CN109996133B - 一种光网络规划方法、装置、电子设备及存储介质 - Google Patents
一种光网络规划方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109996133B CN109996133B CN201910292787.6A CN201910292787A CN109996133B CN 109996133 B CN109996133 B CN 109996133B CN 201910292787 A CN201910292787 A CN 201910292787A CN 109996133 B CN109996133 B CN 109996133B
- Authority
- CN
- China
- Prior art keywords
- optical network
- antibody
- network planning
- optical
- construction cost
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q11/00—Selecting arrangements for multiplex systems
- H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
- H04Q11/0062—Network aspects
- H04Q11/0067—Provisions for optical access or distribution networks, e.g. Gigabit Ethernet Passive Optical Network (GE-PON), ATM-based Passive Optical Network (A-PON), PON-Ring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2213/00—Indexing scheme relating to selecting arrangements in general and for multiplex systems
- H04Q2213/13543—Indexing scheme relating to selecting arrangements in general and for multiplex systems network planning, configuration management, e.g. for growth
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2213/00—Indexing scheme relating to selecting arrangements in general and for multiplex systems
- H04Q2213/13544—Indexing scheme relating to selecting arrangements in general and for multiplex systems modeling or simulation, particularly of networks
Abstract
本发明实施例提供了一种光网络规划方法、装置、电子设备及存储介质,方法包括:通过待处理光网络的网络参数信息,确定所述待处理光网络的可靠性函数及网络建设成本函数;确定满足预设条件的各光网络规划方案,其中,任一光网络规划方案包含所述待处理光网络中待建设光缆以待建设站点;利用所述网络建设成本函数、所述可靠性函数、各所述光网络规划方案,确定所述待处理光网络的光网络规划模型;通过预设免疫算法,确定所述光网络规划模型的各所述光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案。本发明实现了得到提升光网络的可靠性及降低网络建设成本的光网络规划方案。
Description
技术领域
本发明涉及通信技术领域,特别是涉及一种光网络规划方法、装置、电子设备及存储介质。
背景技术
光网络规划是在网络建设初期对网络拓扑结构中的站点、光缆和承载业务传输路线进行合理部署。通过设计合理的网络规划方法以优化网络拓扑结构、保障网络的负载均衡是降低网络建设和改造成本,获得高性能、可扩展网络的有效途径。
现有技术中存在一种动态的网络路径规划方法,具体方法为:在网络拓扑结构的构建过程,根据骨干网络构建基于光载波波长的分层网络拓扑、和基于光载波波长的分层网络拓扑,通过Bhandari算法得到源节点至目的节点的两条不相交的实时最优路径。
