CN106535012B - 基于遗传算法优化组播光森林的能效路由频谱分配方法 - Google Patents

Abstract

本发明涉及一种基于遗传算法优化组播光森林的能效路由频谱分配方法，该方法首先根据组播请求计算满足业务需求的源节点到组播各目的节点的多条最短光路径，通过对组播目的节点划分获得光森林的各光子树；然后，设计遗传算法的染色体编码格式表示光森林的目的节点划分和光路径集合；设计光森林的能效适应度函数选择所需频谱数目和发射机功耗更低的光森林传输路由、调制格式和频谱分配方案；通过遗传算法的概率基因位对应交叉和变异操作得到新的组播光森林，用适应度函数最低值选择能效优秀的光森林方案；最后，当组播传输没有结束，且发现光网络中有其他请求结束传输时，则重配置该组播的光森林到光树传输，释放光森林占用资源，实现低能效传输。

Description

基于遗传算法优化组播光森林的能效路由频谱分配方法

技术领域

本发明属于光通信技术领域，涉及一种基于遗传算法优化组播光森林的能效路由频谱分配方法。

背景技术

随着视频点播、云计算、网格计算、视频会议、直播平台等点到多点的高带宽组播业务的兴起，现有的波分复用(Wavelength Division Multiplexing,WDM)网络面临巨大的带宽压力。WDM网络采用固定波长带宽的分配方式，具有波长通道数目较长、带宽利用率低、配置不灵活等特点，难以满足未来网络业务量大和高带宽利用率的要求。弹性光网络(Elastic Optical Networks,EONs)采用正交频分复用技术能根据请求的大小以及光路的长度自适应地分配光纤链链路的频谱资源，具有较高的频谱利用率及适配业务粒度的带宽配置灵活性，是广泛地认为是极具前景的下一代光网络技术。

在EONs中传输组播请求的光路的频谱分配需满足频谱一致性和连续性的约束，不同的光路传输需要不同的频谱消耗，导致业务传输的阻塞率和能耗不同。在树的光路方式传输组播的性能和代价都比用最短径传输组播的源节点到每一个目的节点的多条光路更高。但是，为了保证组播请求到达各目的节点的性能，在弹性光网络中，常要求整棵光树的各链路采用相同的信号调制等级，且该调制等级由光树中源到目的节点中最长的那条光路确定。因此，当光树中最长路径与其他路径的路径差较大时，会迫使其他短路径也使用较长路径需要使用的较低调制等级的光信号传输，使光树的频谱效率较低；同时，当组播光树较大或网络负载较重时，由于光纤链路频谱碎片的存在，光树的频谱分配难以满足频谱一致性和连续性约束，更容易造成组播业务因为频谱分配失败而被网络阻塞。

光森林相对光树来说，是由多棵子光树构成，各个子光树较短，覆盖部分组播的目的节点，可以选择更高调制等级的信号调制格式以节约频隙带宽，使得光森林比光树有更高的频谱分配成功率和频谱利用率。但多个光子树实现一个组播请求的传输时，子树之间有些光路是相同的，由于相同链路上不同光路占用的频谱块是不相同的，产生了相对单一光树的频谱分配额外开销；同时，多子树传输组播时，发射端会使用多个发射机造成额外的能耗开销。因此，组播光树的森林划分方式直接影响组播传输的频谱效率和能耗性能，光树划分为棵后子光树构建最小代价组播传输被很多研究者证实是NP完全问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于遗传算法优化组播光森林的能效路由频谱分配方法，该方法包括两部分，一是组播的目的节点的划分，即将目的节点划分到各棵子光树；二是求解光森林的各个子光树的最小代价树，实现频谱分配和能耗折中的最小化。同时，根据网络中链路上资源的空闲情况，设计了组播的光森林基于功耗最小合并光树的重配置判决准则以减少组播分割带来的能耗额外开销。将能耗优化光路传播的任播重配置到该业务预留的阻塞率优化光路传输，实现优先降低业务阻塞率性能的同时，在网络带宽资源允许的条件下节能传输，以节约网络的不可再生能耗的目的。

