务的阻塞性能。再次,为了保证高优先级业务具有相对较低阻塞率的同时能降低低优先级业务的阻塞率,本文将波长缓存策略和波长层分组策略相结合,设计了基于波长缓存和波长层分组策略的区分业务路由与波长分配算法。通过在低负载区域对一部分资源进行预留,在高负载区域将其释放,实现在提升网络资源利用率的同时改善网络阻塞性能。论文最后对设计的3种路由和波长分配算法进行了仿真实现,目的对它们的性能进行了对比分析。仿真结果表明:基于负载均衡的波长分层图RWA算法能够有效地降低网络阻塞率,比已有的D+FF算法的阻塞率降低大约12%;基于波长层分组策略的路由算法比无波长层分组策略的RWA算法降低高优先级业务阻塞率约为4%;相比于基于波长层分组策略的RWA算法,基于波长层分组和波长缓存策略的RWA算法可以降低网络中高优先级业务阻塞率,高优先级业务阻塞率降低了约5%,改善了网络性能。
郭磊[4]（2015）在《ION中基于波长轮换的密集型业务拥塞控制研究》文中研究说明随着IP业务的迅猛增长,如何对智能光网络进行更合理的管控和更灵活的资源分配来使之高效承载IP业务成为需要考虑的关键问题。本文针对密集型业务讨论智能光网络拥塞控制问题,并研究如何通过合理的控制达到最小化网络阻塞率同时最大化网络资源利用率的目的。本文通过对智能光网络中支持多业务的拥塞控制问题进行研究,分析大量、密集型业务网络环境对阻塞率的影响,展开了一些设计工作。首先,针对密集型业务在分布式智能光网络中易产生资源冲突而使波长资源重复被使用的问题,本文基于波长轮换策略通过在路由总权重中引入波长开销值Cλ,设计了 DWA算法;然后,对于传统波长路由对密集型业务的时间复杂度较大且链路资源易集中过载的问题,本文通过定义关键链路并在路由总权重中带入路由影响因子β,设计了基于波长轮换的链路预测算法LPWA;最后,针对密集型业务网络的空间分布不均匀造成的资源利用不充分问题,本文结合软抢占策略,通过进一步对已阻塞业务进行拥塞定位和重路由,设计了基于波长轮换的链路预测软抢占算法LPSPWA。旨在保护已有业务传输质量,并在被抢占业务找到其他路径的基础上释放该业务的资源给高优先级业务使用。最后论文对设计的上述算法进行了仿真实验,并对不同方案进行性能分析。仿真结果显示:波长轮换策略有效避免了密集型业务网络的资源冲突,与不加策略和自适应动态优化算法相比,阻塞率降低约25%,资源利用率提高近20%,且对于非密集型业务表现的性能更好;LPWA算法通过同时调整路由影响因子β和波长开销值Cλ,使链路负载均值提高了近8%,其资源利用率和阻塞率相比于自适应动态优化算法更优;加入的软抢占策略的LPSPWA算法对网络性能的贡献平均提升约10%,从而进一步优化网络资源分配,提升拥塞控制性能。
马新新[5]（2014）在《智能光网络中新模型下波长缓存拥塞控制问题研究》文中研究表明由于数据业务的爆炸式增长而倍增的带宽需求以及WDM技术带来的新型的光带宽资源的复用,智能光网络应运而生并得到飞速发展。网络阻塞率的高低是衡量网络性能的一个非常重要的指标,如何最大程度地减少智能光网络的阻塞率,提高网络的资源利用率是研究智能光网络的核心问题之一。部分稀疏有限范围波长变换网络模型能够降低网络的阻塞率,同时最小化网络的代价。本文主要研究智能光网络中基于部分稀疏有限范围波长变换网络模型的拥塞控制问题并提出了一些创新性的设计。智能光网络拥塞产生的原因可以分为有限的波长资源、波长连续性限制和链路的级联效应三大类。首先,为了消除网络的波长连续性限制,在波长转换代价和网络阻塞率之间取得折中,论文设计了基于部分稀疏有限范围波长变换网络模型的波长变换器配置算法；其次,为了降低网络的时间不均衡性,论文在基于部分稀疏有限范围波长变换网络模型的波长变换器配置算法的基础上加入波长缓存策略,设计了基于波长缓存的拥塞控制路由算法。同时设计了阻塞率分解法解决波长缓存策略中的计算网络阻塞率关键问题。再次,为了解决网络拓扑与业务传输请求的空间分布不均衡而造成网络资源的不充分利用,论文将波长缓存策略与软抢占策略相结合,设计了基于波长缓存和软抢占策略的拥塞控制路由算法,并通过负载加权法和交换路由法分别解决了软抢占策略中的拥塞定位和重路由计算两大关键问题。该算法更好地保护已有业务的服务质量,当且仅当被抢占业务找到新路径进行传输时,才会中断该业务传输请求并释放其资源给新的业务使用。论文最后对设计的三种拥塞控制算法进行了仿真实现,对不同选路方案的性能进行了对比分析。仿真结果表明：基于部分稀疏有限范围波长变换网络模型的波长变换器的配置算法可以在很大程度上提高网络性能改善度,较之基于稀疏部分波长变换网络模型的波长变换器配置算法网络性能改善度提高了大约20%；基于波长缓存的拥塞控制路由算法以及基于波长缓存和软抢占的拥塞控制路由算法都可以有效减少网络阻塞率,提高网络资源利用率,较之没有波长缓存策略和软抢占的拥塞控制算法,网络阻塞率分别降低了13%和10%。
