| 【中文题名】 | 基于自适应逃逸粒子群算法的ASON多业务保护容量研究 |
| 【英文题名】 | AEPSO-Based Protection Capacity Assignment Algorithm Adapt to Multi-services in ASON |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-9 |
| 【中关键词】 | ASON,保护容量,多业务,自适应逃逸粒子群算法,空闲资源分配,保护 |
| 【英关键词】 | ASON,protection capacity,multi-services,Self-Adaptive Escape Particle Swarm Optimization,spare resource distributing,protection, |
| 【分类导航】 | 工业技术>无线电电子学、电信技术>无线通信>光波通信、激光通信>> |
| 【论文摘要】 |
ASON(Automatically Switched Optical Network自动交换光网络)赋予了传统光网络前所未有的灵活性和可扩展性，代表了下一代光网络的发展方向。对多种恢复机制的支持是ASON的一个重要特点，也是目前ASON研究的一个重点。在网络容量日益增长的今天，智能化动态恢复算法的研究对提高ASON的生存性具有重要意义，一个良好的恢复算法能够合理高效地提高网络空闲资源的利用率和受损业务的恢复率，从而有效减少因网络故障而造成的社会影响和经济损失。
ASON比较公认的优势包括：快速提供业务，提供多种保护恢复机制，提供新的业务类型等等，其中提供多种保护恢复机制是目前运营商规划建设ASON网络时重点关注的问题。相对传统光传送网设计的一系列恢复机制，ASON对生存性的要求主要体现为全面考虑网络空闲资源的合理分配、能满足业务恢复的多样化、算法可扩展性等一系列问题。
自适应逃逸粒子群算法(AEPSO，Self-Adaptive Escape Particle Swarm Optimization)是一种引入自适应调节参数和变异算子的改进的粒子群算(PSO，Particle Swa... |
| 【论文题纲】 |
|
摘要 |
6-8 |
|
ABSTRACT |
8-13 |
|
第一章 绪论 |
13-19 |
|
1.1 研究背景 |
13-15 |
|
1.2 论文研究意义 |
15-16 |
|
1.3 论文的研究内容和关键技术 |
16-17 |
|
1.4 全文的组织安排 |
17-19 |
|
第二章 ASON中的生存性问题及保护相关技术分析 |
19-37 |
|
2.1 ASON中的路由体系结构 |
19-24 |
|
2.1.1 路由功能结构 |
19-21 |
|
2.1.2 路由方式 |
21-22 |
|
2.1.3 路由属性和路由消息分发拓扑 |
22-24 |
|
2.2 ASON中的生存性 |
24-29 |
|
2.2.1 ASON中的生存性特点 |
24-26 |
|
2.2.2 ASON保护/恢复比较和分析 |
26-27 |
|
2.2.3 ASON中的保护机制 |
27 |
|
2.2.4 ASON中的保护方案 |
27-29 |
|
2.3 ASON中的优化保护算法分析 |
29-37 |
|
2.3.1 ASON中的动态RWA技术 |
30-33 |
|
2.3.1.1 已有的动态业务路由选择策略及性能分析 |
30-31 |
|
2.3.1.2 已有的动态业务波长分配策略及性能分析 |
31-33 |
|
2.3.2 分层图模型及RWA结合算法 |
33-34 |
|
2.3.3 ASON中动态保护算法的影响因素分析 |
34-37 |
|
第三章 基于自适应逃逸粒子群算法的ASON多业务保护算法的研究 |
37-53 |
|
3.1 研究背景 |
37-38 |
|
3.2 内联的分层图模型 |
38-39 |
|
3.3 光网络矩阵模型 |
39-40 |
|
3.3.1 节点-链路结构矩阵模型 |
39 |
|
3.3.2 链路-波长矩阵模型 |
39-40 |
|
3.4 自适应逃逸粒子群算法(AEPSO)的基本思想和特点 |
40-42 |
|
3.5 基于AEPSO的保护算法的数学模型分析和算法描述 |
42-53 |
|
3.5.1 分层图中保护问题的算法数学模型分析 |
42-44 |
|
3.5.2 算法描述 |
44-49 |
|
3.5.2.1 编码设计 |
44-45 |
|
3.5.2.2 群体设定 |
45 |
|
3.5.2.3 适应值函数设计 |
45-46 |
|
3.5.2.4 选择 |
46 |
|
3.5.2.5 粒子速度更新 |
46-48 |
|
3.5.2.6 群体位置更新策略 |
48 |
|
3.5.2.7 算法终止条件 |
48-49 |
|
3.5.3 分布式实现的算法时间复杂度分析 |
49-50 |
|
3.5.4 算法全局收敛性能分析 |
50-53 |
|
第四章 算法仿真系统设计 |
53-69 |
|
4.1 概述 |
53 |
|
4.2 总体设计 |
53-58 |
|
4.2.1 算法仿真的流程图 |
53-55 |
|
4.2.2 实验网络拓扑 |
55-56 |
|
4.2.3 输入参数和输出信息 |
56-57 |
|
4.2.4 路由协议 |
57-58 |
|
4.3 详细设计 |
58-69 |
|
4.3.1 主通道和保护通道的确定策略(FindPathPop方法) |
58-59 |
|
4.3.2 业务需求产生策略(ConnectionRequestPop方法) |
59-60 |
|
4.3.3 初始群体随机化策略(initializePop方法) |
60-62 |
|
4.3.4 适应度统计模块(fitnessPop方法) |
62 |
|
4.3.5 选择策略(choicePop方法) |
62-63 |
|
4.3.6 群体更新策略(updatePop方法) |
63-64 |
|
4.3.7 具有波长转换器模块(WavelengthConversion_Road方法) |
64-65 |
|
4.3.8 无波长转换器模块(No WavelengthConversion_Road方法) |
65-66 |
|
4.3.9 总控程序(main函数) |
66-69 |
|
第五章:仿真结果与分析 |
69-79 |
|
5.1 部分仿真结果输出 |
69-73 |
|
5.2 参数w,c_1,c_2的确定 |
73-74 |
|
5.3 群体规模和迭代次数对求解结果的影响及分析 |
74-75 |
|
5.4 遗传算法、整数线性规划和自适应逃逸粒子群算法的比较及分析 |
75-76 |
|
5.5 含波长转换器和不含波长转换器的比较与分析 |
76-79 |
|
第六章 结束语 |
79-81 |
|
6.1 结论 |
79-80 |
|
6.2 展望 |
80-81 |
|
致谢 |
81-83 |
|
参考文献 |
83-89 |
|
攻读硕士学位期间发表的论文 |
89 |
|
| 【DOI】 | LunWen.ID:2.2008.355092 |