然而,发明人在使用上述方法的过程中发现,随着网络规模的不断增长、网络拓扑结构的日益复杂、业务种类和数量的不断增加,该方法的最优路径确定方法仅考虑链路的最优路径,并未考虑网络的建设成本及可靠性。因此,如何得到提升光网络的可靠性,并降低网络建设成本的光网络规划方法,仍然是亟待解决的技术问题。
发明内容
本发明实施例的目的在于提供一种光网络规划方法、装置、电子设备及存储介质,以实现得到提升光网络的可靠性及降低网络建设成本的光网络规划方案。具体技术方案如下:
第一方面,本发明实施例公开了一种光网络规划方法,所述方法包括:
通过待处理光网络的网络参数信息,确定所述待处理光网络的可靠性函数及网络建设成本函数;
确定满足预设条件的各光网络规划方案,其中,任一光网络规划方案包含所述待处理光网络中待建设光缆以待建设站点;
利用所述网络建设成本函数、所述可靠性函数、各所述光网络规划方案,确定所述待处理光网络的光网络规划模型;
通过预设免疫算法,确定所述光网络规划模型的各所述光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案。
可选地,所述通过待处理光网络的网络参数信息,确定所述待处理光网络的可靠性函数,包括:
通过待处理光网络的站点成环信息,确定所述待处理光网络的站点成环率;
通过所述待处理光网络的站点的度,确定所述待处理光网络的成环站点度加权值;
通过所述待处理光网络的光缆带宽信息及光缆光纤信息,确定所述待处理光网络的光缆资源闲置率;
对所述站点成环率、所述成环站点度加权值、所述光缆资源闲置率分配权重并求和,得到所述待处理光网络的可靠性函数。
可选地,所述可靠性函数表示为:
R=α·X+β·Y+γ·Z
其中,R表示可靠性函数;X表示站点成环率;α表示所述站点成环率的权重系数;Y表示成环站点度加权值;β表示站点成环率的权重系数;Z表示光缆资源闲置率;γ表示站点成环率的权重系数;且α+β+γ=1;
所述网络建设成本函数表示为:
其中,C表示网络建设成本函数;i∈[1,n]表示待建设光缆;ei的值为1表示第i条光缆被选中建设,值为0表示第i条光缆不被选中建设;mi的表示建设第i条光缆的建设成本;j∈[1,m]表示待建设站点;sj的值为1表示第j个站点被选中建设,值为0表示第j个站点不被选中建设;mj表示建设第j个站点的建设成本。
可选地,所述通过预设免疫算法,确定所述光网络规划模型的各所述光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案,包括:
识别所述光网络规划模型以及对所述光网络规划模型进行参数初始化;所述参数中包含多种抗体及每种抗体的抗体数目;
对所述待处理光网络中待建设光缆以及待建设站点进行抗体编码;
通过抗体亲和度公式,计算每种抗体的抗体亲和度,其中,任一抗体亲和度包含该抗体对应的各所述光网络规划方案的数据;
判定抗体亲和度大的光网络规划方案中,是否存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案;
若存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案,将该抗体亲和度对应的光网络规划方案确定为目标光网络规划方案。
可选地,在所述判定抗体亲和度大的光网络规划方案中,是否存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案之后,所述方法还包括:
若不存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案,按照预设克隆条件,对抗体亲和度大的抗体进行抗体克隆;
针对克隆后的每一种抗体,通过该种抗体的抗体亲和度,计算该种抗体的交叉概率及变异概率;
针对克隆后的每一种抗体,通过该种抗体的交叉概率及该种抗体的数目,确定该种抗体的待交叉抗体数目,获取与所述待交叉抗体数目对应的该种抗体的待交叉抗体;
对每两种待交叉抗体进行抗体交叉,得到交叉后的抗体;
针对交叉后的每种抗体,通过该种抗体的变异概率及该种抗体的数目,确定该种抗体的待变异抗体数目,获取与所述待变异抗体数目对应的该种抗体的待变异抗体;
对每个待变异抗体进行抗体变异,得到变异后的抗体;
分别计算每种抗体的选择概率及所有种类抗体的平均选择概率,选取选择概率大于所述平均选择概率的抗体种类;并返回执行通过抗体亲和度公式,计算每种抗体的抗体亲和度的步骤。
可选地,所述光网络规划模型表示为:
其中,ω1表示可靠性函数的权重系数;ω2表示网络建设成本函数的权重系数;θ表示用于调整可靠性函数与网络建设成本函数之间数量级差异的常数;R表示可靠性函数;X表示站点成环率;α表示所述站点成环率的权重系数;Y表示成环站点度加权值;β表示所述站点成环率的权重系数;Z表示光缆资源闲置率;γ表示所述站点成环率的权重系数;且α+β+γ=1;F为优化变量,表示可靠性函数与网络建设成本函数的差;S1(F,Ci)表示第i种网络建设成本为Ci的光网络规划方案;表示通过min-max算法对S1(F,Ci)的优化求解。
第二方面,本发明实施例公开了一种光网络规划装置,所述装置包括:
函数确定模块,用于通过待处理光网络的网络参数信息,确定所述待处理光网络的可靠性函数及网络建设成本函数;
光网络规划方案确定模块,用于确定满足预设条件的各光网络规划方案,其中,任一光网络规划方案包含所述待处理光网络中待建设光缆以待建设站点;
光网络规划模型确定模块,用于利用所述网络建设成本函数、所述可靠性函数、各所述光网络规划方案,确定所述待处理光网络的光网络规划模型;
目标光网络规划方案确定模块,用于通过预设免疫算法,确定所述光网络规划模型的各所述光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案。
可选地,所述函数确定模块,包括:
站点成环率确定子模块,用于通过待处理光网络的站点成环信息,确定所述待处理光网络的站点成环率;
成环站点度加权值确定子模块,用于通过所述待处理光网络的站点的度,确定所述待处理光网络的成环站点度加权值;
光缆资源闲置率确定子模块,用于通过所述待处理光网络的光缆带宽信息及光缆光纤信息,确定所述待处理光网络的光缆资源闲置率;
可靠性函数确定子模块,用于对所述站点成环率、所述成环站点度加权值、所述光缆资源闲置率分配权重并求和,得到所述待处理光网络的可靠性函数。
可选地,所述可靠性函数表示为:
R=α·X+β·Y+γ·Z
其中,R表示可靠性函数;X表示站点成环率;α表示所述站点成环率的权重系数;Y表示成环站点度加权值;β表示站点成环率的权重系数;Z表示光缆资源闲置率;γ表示站点成环率的权重系数;且α+β+γ=1;
所述网络建设成本函数表示为:
其中,C表示网络建设成本函数;i∈[1,n]表示待建设光缆;ei的值为1表示第i条光缆被选中建设,值为0表示第i条光缆不被选中建设;mi的表示建设第i条光缆的建设成本;j∈[1,m]表示待建设站点;sj的值为1表示第j个站点被选中建设,值为0表示第j个站点不被选中建设;mj表示建设第j个站点的建设成本。
可选地,所述目标光网络规划方案确定模块,包括:
参数初始化子模块,用于识别所述光网络规划模型以及对所述光网络规划模型进行参数初始化;所述参数中包含多种抗体及每种抗体的抗体数目;
抗体编码子模块,用于对所述待处理光网络中待建设光缆以及待建设站点进行抗体编码;
抗体亲和度计算子模块,用于通过抗体亲和度公式,计算每种抗体的抗体亲和度,其中,任一抗体亲和度包含该抗体对应的各所述光网络规划方案的数据;
光网络规划方案判断子模块,用于判定抗体亲和度大的光网络规划方案中,是否存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案;
目标光网络规划方案确定子模块,用于若存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案,将该抗体亲和度对应的光网络规划方案确定为目标光网络规划方案。
可选地,所述装置还包括:
抗体克隆模块,用于若不存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案,按照预设克隆条件,对抗体亲和度大的抗体进行抗体克隆;
概率计算模块,用于针对克隆后的每一种抗体,通过该种抗体的抗体亲和度,计算该种抗体的交叉概率及变异概率;
待交叉抗体获取模块,用于针对克隆后的每一种抗体,通过该种抗体的交叉概率及该种抗体的数目,确定该种抗体的待交叉抗体数目,获取与所述待交叉抗体数目对应的该种抗体的待交叉抗体;
抗体交叉模块,用于对每两种待交叉抗体进行抗体交叉,得到交叉后的抗体;
待变异抗体获取模块,用于针对交叉后的每种抗体,通过该种抗体的变异概率及该种抗体的数目,确定该种抗体的待变异抗体数目,获取与所述待变异抗体数目对应的该种抗体的待变异抗体;
抗体变异模块,用于对每个待变异抗体进行抗体变异,得到变异后的抗体;
抗体选取模块,用于分别计算每种抗体的选择概率及所有种类抗体的平均选择概率,选取选择概率大于所述平均选择概率的抗体种类;并返回执行通过抗体亲和度公式,计算每种抗体的抗体亲和度的步骤。