为达到上述目的，本发明提供如下技术方案：

一种基于遗传算法优化组播光森林的能效路由频谱分配方法，包括以下步骤：

1)首先根据组播请求计算满足业务需求的源节点到组播各目的节点的最短光路径集合，对集合中各源-目的节点对的最短光路径编号，对组播目的节点进行划分，设计遗传算法的染色体编码格式表示光森林的目的节点划分和光路径，一条染色体对应一个光森林，目的节点不同划分和光路径组合，得到遗传算法的初始化种群；

2)对种群中的每个光森林个体，根据光路径距离选择最高的信号调制等级，计算光森林传输组播所需的频隙数目和发射机的功耗，采用适应度函数选择种群中高能效的光森林RMSA(Routing,Modulation and SpectrumAllocation,路由调制格式和频谱分配方案)个体方案，实现精英保留策略，淘汰低能效的光森林RMSA方案；

3)对种群中的光森林个体，以一定的概率对2条染色体编码交叉和变异，得到新的个体，并确定光森林个体的RMSA方案，计算适应度函数值，精英保留能效高的优秀个体，淘汰能效差的光森林个体；

4)遗传算法迭代结束时输出能效最高的光森林RMSA方案，当网络中有其他业务请求结束传输释放光路资源时，如果组播传输没有结束，则在光网络中寻找组播的一条最小光树，并确定光树的最小RMSA，比较光树所需的发射机功耗是否低于最优光森林的功耗，如果是，则重配置组播到光树传输，以进一步节约能耗。

进一步，在步骤1)中，所述设计遗传算法的染色体编码格式包括2部分，染色体长度为组播目的节点数目的2倍，前一半的基因位表示光森林的目的节点划分，后一半的基因位表示目的节点对应的光路径，一条染色体对应组播的一个光森林，目的节点划分数就是光森林中子树数目。

进一步，在步骤2)中，根据光森林中每个子光树的最长路径约束确定最高的传输信号调制等级，根据调制等级和路径段数，计算子光树所需分配的最小频隙数目和光发射机的功率；适应度函数是折中计算光森林中各子光树消耗的频隙总和与折中的发射机功耗总和，适应度函数值越小，反映光森林的频谱功耗越小，能效越高，是组播的优秀光森林个体。

进一步，在步骤3)中，根据光森林的染色体编码结构，前一半基因位对应组播目的节点的划分，当前一半的某个基因位以一定的概率交叉或变异时，染色体编码结构的后一半基因位对应目的节点的光路径，则后一半对应的基因位要相应的交叉或变异，以避免产生无效的新染色体。

进一步，该方法具体包括以下步骤：

初始化：输入弹性光网络的网络拓扑用G(V，E，FS)表示，其中V表示节点集合，E表示光纤链路集合，FS(Frequency Slot，频隙)表示每条链路上的子载波集合；

步骤1：计算组播r(s，D，bw)的前K条最短光路径并编顺序号，新到达的组播请求r(s，D，bw)中，s为源节点，bw为业务传输的带宽速率，D为目的节点集合，|D|表示组播目的节点个数；计算光网络中组播请求r的源节点s到D中每一个目的节点之间的前K(K大于等于网络拓扑的平均节点度数)条最短光路径，并对每个源-目的节点对的光路径编号，设置迭代次数N，初始化迭代变量it＝1；

步骤2：构造组播路由的染色体和初始化种群，从组播的源节点到每一目的节点对中选中一条光路，按编码结构构造成一条染色体，染色体由两部分构成：前面部分表示目的节点的划分(最多|D|部分的划分)，后面部分表示各个子组播的光树构建方式，染色体的基因位等于目的节点的数目的2倍；一个个体包括一条染色体，代表组播的一个光森林，多个组合的个体就构成一种初始化种群；种群的大小取决于所允许的最大组播子树数目、目的节点的数目以及K；