杨婷婷[6]（2013）在《基于软抢占智能光网络拥塞控制路由算法研究》文中进行了进一步梳理随着光纤技术的飞速发展,智能光网络得到了广泛的应用。智能光网络对于提高光网络的灵活性、扩展性以及服务质量起到了很大的帮助。但现今针对智能光网络拥塞控制方面的研究还很少,智能光网络中的资源得不到有效利用,如何最大程度的减少网络阻塞,提高资源的利用率是研究智能光网络的核心问题之一。本文针对智能光网络中的拥塞控制问题进行了深入研究。首先,论文改进了动态链路权值的计算公式,把链路权值拆分为关键度权值和负载度权值两部分,并在计算负载度权值时加入了链路延迟率这个因素,使算法在为业务分配路径时更加合理。在此基础上,结合了业务量分担策略,设计了改进的基于动态权值的业务量分担算法。其次,由于在智能光网络中,造成拥塞的原因之一就是网络资源得不到充分的利用,而造成网络资源不能充分利用的原因就是网络拓扑与业务传输请求的空间分布不均衡,针对这个特点,论文在改进的基于动态权值的业务量分担算法的基础上加入软抢占策略,设计了基于软抢占的拥塞控制路由算法,并通过负载加权法和交换路由法分别解决了软抢占策略中的拥塞定位和重路由计算两大关键问题。相比硬抢占,软抢占策略可以更好地保护已有业务传输业务的服务质量,当且仅当被抢占业务请求找到新路径进行传输时,才会中断该业务传输请求并释放其资源给新的业务使用。再次,由于波长连续性约束是造成智能光网络阻塞率升高的一个非常重要的原因,为进一步降低网络阻塞率,提高网络资源利用率,论文把软抢占策略与波长变换技术相结合,设计了基于软抢占和波长变换的拥塞控制路由算法,旨在消除由于光通道中的波长冲突而造成的拥塞问题,提高网络的灵活性。最后,对论文设计的三种拥塞控制路由算法进行了仿真实现,并对不同选路方案的性能进行了对比分析。仿真结果表明：改进的动态链路权值计算公式可以有效地减少网络端到端时延,比改进前降低大约15%；改进的基于动态权值的业务量分担算法、基于软抢占的拥塞控制路由算法,以及基于软抢占和波长变换的拥塞控制路由算法都可以有效地减少网络阻塞率,并且提高网络资源的利用率,特别是在重载情况下,使网络阻塞率分别降低了8%、11%和13%。
张连成[7]（2013）在《PCE与多层多域智能光网络路由技术研究》文中研究表明在GMPLS/ASON多层多域智能光网络中,流量工程（Traffic Engineering, TE）的引入有效地提高了网络中资源的利用率。在单域网络中,链路的可达性信息和波长可用性信息通过路由协议（如OSPF-TE等）进行广播扩散,因此可以很容易通过本地的源节点或远端的PCE实现标签交换路径（Label Switched Path, LSP）的计算。在多域网络中,由于可扩展性等因素,路由协议仅仅交换了路径的可达性信息,而没有波长等其他TE信息,导致域间最佳标签交换路径的计算无法有效地通过基于流量工程的手段实现,从而影响整个网络的性能。在资源信息扩散受到制约的场景中,基于PCE架构的网络很好地解决了这个问题。在多域网络中,每个域内都有一个单独的PCE负责该域的路径计算,域间路径的计算则通过多个PCE之间的协调通信过程来实现。但是,采用这种方案有一个很重要的前提,就是需要事先知道标签交换路径所经过的域序列。在复杂的多域网络中,域序列的选择会对整个网络的性能产生重要的影响。在基于层次PCE架构的网络中,多PCE间存在父子层级关系。父PCE用来处理域间路径的计算,而每个域内的本地子PCE用来处理本域内的路径计算。父PCE通过域间链路的连接信息和波长信息,可以确定域路径序列。同时,为了高效地计算域间路径,父PCE可以要求子PCE计算其所在域中端到端的路径,完成整个域间路径中的片段。因此,层次PCE很好地解决了如何确定域序列的问题。论文对PCE在多层多域智能光网络中路由技术的应用进行了研究,主要内容和相关研究与设计开发工作包括：（1）对PCE相关技术进行了研究,在广泛调研和重点研究基础上,设计和开发了完整的、标准的、灵活的PCEP协议库。在该协议库基础上,设计开发了PCC和PCE,实现了常见的约束路径计算算法,并将PCE融入到原仿真试验平台,完成了平台向基于PCE架构的演进。（2）对层次PCE在智能光网络中路由方面的应用进行了研究,在分析建路过程基础上,从PCE的位置分布对建路过程中通信代价的影响入手,引出PCE位置规划问题。在深入研究基于层次PCE的建路过程的基础上,建立了综合通信代价的数学模型。（3）对粒子群优化进行了研究,结合所建立的层次PCE网络中建路过程综合通信代价的数学模型,提出了一种基于离散量子粒子群优化的PCE位置规划方法,并通过仿真验证了该方法对建路延迟和阻塞率的改善效果。（4）研究分析了GMPLS/ASON控制平面相关协议标准,并参与了“多层多域智能光网络仿真试验平台”的设计开发,完成了平台的虚拟化网络试验环境设计与搭建,完成了连接控制器模块的设计开发。