可选地,所述光网络规划模型表示为:
其中,ω1表示可靠性函数的权重系数;ω2表示网络建设成本函数的权重系数;θ表示用于调整可靠性函数与网络建设成本函数之间数量级差异的常数;R表示可靠性函数;X表示站点成环率;α表示所述站点成环率的权重系数;Y表示成环站点度加权值;β表示所述站点成环率的权重系数;Z表示光缆资源闲置率;γ表示所述站点成环率的权重系数;且α+β+γ=1;F为优化变量,表示可靠性函数与网络建设成本函数的差;S1(F,Ci)表示第i种网络建设成本为Ci的光网络规划方案;表示通过min-max算法对S1(F,Ci)的优化求解。
第三方面,本发明实施例公开了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现上述光网络规划方法中任一所述的方法步骤。
又一方面,本发明实施例公开了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现上述光网络规划方法中任一所述的方法步骤。
在本发明实施例提供的一种光网络规划方法、装置、电子设备及存储介质中,首先通过待处理光网络的网络参数信息,确定待处理光网络的可靠性函数及网络建设成本函数,利用网络建设成本函数、所述可靠性函数、和满足预设条件的各光网络规划方案,确定待处理光网络的光网络规划模型,最后通过预设免疫算法的自适应调节,获得光网络规划模型的各光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案。本发明实施例针对目前光网络规划的现状,从光网络的建设成本和可靠性两个角度综合考虑影响网络规划方案的重要因素,建立面向成本和可靠性的光网络规划模型;进而利用自适应免疫算法获得满足可靠性和建设成本阈值约束的网络规划方案,实现了得到提升光网络的可靠性及降低网络建设成本的光网络规划方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种光网络规划方法流程图;
图2为本发明实施例的一种光网络规划方法中确定目标光网络规划方案的方法流程图;
图3为本发明实施例的初始网络拓扑结构结构图;
图4为通过本发明实施例的一种光网络规划方法确定的网络拓扑结构图;
图5为通过本发明实施例的预设免疫算法与免疫算法处理光网络规划模型的值与进化代数关系图;
图6为本发明实施例的一种光网络规划装置结构示意图;
图7为本发明实施例的一种电子设备结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的在于研究一种面向成本和可靠性的光网络规划方法,通过站点和链路的建设成本和可靠性(网络可靠性和业务可靠性)两个角度,对网络规划方案的生成形成约束,进而获取满足可靠性和建设成本的网络规划方案,从而获取一种针对可靠性和建设成本折中的方案。
为实现对光网络网络拓扑结构的有效优化以及业务的负载均衡,本发明首先构建了面向成本和可靠性的光网络规划模型,并利用改进的免疫算法获取该光网络规划模型的目标光网络规划方案,使得得到光网络规划方案更符合实际需要,达到降低网络建设成本,提高网络可靠性和业务可靠性的目的。具体方案如下:
第一方面,本发明实施例公开了一种光网络规划方法,如图1所示。图1为本发明实施例的一种光网络规划方法流程图,方法包括:
S101,通过待处理光网络的网络参数信息,确定待处理光网络的可靠性函数及网络建设成本函数。
本发明实施例的执行主体可为确定光网络规划方案的第三方软件程序。由光网络的构成可知,光网络规划的对象为光纤和终端节点。光网络中的节点分布主要受用户分布影响,光纤分布主要由节点分布和节点间的互联关系决定。本步骤中获取待处理光网络的网络参数信息,该网络参数信息可为该待处理光网络已建设链路信息、待建设链路信息、已建设站点信息、待建设站点信息等。
本步骤中确定待处理光网络的网络参数信息,该网络参数信息可为该待处理光网络已建设链路信息、待建设链路信息、已建设站点信息、待建设站点信息等。
本发明从网络可靠性和业务可靠性两个方面考虑网络的可靠性函数,网络建设成本是指在网络规划方案的实施过程中,需要新增光缆、站点的建设成本。
可选地,S101中通过待处理光网络的网络参数信息,确定待处理光网络的可靠性函数,包括:
步骤一,通过待处理光网络的站点成环信息,确定待处理光网络的站点成环率;
本发明实施例中从网络可靠性和业务可靠性两个方面建立可靠性函数,考察的参数包括光缆资源闲置率(光缆带宽冗余率和光缆纤芯余量率)、站点成环率和成环站点度加权值。