步骤3：根据适应度函数，使用光森林的精英选择策略，选择能效高的光森林保留在种群中；对种群中每一个光森林个体确定RMSA(Routing,Modulation and SpectrumAllocation,路由调制格式和频谱分配方案)：根据每棵子光树的大小确定传输信号的调制等级，在距离约束下尽量选择最高的调制等级以节约传输的频谱资源，根据调制等级计算组播请求所需带宽频隙数，按照频谱一致性和连续性原则为每棵子光树分配空闲可用的频隙块；并计算光森林个体的能效适应度函数值(即频谱效率和能耗折中的最优值)；比较光森林个体的适应度函数值，淘汰适应度函数值较小的较差组播森林RMSA方案，选择适应度函数值最小的光森林RMSA方案作为精英个体保留在种群中；

步骤4：it＝N？判断算法是否终止，如果迭代次数达到设定值，则输出适应度函数值最小的光森林RMSA方案，算法转步骤6；

步骤5：对光森林的染色体目的节点编码位和光路径编码位的基因位以一定的概率分别进行交叉和变异操作，找到更多的个体，即找到更多的目的节点划分方案和光森林方案，it＝it+1，返回算法步骤3；

步骤6：是否有新组播请求到达？如果有，转步骤1；如果无新请求，则当光网络中有业务传输结束时，判断是否存在因为光路径资源释放，使光森林上待传输的业务可以使用这些释放的光路径资源在单棵光树上满足传输组播请求；如果有，则分配光树的RMSA，并对比该业务在新的单棵光树传输和在预先优化选择的光森林传输所需要功耗值，若基于光树的组播RMSA功耗小于基于组播森林RMSA的功耗，则将该组播业务重配置到新的单棵光树上传输，从而在时域上减少组播光森林带来的额外的能耗开销。

本发明的有益效果在于：本发明针对弹性光网络中组播传输的能效优化问题，提出了一种基于遗传算法优化光树划分为光森林的能效路由频谱分配方法，该方法将能耗优化光路传播的任播重配置到该业务预留的阻塞率优化光路传输，实现优先降低业务阻塞率性能的同时，在网络带宽资源允许的条件下节能传输，以节约网络的不可再生能耗的目的。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为光树分割为光森林传输示意图；

图2为不同调制等级下光路的传输速率、功耗和最大传输距离关系图；

图3为基于遗传算法优化组播光森林的能效路由频谱分配方法流程图；

图4为染色体构造与组播源-目的节点间的前K条最短路对应关系示意图；

图5为光森林染色体交叉和变异示意图(目的节点4个)。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

图1为光树分割为光森林传输示意图，如图1所示，光树分割为光森林传输示意图。在弹性光网络中，以光树传播组播请求到各目的节点，一棵光树的各链路需要采用相同的信号调制等级，且该调制等级由光树中源到目的节点中最长的那条光路确定。因此，当光树中最长路径与其他路径的路径差较大时，会迫使其他短路径也使用较长路径需要使用的较低调制等级的光信号传输，使光树的频谱效率较低。附图1是说明通过将不能通过单棵光树传输的组播请求采用分割为多棵长度较短的子光树组合成一个光森林传组播，以节约频谱带宽的消耗。

附图1中，附图1(b)为光网络拓扑，边上的数字代表长度(单位：Km)；每条光纤链路上的占用/空闲频隙(子载波)见附图1(a)所示，每频隙的最低调制等级对应速率为12.5Gb/s(见附图2)。现在有一个组播请求R(1，{3,5,6}，50Gb/s)到达，表示组播源节点1，目的节点{3,5,6}有3个，组播速率50Gb/s。组播请求R需在附图1(b)所示的光网络上传输，如果采用单棵光树传播，用最小树算法求得最小组播光树如附图1(c)所示，该光树中的最长光路径1-2-3，长度为900Km。

根据附图2，传输信号的调制等级与距离的约束关系，900Km距离可选择的传输信号最高调制等级8QAM(Quadrature Amplitude Modulation，正交幅度调制)，该调制等级下每个子载波(频隙)所能传的速率为37.5Gb/s，因此，组播R(1，{3,5,6}，50Gb/s)需要分配个频隙。从附图1(a)所示的各链路频谱使用情况中可以看出：在光树的4条光纤链路1-2-3，1-5，1-6上已经不能找到满足频谱连续和各链路频谱一致原则的空闲频谱块，光网络已没有足够的频谱资源，故采用单棵光树传播该组播势必会因频谱分配失败而阻塞业务。