王绪磊[8]（2012）在《智能光网络中路由选择算法的研究》文中研究表明智能光网络技术经历了短暂的时期却得到了高速的推广和发展,它代表了下一代光网络技术的发展方向。传统的光传送网络与ASON结合后,使得各项传统的传输网络技术均具备了智能的特性,能够对资源进行动态分配,高效恢复网络故障,从而满足了用户对于高质量网络的需求。在智能光网络的发展和建设中,网络的高生存性能,业务服务的多样化以及服务的质量已经成为当前的网络以及下一代智能光网络的发展和规划所要着重考虑的内容。路由选择和波长分配问题（即RWA问题）是其中的一个重点内容,也是下一代智能光网络的特征。本文对RWA问题进行了探讨。RWA问题是一个十分复杂的问题,一般情况下我们将RWA问题分为路由子问题以及波长子问题。本文主要工作如下:介绍了智能光网络的网络体系结构以及路由体系结构。讨论了智能光网络中的RWA问题,阐述了经典的最短路径路由选择算法。针对分层图模型的网络,提出一种改进的蚁群算法（L-ACA算法）。并在简单网络模型下将其与普通的ACA算法对比,证明L-ACA算法在降低网络阻塞率方面所具有的优越性。将L-ACA算法分别与简单网络模型和分层图模型相结合,得出对于小负载网络,采用分层图模型可以有效的降低网络阻塞率。最后对于具有波长转换能力的复杂的网络,用一种旋转图模型来表示,并将其与L-ACA算法相结合,进行仿真实现。然后与上面的两种模型下的仿真结果相对比,得出在多负载的复杂网络中,采用该模型能更有效的降低网络的阻塞率,达到优化网络的目的。证明了该模型在当今网络环境下是具有优势的。
王玉亭[9]（2012）在《智能光网络层域路由算法的研究》文中研究说明智能光网络是未来传输网的发展方向,其中路由技术则是智能光网络关键的支撑性技术。而为适应网络规模日益巨大的需求,实现分层分域的网络路由结构是势在必行的。所以,随着下一代智能光网络的日趋成熟,多层多域智能光网络的路由问题有着越发重要的研究意义。本论文采用的蚁群算法在本质上是并行计算,它把计算量分布在网络的各个节点上,因此能够克服基于集中控制架构的传统算法可扩展性差的缺点,更适用于多层多域光网络。本论文对基本蚁群算法进行了改进,并基于改进算法在光网络仿真平台上进行了智能光网络层域路由的仿真。主要工作如下：（1）针对基本蚁群算法收敛速度慢的缺点,提出了新的信息素更新机制,同时引入最大最小限制系统。通过仿真验证了改进的蚁群算法能够有效减少路由计算的时间,同时也提高了蚁群算法解的质量。（2）在深入研究智能光网络分层路由体系、分层路由实现技术、分层路由算法的基础上,对给定的网络拓扑进行抽象,得到分层的网络拓扑结构及逻辑结构。此外,从负载均衡、平衡网络资源的角度给出了网络的路由评价函数。（3）在基于NS2扩展的Owns仿真环境中,对基本蚁群算法路由协议进行修改,在原有协议架构上增添新功能如：信息素的全局更新、新的信息素更新机制以及引入最大最小限制系统。并将已实现的改进蚁群算法路由协议移植到NS2环境中,形成可运行的tcl脚本。最后在此基础上调用改进的蚁群算法路由协议对给定的智能光网络拓扑进行层域路由的仿真。仿真结果表明基于改进蚁群算法的智能光网络层域路由,可以在满足一定服务质量的前提下,降低网络阻塞率,加快路由计算时间,对下一代光网络路由技术具有较强的实际意义。
程希[10]（2012）在《智能光网络动态路由和波长分配算法的研究》文中进行了进一步梳理以自动交换光网络（ASON）为代表的智能光网络是下一代传送网的主要发展方向之一，路由与波长分配（RWA）是实现智能光网络的关键技术。动态RWA算法可以按照业务连接请求动态地建立光路，在源节点和目的节点之间计算和选择一条合理的路由并分配波长。论文采用理论分析和数值仿真等手段对智能光网络中动态RWA算法进行了研究。本文首先研究了智能光网络原理和关键技术，重点分析了静态和动态路由波长分配机制及其算法实现。在考虑了波长分配和网络负载均衡等条件下，提出了一种基于改进蚁群算法的光网络动态RWA算法——智慧蚂蚁动态波长路由（SA-DRWA）算法。算法在蚁群系统的转移概率中增加了链路的空闲率作为约束条件，并引入随机扰动防止搜索过早收敛于局部最优路径，理论分析表明，SA-DRWA算法可以有效地实现光网络中的负载均衡。SA-DRWA算法不仅可以解决智能光网络中的动态RWA问题，而且还可以处理网络中波长转换器的配置问题。论文设计并搭建了光网络仿真平台并对SA-DRWA算法进行了仿真试验和性能分析。对不同网络拓扑中算法性能进行了仿真研究，结果表明：SA-DRWA算法比传统Dijkstra+FF算法在阻塞率及资源利用率等方面有明显改进，在规则MESH型网络中可以获得最佳的改善。在特定节点加入波长转换器，网络的阻塞率有明显降低，当网络处于中等负荷时，可以获得最好的网络阻塞率性能改善。
二、智能光网络路由模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、智能光网络路由模型（论文提纲范文）
（1）智能光网络的自组织临界性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 论文选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 复杂网络理论 |
| 1.2.1 复杂网络简介 |
| 1.2.2 复杂网络的特征参数 |
| 1.2.3 复杂网络拓扑模型 |
| 1.3 复杂网络的研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容及技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 论文结构安排及技术路线 |
