Page 26 - 网络电信2022年9/10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

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。

一．引言 通信链路信息资源的均衡分配。仿真结果表明，基于蚁群算法
光纤互联网的普及，促进了光纤通信信息资源的共享，但 的光通信链路资源分配方法，能够较好解决光通信链路信息资
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 源分配不均衡的问题。但是，以上方法都是以容忍冲突为代价
信息领域的发展 ［1－2］ ，必须对其资源合理分配，才保证通信网 的，本文在考虑冲突代价的基础上，优化资源分配问题。
络的顺畅 ［3］ 。目前，较为前沿的光通信链路资源分配方法，难
以确定通信资的传递路径，无法及时获取有效的资源信息，相 二．光通信链路资源分配方法设计
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 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
配的问题，提出了一种新的分配算法。在对光通信链路进行资 源进行分配，假设多目标光信链路资源的线路与节点的集合为
源分配过程中，通过神经元网络算法计算出资源分配最略。通 L和N，(m，n)为多目标光通信链路资源输出端链路m，获取端
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 连接线路为n，光通信链路资源输出端的邻近链路节点为 ，
源分配。仿真验结果明，基于神经元网络的资源分配算法，对 光通信链路源输出端的获取邻近链路节点为 ，其表达式分别
于光通信链路系统资源分配有较好的优能力。即面对通信网络 为:
繁杂而冗余的信息资源，也可以根据用户需求，灵活地调整资 (1)
源信息进行合分配。翟玲等人 ［5］ 针对光通信链路信息资源分配 (2)
不均衡的问题，提出了一种基于蚁群算的光通信链路资源分配 上式中， 为光通信链路资源输出节点在逻辑光通信链路
方法。首先通过ECMP构建光通信链路网络资源分配模型，将光 的组， 是获取链路点在光通信链路资源中的物理光通信链路
通链路的各个节点作为资源容量的约束点，设定最大的链路资 组。设Θ={1，2，…，C}，得到光通信链路资源可以使用的链
源容量的目函数为优化函数，通信链路资源分配的优化模型。 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工
[6]
在上述建立的光通信链路资源分配优化模型的基础上，利用蚁 作方式 。设 T 是光通信链路资源对应时间的间隔集，采用机
群算法路径对光通信链路的资源信息进行转移与改进，实现光 器学习理论得到光通信链路资源的始的链路分配模型:

44 网络电信 二零二二年九，十月