如果采用光树目的节点分割，用两棵光子树传播组播R(1，{3,5,6}，50Gb/s)，如附图1(d)和附图1(e)所示。附图1(d)所示的子光树1中最长路径为500Km，覆盖目的节点{5,6}，根据附图2，该子光树可采用的最高调制等级16QAM，因此该光树需要分配个频隙，在光路1-5,1-6上按首选即中(First-Fit,FF)原则分配频隙FS4。同理，附图1(e)所示的子光树2中最长路径1-2-3为900Km，覆盖目的节点3，根据附图2，该子光树可采用的最高调制等级8QAM，因此该子光树需要分配个频隙，在光路1-2-3上按FF原则分配频隙FS5-FS6。附图1(d)和附图1(e)表示2棵子光树构成的光森林可以满足组播R(1，{3,5,6}，50Gb/s)请求，业务成功的被传输到目的节点，光树分割传输避免了该请求被阻塞。

但是，组播光树的森林划分方式直接影响组播传输的频谱效率和能耗性能，光树划分为棵后子光树构建最小代价组播传输被很多研究者证实是NP完全问题。为了获得优化组播能效特性的光组播森林，如图2所示，本申请提出了一种基于遗传算法优化组播光树划分光森林的能效路由频谱分配方法，该方法包括以下步骤：

初始化：输入弹性光网络的网络拓扑用G(V，E，FS)表示，其中V表示节点集合，E表示光纤链路集合，FS表示每条链路上的频隙集合。

步骤1：计算组播r(s，D，bw)的前K条最短光路径并编顺序号。新到达的组播请求r(s，D，bw)中，s为源节点，bw为业务传输所需的带宽速率，D为目的节点集合，|D|表示组播目的节点个数。计算光网络中组播请求r的源节点s到D中每一个目的节点之间的前K(K值一般大于等于光网络拓扑的平均节点度数)条最短光路径，并对每个源-目的节点对的光路径编号，设置迭代次数N(一般不小于目的节点数乘以K²)，初始化迭代变量it＝1。

仍以附图1(b)拓扑举例说明，所述组播R(1，{3,5,6}，50Gb/s)为例，取K＝4。如附图4的表格所示，在这一步，我们用最短路径算法分别求到1-3节点对之间的4条最短光路，分别是：1-2-3,1-2-4-3，1-5-4-3和1-5-4-2-3，编号为1-3节点对光路1，2，3和4；1-5节点对之间的4条最短光路，分别是：1-5，1-6-5，1-2-4-5和1-2-3-4-5，编号为1-5节点对光路1，2，3和4；1-6节点对之间的4条最短光路，分别是：1-6，1-5-6，1-2-4-5-6和1-2-3-4-5-6，编号为1-6节点对光路1，2，3和4。

步骤2：构造组播路由的染色体和初始化种群。从组播的源节点到每一目的节点对中选中一条光路，按编码结构构造成一条染色体，染色体由两部分构成：前面部分表示目的节点的划分(最多|D|部分的划分)，后面部分表示各个子组播的光树构建方式，染色体的基因位等于目的节点的数目的2倍。一个个体包括一条染色体，代表组播的一个光森林，多个组合的个体就构成一种初始化种群。种群的大小取决于所允许的最大组播子树数目、目的节点的数目以及K。

以附图4说明染色体的构造。代表光森林的染色体由两部分构成，前面部分表示目的节点的划分，后面部分表示各个子组播的光树构建方式，染色体的基因位等于目的节点的数目乘以2。在附图4的染色体结构中，这条染色体给出了该请求的一种光树划分和光森林构建方案，其中，组播R(1，{3,5,6}，50Gb/s)目的节点3单独划分到第1个子光树，并采用节点对1和3之间的第1条最短光路径1-2-3来构建子光树；目的节点{5,6}划分到第2个子光树，节点对1和5采用第1条光路1-5，节点对1和6采用第1条光路1-6，2条光路构建了第2棵子光树，染色体结构如附图4所示，对应光森林的2棵子光树如附图1(d)和附图1(e)所示。