| 第二章 智能光网络的复杂网络特性实证研究 |
| 2.1 自组织临界性概述 |
| 2.1.1 耗散结构 |
| 2.1.2 自组织 |
| 2.1.3 临界态 |
| 2.1.4 自组织临界性 |
| 2.2 智能光网络的耗散结构 |
| 2.2.1 智能光网络具有开放性 |
| 2.2.2 智能光网络运维一定时间会远离平衡态 |
| 2.2.3 智能光网络内部发生非线性相互作用 |
| 2.2.4 智能光网络发生涨落现象 |
| 2.3 智能光网络的复杂网络特性实证研究 |
| 2.3.1 建模步骤 |
| 2.3.2 仿真分析 |
| 2.4 本章小结 |
| 第三章 基于沙堆模型的智能光网络自组织临界模型 |
| 3.1 沙堆模型 |
| 3.1.1 沙堆模型试验 |
| 3.1.2 沙堆模型演化规则 |
| 3.1.3 沙堆模型在智能光网络上应用的适用性分析 |
| 3.2 模型建立 |
| 3.2.1 参数映射 |
| 3.2.2 演化规则分析 |
| 3.2.3 参数分析 |
| 3.3 算法设计 |
| 3.3.1 Dijsktra最短路径算法 |
| 3.3.2 计算节点介数 |
| 3.3.3 沙堆模型的具体演化过程 |
| 3.4 本章小结 |
| 第四章 光网络临界性的仿真实验 |
| 4.1 详细设计 |
| 4.1.1 功能函数 |
| 4.1.2 参数设置 |
| 4.2 仿真图及结果分析 |
| 4.2.1 绘制智能光网络拓扑图 |
| 4.2.2 计算网络中每个节点的介数 |
| 4.2.3 基于沙堆模型的演化过程 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（2）智能光网络及其关键技术研究（论文提纲范文）
| 1 智能光网络简介 |
| 2 智能光网络的关键技术 |
| 2.1 路由选择技术 |
| 2.1.1 Qo S路由 |
| 2.1.2 基于约束(Constrain)的路由 |
| 2.1.3 GMPLS路由技术 |
| 2.2 波长分配技术 |
| 2.3 传送技术 |
| 3 智能光网络技术的应用前景 |
| 4 智能光网络技术的瓶颈 |
| 5 展望 |
（3）基于波长分层图的区分业务感知RWA的设计与仿真实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外相关技术研究发展现况 |
| 1.3 本文的主要工作及章节安排 |
| 第2章 智能光网络路由与波长分配 |
| 2.1 智能光网络 |
| 2.1.1 智能光网络特点 |
| 2.1.2 智能光网络体系结构 |
| 2.2 路由与波长分配 |
| 2.2.1 路由子问题 |
| 2.2.2 波长子问题 |
| 2.3 负载均衡技术 |
| 2.3.1 负载均衡技术核心思想 |
| 2.3.2 负载均衡技术基本方法 |
| 2.4 动态权值策略 |
| 2.4.1 动态权值策略核心思想 |
| 2.4.2 常见动态权值算法 |
| 2.5 本章小结 |
| 第3章 基于负载均衡的波长分层图RWA算法设计 |
| 3.1 基于负载均衡的波长分层图数学模型 |
| 3.1.1 参数定义 |
| 3.1.2 业务请求描述 |
| 3.2 波长分层图 |
| 3.2.1 智能光网络的波长连续性限制 |
| 3.2.2 设计思想 |
| 3.2.3 波长分层图模型 |
| 3.3 动态权值公式设计 |
| 3.3.1 设计思想 |
| 3.3.2 计算公式 |
| 3.4 基于负载均衡的波长分层图算法设计 |
| 3.4.1 LBWL算法设计思想 |
| 3.4.2 LBWL算法运算规则 |
| 3.4.3 LBWL算法基本流程 |
| 3.5 本章小结 |
| 第4章 基于波长分层图的区分业务感知RWA算法设计 |
| 4.1 基于波长分层图区分业务感知的RWA算法模型 |
| 4.1.1 参数定义 |
| 4.1.2 业务请求描述 |
| 4.2 LWG区分业务感知的RWA算法设计 |
| 4.2.1 区分业务思想 |
| 4.2.2 波长层分组策略设计 |
| 4.2.3 LWG算法设计思想 |
| 4.2.4 LWG算法基本流程 |
| 4.3 LWGB区分业务感知的RWA算法设计 |
| 4.3.1 智能光网络的业务分布不均衡性 |
| 4.3.2 波长缓存策略设计 |
| 4.3.3 波长缓存区的优化配置 |
| 4.3.4 开启波长缓存区条件 |
| 4.3.5 LWGB算法设计思想 |
| 4.3.6 LWGB算法基本流程 |
| 4.4 本章小结 |
| 第5章 仿真实现与性能分析 |
| 5.1 仿真总体框架 |
| 5.2 仿真模型 |
| 5.2.1 网络模型 |
| 5.2.2 业务模型 |
| 5.3 实验方案与仿真实现 |
| 5.3.1 LBWL算法实验方案与仿真实现 |
| 5.3.2 LWG算法实验方案与仿真实现 |
| 5.3.3 LWGB算法实验方案与仿真实现 |
