| 【中文题名】 | 光突发交换中基于免疫遗传算法的路由技术研究 |
| 【英文题名】 | Research of Routing Technology Based on Immune Genetic Algorithm in Optical Burst Switching |
| 【学科专业】 | 计算机应用 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-12-14 |
| 【中关键词】 | 光突发交换,免疫遗传算法,路由,免疫算子,, |
| 【英关键词】 | optical burst switching,immune genetic algorithm,routing,immune operator, |
| 【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】 | 光突发交换(Optical Burst Switching)是下一代Internet骨干网的光交换模式技术。它可以使协议层次扁平化，因而可以更加充分地利用DWDM技术的带宽潜力。
但是，由于光突发交换是将突发包和控制分组分开在不同的信道上传输，并且二者传送的方式分别是全光和光—电—光。这与传统的光电路交换以及还在研究的光分组交换有很大的区别。目前，它还有许多有待解决的难题，其中路由技术是光突发交换中的关键技术之一，它在很大程度上影响着光突发交换网络的性能。
目前对光突发交换中的路由技术的研究主要有最短路径算法，P—routing算法。但最短路径算法容易引起负载的不均衡，P—routing算法要和混合交换技术结合使用效果更明显。另外，突发包的冲突解决也是路由机制的关键，对其的研究也是当前路由技术研究的重点。
免疫遗传算法IGA(Immune Genetic Algorithm)是借鉴生命科学中免疫的概念与理论提出的一种智能算法，它将免疫机理引入基本遗传算法(Simple Genetic Algorithm)，是一种启发式搜索算法。具有并行性、分布式、自适应性等特点... |
| 【论文题纲】 |
|
第一章 绪论 |
10-15 |
|
1.1 研究背景 |
10-12 |
|
1.2 研究意义 |
12-13 |
|
1.3 论文的研究内容及关键技术 |
13-14 |
|
1.4 论文的组织安排 |
14-15 |
|
第二章 光突发交换(OBS)中的路由技术 |
15-31 |
|
2.1 OBS技术 |
15-25 |
|
2.1.1 网络的物理结构 |
17 |
|
2.1.2 OBS的网络分层结构 |
17-18 |
|
2.1.3 OBS中BHP和 DB的格式 |
18-19 |
|
2.1.4 核心节点结构 |
19-21 |
|
2.1.5 边缘节点功能 |
21-22 |
|
2.1.6 资源预留协议 |
22-25 |
|
2.2 OBS中的路由技术 |
25-31 |
|
2.2.1 OBS网络路由特点 |
25-26 |
|
2.2.2 突发包冲突解决方案分析 |
26-27 |
|
2.2.3 路由选择方式 |
27-28 |
|
2.2.4 OBS网络模型 |
28-31 |
|
第三章 基于免疫遗传算法的 OBS网络路由技术 |
31-45 |
|
3.1 遗传算法 |
31-33 |
|
3.2 免疫遗传算法 |
33-37 |
|
3.2.1 免疫系统 |
33 |
|
3.2.2 免疫算法的原理图 |
33-34 |
|
3.2.3 免疫算法的信息熵原理 |
34-36 |
|
3.2.4 免疫遗传算法的研究现状 |
36-37 |
|
3.3 免疫遗传算法在 OBS网络中的应用(IGAOBS) |
37-43 |
|
3.3.1 免疫遗传算法应用于 OBS网络的理论依据 |
37-38 |
|
3.3.2 基于免疫遗传算法的OBS路由算法分析 |
38-42 |
|
3.3.3 具体算法设计 |
42-43 |
|
3.4 IGAOBS收敛性分析 |
43-44 |
|
3.5 IGAOBS的计算复杂度分析 |
44-45 |
|
第四章 算法的实现与仿真 |
45-58 |
|
4.1 仿真系统设计思想 |
45-46 |
|
4.2 仿真系统的实现 |
46-58 |
|
4.2.1 数据结构 |
46-48 |
|
4.2.2 网络拓扑及参数构造 |
48-50 |
|
4.2.3 负载生成模块 |
50-51 |
|
4.2.4 IGAOBS路由算法模块 |
51-55 |
|
4.2.5 基本遗传算法子模块(SGA方法) |
55-56 |
|
4.2.6 最短路径算法子模块(SPF_Road方法) |
56-57 |
|
4.2.7 仿真结果处理模块 |
57-58 |
|
第五章 仿真分析 |
58-62 |
|
5.1 σ，γ参数设定对结果的影响 |
58-59 |
|
5.2 初始群体参数的设定 |
59-60 |
|
5.3 免疫遗传算法与基本遗传算法的比较 |
60 |
|
5.4 免疫遗传算法与最短路径算法的比较 |
60-62 |
|
第六章 结束语 |
62-64 |
|
6.1 结论 |
62 |
|
6.2 展望 |
62-64 |
|
致谢 |
64-65 |
|
参考文献 |
65-69 |
|
攻读硕士学位期间发表的论文 |
69 |
|
| 【DOI】 | LunWen.ID:2.2008.388263 |