步骤3：根据适应度函数，使用光森林的精英选择策略，选择能效高的光森林保留在种群中。对种群中每一个光森林个体确定RMSA(路由调制格式和频谱分配方案)：根据光森林中每棵子光树的大小确定传输信号的调制等级，在距离约束下尽量选择最高的调制等级以节约传输的频谱资源，根据调制等级计算组播请求所需带宽频隙数，按照频谱一致性和连续性原则为每棵子光树分配空闲可用的频隙块；并计算光森林个体的能效适应度函数值(即频谱效率和能耗折中的最优最大值)。比较光森林个体的适应度函数值，淘汰适应度函数值较大的较差组播森林RMSA方案，选择适应度函数值最小的光森林RMSA方案作为精英个体保留在种群中。

光森林的精英选择策略的目的就是淘汰掉能效较差的组播光森林RMSA方案，保留较优的方案，它保证了遗传算法以概率1收敛于最优解，适应度函数设计是其关键。基于遗传算法优化光森林的RMSA方案主要由下面的步骤组成：

1)：根据染色体光路径集合构造光森林。判断染色体编码部分至少覆盖2个目的节点的光路构成的子图是否为子光树，即子图中是否有环路，如果有环路，则删除环路上并联的长度较长的光路分支，更新光森林和染色体结构。

2)：根据公式(1)计算每个组播光森林的适应度函数。

Fitness＝W+α×E (1)

式(1)中，Fitness为光森林的染色体所对应的适应度函数，W表示满足组播r请求的最小频谱资源消耗，E表示传输业务r所需的发射机最小功耗，他们计算见公式(2)，α为设置为小于1的常数，表示光网络中频谱最低消耗和发射机最小功耗的折中性能，如果功耗对折中性能影响比值小，则α可设置为远小于1的数值，否则，设置为大一些甚至接近1的数值。适应度值越小越好，适应度值越小表示该方案消耗的频谱资源和能耗都较少。

(2)式的约束条件为：

NF≤|D| (4)

公式(2)中，NF为光森林中子光树数目，GB为业务所需的保护带宽，表示业务r的第i棵子光树选择可用调制等级m所需的频隙数，L_{r_i}为业务r的第i棵子光树中的链路集合，为业务r的第i棵子光树所采用的调制等级m下单个子载波(频隙)的发射机功耗，D_{r_i}为业务r的第i棵子光树目的节点集合。

式(3)保证频谱块资源的连续性分配原则，为业务r的第i棵子光树调制等级m的起始频隙标号，为业务r的第i棵子光树调制等级m所需的截止频隙标号，路径上各链路的频谱分配一致；式(4)保证任意组播业务光树分割的子光树数目NF不大于组播的目的节点数目|D|；式(5)保证一个森林中任意2棵子光树的目的节点各不相同；式(6)保证一个森林能覆盖所有组播的目的节点；式(7)保证当2棵子光树存在共同链路时，链路上使用不同的频谱块资源传输，保证链路上频谱独立。

3)：采用轮盘赌的方法，根据染色体适应度函数值，在种群中选择较优的染色体保留在新的种群中。

步骤4：判断it＝N？如果迭代次数达到设定值，则输出适应度函数值最小的染色体代表的光森林RMSA方案，算法转步骤6；

步骤5：对光森林的染色体目的节点编码位和光路径编码位的基因位以一定的概率分别进行交叉和变异操作，交叉概率一般取值0.5左右，变异概率一般取值0.1左右。适当的变异和交叉是为了找到更多的个体，即找到更多的目的节点划分方案和光森林方案，it＝it+1，返回算法步骤3；