| 5.4 性能评价指标 |
| 5.5 性能分析及结论 |
| 5.5.1 LBWL算法性能分析 |
| 5.5.2 LWG算法性能分析 |
| 5.5.3 LWGB算法性能分析 |
| 5.6 本章小结 |
| 第6章 结束语 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 研究生期间发表论文情况 |
（4）ION中基于波长轮换的密集型业务拥塞控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外相关领域研究现状 |
| 1.3 本文的主要工作及章节安排 |
| 第2章 智能光网络及其拥塞控制技术 |
| 2.1 智能光网络 |
| 2.1.1 ION的发展及体系结构 |
| 2.1.2 ION的集中式控制与分布式控制 |
| 2.2 分布式智能光网络的拥塞控制技术 |
| 2.2.1 IP网络拥塞控制技术 |
| 2.2.2 分布式ION拥塞控制技术 |
| 2.3 本章小结 |
| 第3章 智能光网络的拥塞控制研究 |
| 3.1 智能光网络中支持多业务的拥塞控制 |
| 3.1.1 ION中支持多业务的拥塞控制技术 |
| 3.1.2 分布式ION中密集型业务对阻塞率的影响 |
| 3.2 智能光网络中密集型业务的拥塞控制中存在的问题 |
| 3.2.1 分布式ION中密集型业务的资源冲突 |
| 3.2.2 传统的路由波长分配对密集型业务的局限 |
| 3.2.3 密集型业务的空间分布不均衡性 |
| 3.3 本章小结 |
| 第4章 基于波长轮换的链路预测软抢占算法设计 |
| 4.1 基于波长轮换的链路预测软抢占算法数学模型 |
| 4.1.1 算法变量定义 |
| 4.1.2 密集型业务请求描述 |
| 4.2 支持密集型业务的拥塞控制算法 |
| 4.2.1 波长轮换策略 |
| 4.2.2 D_WA算法的设计思想 |
| 4.2.3 D_WA算法的基本流程 |
| 4.3 基于波长轮换的链路预测算法设计 |
| 4.3.1 密集型业务网络中关键链路的判别 |
| 4.3.2 LP_WA算法的设计思想 |
| 4.3.3 LP_WA算法的设计流程 |
| 4.4 基于波长轮换的链路预测软抢占算法设计 |
| 4.4.1 软抢占策略设计 |
| 4.4.2 LPSP_WA算法设计思想 |
| 4.4.3 LPSP_WA算法的关键技术 |
| 4.4.4 LPSP_WA算法的设计流程 |
| 4.5 D_WA算法、LP_WA算法和LPSP_WA算法分析 |
| 4.6 本章小结 |
| 第5章 仿真实现与性能分析 |
| 5.1 仿真总体框架 |
| 5.2 仿真模型 |
| 5.2.1 网络模型 |
| 5.2.2 业务模型 |
| 5.3 仿真方案设计与实现 |
| 5.3.1 D_WA算法的仿真设计与实现 |
| 5.3.2 LP_WA算法的仿真设计与实现 |
| 5.3.3 LPSP_WA算法的仿真设计与实现 |
| 5.4 仿真性能指标 |
| 5.5 仿真性能分析 |
| 5.5.1 D_WA算法性能分析 |
| 5.5.2 LP_ WA算法性能分析 |
| 5.5.3 LPSP_WA算法性能分析 |
| 5.6 本章小结 |
| 第6章 结束语 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 研究生期间发表论文情况 |
（5）智能光网络中新模型下波长缓存拥塞控制问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作及内容安排 |
| 第2章 智能光网络拥塞控制技术研究 |
| 2.1 智能光网络 |
| 2.1.1 智能光网络特点 |
| 2.1.2 智能光网络体系结构 |
| 2.2 拥塞控制技术 |
| 2.2.1 IP网络拥塞控制技术 |
| 2.2.2 智能光网络拥塞控制技术 |
| 2.3 本章小结 |
| 第3章 基于新模型波长变换器配置算法设计 |
| 3.1 基于PSL网络模型的波长变换器配置算法数学模型 |
| 3.1.1 参数定义 |
| 3.1.2 业务请求描述 |
| 3.2 PCPL拥塞控制算法设计 |
| 3.2.1 智能光网络的波长连续性限制 |
| 3.2.2 波长变换技术 |
| 3.2.3 PCPL算法基本思想 |
| 3.2.4 PCPL算法关键技术 |
| 3.2.5 PCPL算法设计流程 |
| 3.3 本章小结 |
| 第4章 基于新模型波长缓存拥塞控制路由算法设计 |
| 4.1 基于新模型波长缓存拥塞控制路由算法数学模型 |
| 4.1.1 参数定义 |
| 4.1.2 业务请求描述 |
| 4.2 PCPL WB拥塞控制路由算法设计 |
| 4.2.1 智能光网络的时间不均衡性 |
| 4.2.2 波长缓存策略设计 |
| 4.2.3 波长缓存区的优化配置 |
| 4.2.4 开启波长缓存区 |
| 4.2.5 PCPL_WB算法基本思想 |
| 4.2.6 PCPL_WB算法设计流程 |
