ASON中一种新的动态路由和波长分配算法_杜荔

收稿日期:2008-05-31

基金项目:国家高技术研究发展计划项目(2003AA781011);辽宁省自然科学基金资助项目(20072022)·作者简介:杜　荔(1962-),女,辽宁沈阳人,东北大学副教授·

第30卷第4期2009年4月东北大学学报(自然科学版)Journal of Northeastern University (Natural Science )Vol .30,No .4

Apr .2009

ASON 中一种新的动态路由和波长分配算法

杜　荔,孟艳楼,毕晓红

(东北大学信息科学与工程学院,辽宁沈阳　110004)

摘 要:在A SO N 中的网络节点不具备波长变换能力且光纤中复用的波长数有限的情况下,针对为到达的业务请求动态选路和波长分配问题,提出了一种新的动态路由和波长分配算法(N -RWA )·该算法中设计了一种同时考虑节点跳数和当前网络状态的合理适应度函数,并将遗传算法和最小影响波长分配算法相结合,实现对传统RWA 算法的改进·仿真结果表明,与传统的RWA 算法相比,N -RWA 算法在保证全网业务负

载均衡的同时,大大降低了网络阻塞的可能性·

关　键　词:自动交换光网络;路由和波长分配;最小影响;遗传算法;进化代数

中图分类号:T N 915 文献标识码:A 文章编号:1005-3026(2009)04-0518-04

A New Dynamic Routing /Wavelength Assignment Algorithm in AS ON

DU Li ,MENG Yan -lou ,B I Xiao -hong

(School of Info rma tio n Science &Engineering ,N ortheastern U niversity ,Shenyang 110004,

China .

Correspondent :D U Li ,E -mail :duli @ise .neu .edu .cn )

A bstract :Considering the conditions that the nodes are unable to convert the w aveleng th and that the number of multiplex wavelengths is limited in optical fibres ,a new routing /w aveleng th assig nment (N -RWA )algorithm is proposed to solve dynamically the routing and w aveleng th assig nment problem for the arrival of service request .In the new algorithm a rational fitness function is designed taking account simultaneously of the number of hops in a lightpath and the current netw ork conditions and the genetic algorithm is in combination with least influence w aveleng th assignment algorithm ,thus improving the conventio nal RWA algo rithm .Simulation results showed that N -RWA can significantly reduces the blocking probability in com parison w ith the conventional RWA algorithm w ith balanced load kept o n in the w hole netwo rk .Key words :ASON (automatically sw itched optical netw ork );routing /wavelength assig nment ;least influence ;genetic algorithm ;evolution generation 自动交换光网络(ASON )是在信令网控制之下完成光传送网内光通道连接和自动交换功能的新型网络[1],代表未来网络技术的发展方向·而RWA 问题是指当一个连接请求到来时,为连接请求计算路由并分配波长的问题,是ASON 中的关键技术之一[2]·针对不同的业务特性和连接请求方式,RWA 问题的研究主要分为静态和动态RWA 问题[3]·由于RWA 问题是NP -C 问题,因而为降低问题复杂度,一般将RWA 问题分为路由问题和波长分配问题来研究[4]·

当前路由选择策略包括固定路由(fixed routing ,FR )、固定可选路由(fixed alternate

routing ,FAR )和自适应路由(alternate routing ,

AR )[5]·波长分配算法主要有首次命中(

first fit ,FF )、最小负载(least loaded ,LL )、最小影响(least influence ,LI )、相对容量损失(relative capacity loss ,RC L )等·在ASON 智能光网络中,静态RW A 算法通常是在建网初期对静态网络业务的规划方法,一般可采用整数线性规划方法实现[6]

·而动态RWA 算法通常是在网络运行期间对动态网络业

务的规划方法,其算法的优化目标通常是尽量减小网络的阻塞概率[7]·

文献[8]针对静态RWA问题讨论了波长优化问题,但其算法只是考虑到了静态路由的情况,没考虑在实际应用中动态路由和波长分配所带来的复杂性·文献[9]设计了一种新颖的遗传算法来解决动态的路由和波长分配问题,但它在设计适应度函数时只考虑了路由的跳数,因而很容易造成全网负载的不均衡·本文提出的N-RWA算法将遗传算法和最小影响波长分配算法相结合,并在设计时充分考虑了节点跳数和当前的网络状态,有效地降低了阻塞率,均衡了网络负载,从而可以更好地达到应用于ASON光网络的目的·