附图5所示是染色体以一定概率交叉和变异的示意图。为了增加种群中个体的多样性，我们通过执行交叉和变异操作使种群进化出更多的较优新染色体。交叉即为父代以一定的概率，从种群中选择2个染色体进行等位基因交叉，以产生新的子代，考虑到光森林染色体结构和保证遗传算法的正确性，交叉时组播目的节点所对应的划分及其对应光路径的基因位应该同时交叉。如图附图5(a)中，有4个目的节点的组播光森林2条染色体中，染色体1的光树目的节点划分基因位二和染色体2的光树目的节点划分基因位二进行交叉，则对应的染色体光路编码基因位二也要对应的交叉，得到新的2条染色体，如附图5(a)所示。

光森林表示的染色体变异则是父代以一定的概率，从种群中选择1个染色体进行基因位变异，以产生新的子代，考虑到光森林染色体结构和保证遗传算法的正确性，变异时组播目的节点所对应的划分及其对应光路径的基因位应该同时变异。在附图5(b)中，有4个目的节点的组播光森林1条染色体，染色体中表示目的节点划分的基因位二发生变异为其他划分，则对应的染色体光路编码基因位二也要变异为同一源-宿节点对之间的其他编号光路径，得到1条新的染色体，如附图5(b)所示。

染色体通过多次的选择、交叉、变异操作，最终得到适应度函数值最小的个体，代表所需要频谱块和功耗最小的最优解作为组播光森林RMSA方案。

步骤6：是否有新组播请求到达？如果有，转算法步骤1；如果无新请求，则当光网络中有业务传输结束时，判断是否存在因为光路径资源释放，使光森林上待传输的业务可以使用这些释放的光路径资源在单棵光树上满足传输组播请求。如果有，则按级最大频谱效率分配距离约束的最高频谱调制等级光树的RMSA，并对比该业务在新的单棵光树传输和在预先优化选择的光森林传输所需要功耗值，若基于光树的组播RMSA功耗小于基于组播森林RMSA的功耗，则将该组播业务重配置到新的单棵光树上传输，从而在时域上减少组播光森林带来的额外的能耗开销。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (5)

1.一种基于遗传算法优化组播光森林的能效路由频谱分配方法，其特征在于：包括以下步骤：

1)首先根据组播请求计算满足业务需求的源节点到组播各目的节点的最短光路径集合，对集合中各源-目的节点对的最短光路径编号，对组播目的节点进行划分，设计遗传算法的染色体编码格式表示光森林的目的节点划分和光路径，一条染色体对应一个光森林，目的节点不同划分和光路径组合，得到遗传算法的初始化种群；

2)对种群中的每个光森林个体，根据光路径距离选择最高的信号调制等级，计算光森林传输组播所需的频隙数目和发射机的功耗，采用适应度函数选择种群中高能效的光森林RMSA(Routing,Modulation and Spectrum Allocation,路由调制格式和频谱分配方案)个体方案，实现精英保留策略，淘汰低能效的光森林RMSA方案；

3)对种群中的光森林个体，以一定的概率对2条染色体编码交叉和变异，得到新的个体，并确定光森林个体的RMSA方案，计算适应度函数值，精英保留能效高的优秀个体，淘汰能效差的光森林个体；

4)遗传算法迭代结束时输出能效最高的光森林RMSA方案，当网络中有其他业务请求结束传输释放光路资源时，如果组播传输没有结束，则在光网络中寻找组播的一条最小光树，并确定光树的最小RMSA，比较光树所需的发射机功耗是否低于最优光森林的功耗，如果是，则重配置组播到光树传输，以进一步节约能耗。

2.根据权利要求1所述的基于遗传算法优化组播光森林的能效路由频谱分配方法，其特征在于：在步骤1)中，所述设计遗传算法的染色体编码格式包括2部分，染色体长度为组播目的节点数目的2倍，前一半的基因位表示光森林的目的节点划分，后一半的基因位表示目的节点对应的光路径，一条染色体对应组播的一个光森林，目的节点划分数就是光森林中子树数目。