| 4.3 PCPL_WBSP拥塞控制路由算法设计 |
| 4.3.1 智能光网络的空间不均衡性 |
| 4.3.2 软抢占策略设计 |
| 4.3.3 PCPL_WBSP算法基本思想 |
| 4.3.4 PCPL_WBSP算法关键技术 |
| 4.3.5 PCPL_WBSP算法设计流程 |
| 4.4 本章小结 |
| 第5章 仿真实现与性能分析 |
| 5.1 仿真总体框架 |
| 5.2 仿真模型 |
| 5.2.1 网络模型 |
| 5.2.2 业务模型 |
| 5.3 仿真实现 |
| 5.3.1 PCPL算法仿真实现 |
| 5.3.2 PCPL_WB算法仿真实现 |
| 5.3.3 PCPL_WBSP算法仿真实现 |
| 5.4 仿真性能指标 |
| 5.5 仿真性能及分析 |
| 5.5.1 PCPL算法性能分析 |
| 5.5.2 PCPL_WB算法性能分析 |
| 5.5.3 PCPL_WBSP算法性能分析 |
| 5.5.4 算法稳定性分析 |
| 5.6 本章小结 |
| 第6章 结束语 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 研究生期间发表论文情况 |
（6）基于软抢占智能光网络拥塞控制路由算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究概况 |
| 1.3 本文的主要工作及内容安排 |
| 第2章 智能光网络拥塞控制技术研究 |
| 2.1 智能光网络 |
| 2.1.1 智能光网络发展 |
| 2.1.2 智能光网络体系结构 |
| 2.2 拥塞控制技术 |
| 2.2.1 ID网络拥塞控制技术 |
| 2.2.2 智能光网络拥塞控制技术 |
| 2.3 负载均衡技术 |
| 2.3.1 负载均衡技术核心思想 |
| 2.3.2 负载均衡技术基本方法 |
| 2.4 动态权值策略 |
| 2.4.1 动态权值策略核心思想 |
| 2.4.2 常见动态权值算法 |
| 2.5 本章小结 |
| 第3章 改进的基于动态权值业务量分担算法设计 |
| 3.1 改进的基于动态权值业务量分担算法数学模型 |
| 3.1.1 参数定义 |
| 3.1.2 业务请求描述 |
| 3.2 动态权值公式设计 |
| 3.2.1 设计思想 |
| 3.2.2 计算公式 |
| 3.3 业务量分担策略设计 |
| 3.3.1 业务量聚合 |
| 3.3.2 业务量分担 |
| 3.4 改进的基于动态权值业务量分担算法设计 |
| 3.4.1 N_DWTB算法设计思想 |
| 3.4.2 N_DWTB算法运算规则 |
| 3.4.3 N_DWTB算法基本流程 |
| 3.5 本章小结 |
| 第4章 基于软抢占拥塞控制路由算法设计 |
| 4.1 基于软抢占拥塞控制路由算法数学模型 |
| 4.1.1 参数定义 |
| 4.1.2 业务请求描述 |
| 4.2 DWTB_SP拥塞控制路由算法设计 |
| 4.2.1 软抢占策略设计 |
| 4.2.2 DWTB_SP算法设计思想 |
| 4.2.3 DWTN_SP算法关键技术 |
| 4.2.4 DWTB_SP算法基本流程 |
| 4.3 DWTB_SPWC拥塞控制路由算法设计 |
| 4.3.1 波长变换技术设计 |
| 4.3.2 DWTB_SPWC算法设计思想 |
| 4.3.3 DWTB_SPWC算法关键技术 |
| 4.3.4 DWTB_SPWC算法辅助图构建 |
| 4.3.5 DWTB_SPWC算法基本流程 |
| 4.4 本章小结 |
| 第5章 仿真实现与性能分析 |
| 5.1 仿真总体框架 |
| 5.2 仿真模型 |
| 5.2.1 网络模型 |
| 5.2.2 业务模型 |
| 5.3 仿真实现 |
| 5.3.1 N_DWTB算法仿真实现 |
| 5.3.2 DWTB_SP算法仿真实现 |
| 5.3.3 DWTB_SPWC算法仿真实现 |
| 5.4 性能评价指标 |
| 5.5 性能分析及结论 |
| 5.5.1 N_DWTB算法性能分析 |
| 5.5.2 DWTB_SP算法性能分析 |
| 5.5.3 DWTB_SPWC算法性能分析 |
| 5.6 本章小结 |
| 第6章 结束语 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 研究生期间发表论文情况 |
（7）PCE与多层多域智能光网络路由技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.1.1 光网络发展综述 |
| 1.1.2 光网络未来发展趋势 |
| 1.1.3 基于PCE的光网络发展和研究现状 |
| 1.2 论文结构与主要工作 |
| 1.2.1 论文结构 |
| 1.2.2 主要工作 |
| 1.3 本章小结 |
| 第二章 PCE在多层多域光网络中的应用 |
| 2.1 PCE的应用场景 |
| 2.2 基于PCE的网络架构 |
| 2.3 PCE通信协议(PCEP) |
