Page 26 - 网络电信2022年7/8月刊

光 通 信

基于机器学习理论的光通信链路资源分配研究

路慧 杨立军 谷佩 陈雪
河北师范大学汇华学院

摘要:光通信链路资源分配中存在冲突的情况，导致均衡度差。为此，以平均节点和链路的负载为代价，引入机器学
习理论，研究光通信链路资源分配优化问题。首先，根据初始逻辑光通信链路与物理光通信链路，通过网络效用最优化
方法，解决多目标光通信链路资源合理化跨层资源分配的问题。建立通信网络效用最优模型，通过采集光通信链路信息
资源传输的平均数据量，提取信息资源分配的实时变化特征，得到光通信链路资源分配的传递的基础路径链。通过学习
光通信链路资源分配过程中的资源信息，合理化分配资源。实验结果表明，引入机器学习理论的光通信链路资源分配方
法，在通信冲突率和负载均衡度两个方面具有更好的性能。
关键词:机器学习理论；通信网络；网络链路；资源分配；负载均衡；最优模型

一.引言 分配。仿真结果表明，基于蚁群算法的光通信链路资源分配方
光纤互联网的普及，促进了光纤通信信息资源的共享，但 法，能够较好解决光通信链路信息资源分配不均衡的问题。但
是由于通信网络中的资源种类比较多，很难协调利用，制约了 是，以上方法都是以容忍冲突为代价的，本文在考虑冲突代价
信息领域的发展 ［1－2］ ，必须对其资源合理分配，才能保证通信 的基础上，优化资源分配问题。
网络的顺畅 ［3］ 。目前，较为前沿的光通信链路资源分配方法，
难以确定通信资源的传递路径，无法及时获取有效的资源信 二.光通信链路资源分配方法设计
息，相关学者为此也提出了一些研究方法。 1. 建立通信网络效用最优模型
周凯福等人 ［4］ 针对光通信链路系统无法进行有效资源分配 利用多目标光通信链路资源智能分配方法对光通信链路资
的问题，提出了一种新的资源分配算法。在对光通信链路进行 源进行分配，假设多目标光通信链路资源的线路与节点的集合
资源分配过程中，通过神经元网络算法计算出资源分配的最优 为L 和N，( m，n) 为多目标光通
策略。通过对通信信息资源进行采集与分析，实现用户的光通 信链路资源输出端链路为m，获取端连接线路为n，光通信
信链路资源分配。仿真实验结果表明，基于神经元网络的资源 链路资源输出端的邻近链路节点为Ninn ，光通信链路资源输出
分配算法，对于光通信链路系统资源分配有较好的优化能力。 端的获取邻近链路节点为Noutn ，其表达式分别为:
即使面对通信网络繁杂而冗余的信息资源，也可以根据用户需 (1)
求，灵活地调整资源信息进行合理分配。翟玲等人 ［5］ 针对光通
信链路信息资源分配不均衡的问题，提出了一种基于蚁群算法 (2)
的光通信链路资源分配方法。首先通过ECMP 构建光通信链路 上式中， 为光通信链路资源输出节点在逻辑光通信链路
网络资源分配模型，将光通信链路的各个节点作为资源容量的 的组， 是获取链路节点在光通信链路资源中的物理光通信链
约束点，设定最大的链路资源容量的目标函数为优化函数，建 路组。设Θ={1，2，…，C}，得到光通信链路资源可以使用的
立光通信链路资源分配的优化模型。在上述建立的光通信链路 链路信道总数，当最大容量为C，获得到光通信链路资源分配的
资源分配优化模型的基础上，利用蚁群算法路径对光通信链路 工作方式 ［6］ 。设T是光通信链路资源对应时间的间隔集，采用
的资源信息进行转移与改进，实现光通信链路信息资源的均衡 机器学习理论得到光通信链路资源的初始的链路分配模型:

46 网络电信 二零二二年七，八月