3.根据权利要求2所述的基于遗传算法优化组播光森林的能效路由频谱分配方法，其特征在于：在步骤2)中，根据光森林中每个子光树的最长路径约束确定最高的传输信号调制等级，根据调制等级和路径段数，计算子光树所需分配的最小频隙数目和光发射机的功率；适应度函数是折中计算光森林中各子光树消耗的频隙总和与折中的发射机功耗总和，适应度函数值越小，反映光森林的频谱功耗越小，能效越高，是组播的优秀光森林个体。

4.根据权利要求3所述的基于遗传算法优化组播光森林的能效路由频谱分配方法，其特征在于：在步骤3)中，根据光森林的染色体编码结构，前一半基因位对应组播目的节点的划分，当前一半的某个基因位以一定的概率交叉或变异时，染色体编码结构的后一半基因位对应目的节点的光路径，则后一半对应的基因位要相应的交叉或变异，以避免产生无效的新染色体。

5.根据权利要求4所述的基于遗传算法优化组播光森林的能效路由频谱分配方法，其特征在于：该方法具体包括以下步骤：

初始化：输入弹性光网络的网络拓扑用G(V，E，FS)表示，其中V表示节点集合，E表示光纤链路集合，FS(Frequency Slot，频隙)表示每条链路上的子载波集合；

步骤1：计算组播r(s，D，bw)的前K条最短光路径并编顺序号，新到达的组播请求r(s，D，bw)中，s为源节点，bw为业务传输的带宽速率，D为目的节点集合，|D|表示组播目的节点个数；计算光网络中组播请求r的源节点s到D中每一个目的节点之间的前K条最短光路径，K大于等于网络拓扑的平均节点度数，并对每个源-目的节点对的光路径编号，设置迭代次数N，初始化迭代变量it＝1；

步骤2：构造组播路由的染色体和初始化种群，从组播的源节点到每一目的节点对中选中一条光路，按编码结构构造成一条染色体，染色体由两部分构成：前面部分表示目的节点的划分，最多|D|部分的划分，后面部分表示各个子组播的光树构建方式，染色体的基因位等于目的节点的数目的2倍；一个个体包括一条染色体，代表组播的一个光森林，多个组合的个体就构成一种初始化种群；种群的大小取决于所允许的最大组播子树数目、目的节点的数目以及K；

步骤3：根据适应度函数，使用光森林的精英选择策略，选择能效高的光森林保留在种群中；对种群中每一个光森林个体确定RMSA(Routing,Modulation and SpectrumAllocation,路由调制格式和频谱分配方案)：根据每棵子光树的大小确定传输信号的调制等级，在距离约束下尽量选择最高的调制等级以节约传输的频谱资源，根据调制等级计算组播请求所需带宽频隙数，按照频谱一致性和连续性原则为每棵子光树分配空闲可用的频隙块；并计算光森林个体的能效适应度函数值，即频谱效率和能耗折中的最优值；比较光森林个体的适应度函数值，淘汰适应度函数值较小的较差组播森林RMSA方案，选择适应度函数值最小的光森林RMSA方案作为精英个体保留在种群中；

步骤4：判断是否有it＝N，判断算法是否终止，如果迭代次数达到设定值，则输出适应度函数值最小的光森林RMSA方案，算法转步骤6；

步骤5：对光森林的染色体目的节点编码位和光路径编码位的基因位以一定的概率分别进行交叉和变异操作，找到更多的个体，即找到更多的目的节点划分方案和光森林方案，it＝it+1，返回算法步骤3；

步骤6：是否有新组播请求到达， 如果有，转步骤1；如果无新请求，则当光网络中有业务传输结束时，判断是否存在因为光路径资源释放，使光森林上待传输的业务可以使用这些释放的光路径资源在单棵光树上满足传输组播请求；如果有，则分配光树的RMSA，并对比该业务在新的单棵光树传输和在预先优化选择的光森林传输所需要功耗值，若基于光树的组播RMSA功耗小于基于组播森林RMSA的功耗，则将该业务重配置到新的单棵光树上传输，从而在时域上减少组播光森林带来的额外的能耗开销。