| 2.4 基于PCE的多域路由计算方案 |
| 2.4.1 逐域路由计算方式(Per-Domain) |
| 2.4.2 基于PCE的后向回溯路径计算过程(BRPC) |
| 2.5 基于层次PCE的多域路由计算方案 |
| 2.6 本章小结 |
| 第三章 PCEP协议库和PCC/PCE的设计与实现 |
| 3.1 PCEP协议库的设计与实现 |
| 3.1.1 协议库总体设计 |
| 3.1.2 协议库主要接口设计 |
| 3.1.3 主要对象的设计实现 |
| 3.1.4 协议消息报设计实现 |
| 3.2 PCC/PCE的设计与实现 |
| 3.2.1 总体设计 |
| 3.2.2 有限状态机和状态转移 |
| 3.2.3 路径计算交互流程 |
| 3.3 本章小结 |
| 第四章 层次PCE网络中PCE位置规划问题研究 |
| 4.1 层次PCE架构下MPLS/GMPLS网络中建路过程 |
| 4.1.1 基于层次PCE的网络架构 |
| 4.1.2 路径建立过程 |
| 4.2 PCE位置与综合通信代价模型 |
| 4.2.1 符号定义 |
| 4.2.2 假设条件 |
| 4.2.3 数学模型 |
| 4.3 基于离散量子粒子群优化的PCE位置规划方法 |
| 4.3.1 基于离散量子粒子群优化的方案设计 |
| 4.3.2 PCE位置规划方法描述 |
| 4.4 仿真和分析 |
| 4.4.1 网络拓扑 |
| 4.4.2 仿真参数配置 |
| 4.4.3 仿真结果 |
| 4.5 本章小结 |
| 第五章 论文总结与展望 |
| 5.1 论文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（8）智能光网络中路由选择算法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 光通信网络概述 |
| 1.1.1 电信行业的发展 |
| 1.1.2 光纤技术的进步与光纤通信系统发展 |
| 1.1.3 光网络的发展历程 |
| 1.2 传统光传送网的智能化 |
| 1.2.1 光波分复用（WDM）技术 |
| 1.2.2 智能光网络总体架构与标准化 |
| 1.2.3 ASON 的特点 |
| 1.3 本论文的主要内容与结构 |
| 第二章 智能光网络的体系结构 |
| 2.1 ASON 的分层结构 |
| 2.1.1 ASON 的三个平面及其分层组织结构 |
| 2.1.2 ASON 的三种不同的接口 |
| 2.1.3 ASON 的网络结构特点 |
| 2.1.4 ASON 的栅格网络 |
| 2.2 ASON 中三种不同的链接方式 |
| 2.2.1 永久链接 |
| 2.2.2 交换链接 |
| 2.2.3 软永久交换链接 |
| 2.3 ASON 的控制平面技术与结构特点 |
| 2.3.1 控制平面结构 |
| 2.3.2 控制平面技术 |
| 第三章 ASON 网络的路由技术 |
| 3.1 IP 路由和光网络路由的差别 |
| 3.2 ASON 路由体系结构 |
| 3.2.1 路由的功能原件 |
| 3.2.2 ASON 的等级路由体系结构 |
| 3.2.3 ASON 的路由协议种类 |
| 3.3 ASON 的路由功能 |
| 3.4 OSPF 路由协议简介 |
| 3.4.1 OSPF 域 |
| 3.4.2 链路状态通告LSA |
| 第四章 路由算法以及网络模型设计 |
| 4.1 RWA 问题 |
| 4.1.1 静态RWA 问题 |
| 4.1.2 动态RWA 问题 |
| 4.2 DIJKSTRA 算法 |
| 4.3 一种基于分层图模型的改进的蚁群算法 |
| 4.3.1 蚁群算法 |
| 4.3.2 分层图模型 |
| 4.3.3 L-ACA 算法的描述 |
| 4.3.4 仿真结果与分析 |
| 4.4 基于波长旋转图模型的蚁群算法 |
| 4.4.1 波长旋转图模型 |
| 4.4.2 基于波长旋转图的L-ACA 算法描述 |
| 4.4.3 仿真与结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 硕士研究生期间发表论文 |
（9）智能光网络层域路由算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 智能光网络概述 |
| 1.1.1 智能光网络发展背景 |
| 1.1.2 智能光网络体系结构 |
| 1.1.3 智能光网络路由技术 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 主要研究内容和论文结构 |
| 第二章 ASON中的路由波长分配问题 |
| 2.1 路由和波长分配 |
| 2.1.1 路由和波长分配术语解释 |
| 2.1.2 路由和波长分配基本概念 |
| 2.1.3 动态RWA中的路由子问题 |
| 2.2 基于蚁群算法的RWA问题 |
| 2.2.1 基本思想 |
| 2.2.2 数学模型 |
| 2.2.3 实现步骤 |