1　算法模型描述

本算法中:L代表网络中的链路总数目; L(p)代表通路p上的所有链路集合;L ch(l,λ)代表链路l在波长λ上的剩余信道数;P ch(p,λ)代表任意通路p在波长λ上的可用信道数,如果L ch(l,λ)=P ch(p,λ),称l为通路p的瓶颈;P＊代表新到达的业务请求对应的路由;A(P＊)代表通路P＊上的可用波长集;G(P＊)代表与P＊有共享链路,且仍具有可用信道的通路集合,并且可用信道数目总数不小于1,相当于P＊的邻域·

P ch(p,λ)=min l∈L(p)·(1)最小影响算法的优化目标为

min λ∈A(p＊)∑

p∈G(p＊)∑

l∈L(p)∩L(p＊)

D(L c h(l,λ), P ch(p,λ))·(2)定义1　选取满足式(3)的路由和波长分配给新到达的业务:

R p(P＊,λ)=∑

l∈L(p)∩L(P＊)

D(L ch(l,λ),

P ch(p,λ))·(3)式中:R p(P＊,λ)表示当波长λ分配给P＊时,对P＊与通路p共享链路的影响;D(A,B)代表指示函数·当A=B时,D(A,B)取值为1;否则, D(A,B)取值为0·

定义2　N-RWA算法中染色体编码:A b= (P i,H ij,λm),b=1,2,…,n·P i中i为新到达的业务请求对应的备用路由的个数,P i∈P＊;H ij中j表示与通路P i有共享链路且仍具有可用信道的通路数目,H ij∈G(P＊);λm中的m表示通路P＊的可用波长数目,λm∈A(P＊)·染色体中(P i,λm)为RWA问题的一个可行解·

定义3　N-RWA算法中适应度函数:

f=

1

h+α×R p(P＊,λ)·

(4)式中:h表示通路P＊的跳数;0<α<1·

适应度函数综合考虑了节点跳数和网络中最小影响,作为优化目标函数,减小网络的阻塞率·N-RWA算法的目标是选取适应度值最大的(P i, H ij,λm)作为算法的优化目标·

定义4　算法中初始群体大小为n,最大遗传进化代数为g·群体规模越大,群体中个体的多样性越高,算法陷入局部解的危险性就越小·

2　N-RWA算法描述

2.1　查找路由

利用ksp-disjoint路由算法查找出任意两点间的路由k条[10]·某条动态连接请求到达时,从路由计算得到的路由集中找到与此相关的路由集P i,在网络中找到与路由集P i有相关链路的路由集合G(P＊)·

2.2　创建初始种群

将可用波长随机分给路由P i,按照编码规则(P i,H ij,λm)形成初始种群·种群规模的大小不仅决定了初始解的多少,而且确定了每代运算的搜索空间,因此直接影响着最优解的质量·种群规模越大,其最优解的质量也就越好;但是种群规模太大,会使算法的运算时间大幅增长,使得不具备实际效用,太小则难以求出合理解·在种群中随机产生一定数量的个体,然后从中挑出较好的个体构成初始群体A,A中的数目为I·

2.3　选择最优个体

采用最佳个体保存法(elitist model)[11]和适应度比例法(fitness propo rtional model)相结合的选择方法,即在群体交叉、变异之前,先选出最佳个体,直接复制到下一代中,其余个体的选择采用比例选择法·

对于规模为I的群体A,个体a j的选择概率为

q=f(a j)∑

I

i=1

f(a i)·(5)式中:f(a j)为个体a j∈A的适应值;i=1,2,3,…,I·

这种随机选择策略确保低质量的个体能被选择用来产生新的个体,并且能够使过快收敛于某个局部最优解的危险性降低·

2.4　交叉操作

交叉操作在遗传算法中起到至关重要的全局

519

第4期 杜　荔等:ASON中一种新的动态路由和波长分配算法