| 第三章 蚁群算法的改进与实现 |
| 3.1 算法问题描述 |
| 3.2 改进的蚁群算法 |
| 3.3 算法实现步骤 |
| 3.4 算法仿真与结果分析 |
| 第四章 层域智能光网络中的路由问题 |
| 4.1 智能光网络路由模式 |
| 4.2 智能光网络分层路由体系 |
| 4.2.1 分层路由元件 |
| 4.2.2 分层路由结构 |
| 4.3 分层路由技术实现 |
| 4.3.1 网络拓扑抽象方法 |
| 4.3.2 节点拓扑信息通告 |
| 4.3.3 分层路由算法 |
| 4.4 基于改进蚁群算法的层域路由 |
| 4.4.1 网络模型 |
| 4.4.2 路由评价函数 |
| 4.4.3 改进蚁群算法选路步骤 |
| 第五章 光网络路由仿真平台设计与实现 |
| 5.1 NS2简介 |
| 5.2 仿真环境 |
| 5.3 路由协议的实现 |
| 5.3.1 层次路由模块 |
| 5.3.2 蚁群算法路由协议的架构 |
| 5.3.3 蚁群算法路由协议的改进 |
| 5.3.4 蚁群算法路由协议的移植 |
| 5.4 仿真结果与分析 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 存在的问题与未来发展展望 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间发表的学术论文目录 |
（10）智能光网络动态路由和波长分配算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 路由与波长分配(RWA) |
| 1.3 论文主要工作和结构 |
| 第二章 智能光网络路由和波长分配问题 |
| 2.1 智能光网络发展和标准进展 |
| 2.2 光网络中的 RWA 问题 |
| 2.2.1 路由计算问题 |
| 2.2.2 波长分配问题 |
| 2.3 智能光网络中的 RWA 问题 |
| 2.4 影响智能光网络中动态 RWA 问题的主要因素 |
| 2.5 智能光网络中动态 RWA 算法 |
| 2.6 本章小结 |
| 第三章 基于改进蚁群算法的光网络动态 RWA 算法 |
| 3.1 蚁群算法 |
| 3.1.1 蚁群算法基本原理 |
| 3.1.2 蚁群算法的应用和特点 |
| 3.2 基于改进蚁群算法的光网络 RWA(SA-DRWA)算法 |
| 3.2.1 SA-DRWA 算法概述 |
| 3.2.2 SA-DRWA 算法的实现步骤 |
| 3.2.3 SA-DRWA 算法理论分析 |
| 3.3 本章小结 |
| 第四章 基于 SA-DRWA 算法的光网络系统仿真 |
| 4.1 仿真系统总体设计 |
| 4.2 仿真系统详细设计 |
| 4.2.1 全局变量和基本类定义 |
| 4.2.2 随机数产生模块(rnt 方法) |
| 4.2.3 转移函数(Transition 方法) |
| 4.2.3 节点选择策略(Cant：：ChooseNextNod) |
| 4.2.4 信息素更新策略 |
| 4.2.5 寻路模块(Search) |
| 4.2.6 最短路径模块(CSPF) |
| 4.2.7 业务产生模块(load) |
| 4.2.8 主程序 |
| 4.3 本章小结 |
| 第五章 仿真结果与性能分析 |
| 5.1 仿真环境和测试 |
| 5.1.1 仿真环境 |
| 5.1.2 测试 |
| 5.2 仿真结果与分析 |
| 5.2.1 阻塞率性能分析 |
| 5.2.2 资源利用率分析 |
| 5.2.3 波长转换器配置及其影响 |
| 5.3 本章小结 |
| 第六章 结束语 |
| 6.1 论文研究主要结论 |
| 6.2 对未来工作的展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间研究成果 |
四、智能光网络路由模型（论文参考文献）
- [1]智能光网络的自组织临界性研究[D]. 朱恩黎. 国防科技大学, 2017(02)
- [2]智能光网络及其关键技术研究[J]. 黄斌. 激光杂志, 2016(11)
- [3]基于波长分层图的区分业务感知RWA的设计与仿真实现[D]. 蔡伟红. 东北大学, 2015(01)
- [4]ION中基于波长轮换的密集型业务拥塞控制研究[D]. 郭磊. 东北大学, 2015(01)
- [5]智能光网络中新模型下波长缓存拥塞控制问题研究[D]. 马新新. 东北大学, 2014(03)
- [6]基于软抢占智能光网络拥塞控制路由算法研究[D]. 杨婷婷. 东北大学, 2013(07)
- [7]PCE与多层多域智能光网络路由技术研究[D]. 张连成. 北京邮电大学, 2013(11)
- [8]智能光网络中路由选择算法的研究[D]. 王绪磊. 南京邮电大学, 2012(07)
- [9]智能光网络层域路由算法的研究[D]. 王玉亭. 北京邮电大学, 2012(08)
- [10]智能光网络动态路由和波长分配算法的研究[D]. 程希. 南京邮电大学, 2012(07)