本步骤中,通过待处理光网络的站点成环信息,确定待处理光网络的站点成环率。网络中站点成环是指该拓扑结构中存在一个包含该站点的环,站点成环率为网络拓扑中成环的站点个数与站点总数的比值:
如下式所示:
其中,x表示待处理光网络的站点成环率;Ssum表示网络拓扑中的站点总数;当站点处于环中时,value的值为1,否则为0。
步骤二,通过待处理光网络的站点的度,确定待处理光网络的成环站点度加权值。
网络拓扑中站点i的度ki为与该站点i相连的站点数目。本步骤中,获取待处理光网络的每个站点的度,首先采用min-max标准化方法(Min-max normalization)对网络拓扑中所有站点的度进行归一化处理:
degi表示编号为j的站点的度进行归一化处理后的值,dj表示编号为j的站点度数;dmin表示网络拓扑中度数最小的站点的度,dmax表示网络拓扑中度数最大的站点度。
假设该待处理光网络全网拓扑中站点集合为S,S={d1,d2,...,dn},dj∈S,则成环站点度加权值可表示为:
其中,ej∈{0,1},如果该值为1,表示站点在环内;否则站点不在环内。
步骤三,通过待处理光网络的光缆带宽信息及光缆光纤信息,确定待处理光网络的光缆资源闲置率。
光缆资源闲置率包括光缆带宽冗余率和光缆光纤余量率。从应急迂回和未来业务发展需求考虑,光缆带宽冗余率应不低于30%;从网络可扩展性角度考虑,光缆光纤余量数应高于4根。
光缆带宽冗余率A为:
其中,brem表示光缆中未使用带宽值,bsum表示光缆中可用最高带宽值。
光缆光纤余量率B为:
其中,Orem表示光缆中未使用纤芯数,Osum表示光缆中总纤芯数。
光缆资源闲置率Z为:
Z=λ·A+μ·B
其中,λ表示光缆带宽冗余率的权重系数;μ表示光缆光纤余量率的权重系数,且满足λ+μ=1。
步骤四,对站点成环率、成环站点度加权值、光缆资源闲置率分配权重并求和,得到待处理光网络的可靠性函数。
可选地,可靠性函数表示为:
R=α·X+β·Y+γ·Z
其中,R表示可靠性函数;X表示站点成环率;α表示站点成环率的权重系数;Y表示成环站点度加权值;β表示站点成环率的权重系数;Z表示光缆资源闲置率;γ表示站点成环率的权重系数;且α+β+γ=1;
网络建设成本函数表示为:
其中,C表示网络建设成本函数;i∈[1,n]表示待建设光缆;ei的值为1表示第i条光缆被选中建设,值为0表示第i条光缆不被选中建设;mi的表示建设第i条光缆的建设成本;j∈[1,m]表示待建设站点;sj的值为1表示第j个站点被选中建设,值为0表示第j个站点不被选中建设;mj表示建设第j个站点的建设成本。
S102,确定满足预设条件的各光网络规划方案,其中,任一光网络规划方案包含待处理光网络中待建设光缆以待建设站点。
本发明实施例的预设条件包括两方面:第一方面从可靠性角度考虑,第二方面从建设成本角度考虑。具体该预设条件可为:成环率>=60%;成环站点度加权值范围在[0.3,1]之间;光缆资源闲置率>=30%,另外根据具体地区的建设成本要求,设置建设成本的上限值。本步骤中按照该预设条件,确定出各光网络规划方案S1(F,C1)、S1(F,C2)、…S1(F,Cn),任一光网络规划方案包含待处理光网络中待建设光缆以待建设站点。
S103,利用网络建设成本函数、可靠性函数、各光网络规划方案,确定待处理光网络的光网络规划模型。
在设置网络规划方案时,通常以可靠性指标均达到最低阈值时的建设成本为基准,因此本发明选择min-max算法对目标函数进行优化。为了以较低的建设成本获得较高性能的网络,本发明将可靠性和建设成本的差作为优化变量F,将站点和链路的建设费用作为成本向量C,并根据网络规划方案的设计目标要求构成目标函数S(F,C),得到本发明实施例的光网络规划模型。
可选地,光网络规划模型表示为:
其中,ω1表示可靠性函数的权重系数;ω2表示网络建设成本函数的权重系数;θ表示用于调整可靠性函数与网络建设成本函数之间数量级差异的常数;R表示可靠性函数;X表示站点成环率;α表示站点成环率的权重系数;Y表示成环站点度加权值;β表示站点成环率的权重系数;Z表示光缆资源闲置率;γ表示站点成环率的权重系数;且α+β+γ=1;F为优化变量,表示可靠性函数与网络建设成本函数的差;S1(F,Ci)表示第i种网络建设成本为Ci的光网络规划方案;表示通过min-max算法对S1(F,Ci)的优化求解。
S104,通过预设免疫算法,确定光网络规划模型的各光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案。
网络规划是一个具有多目标性、多阶段性、不确定性等特点的系统优化问题,免疫算法作为一种将生成和检测作为迭代过程的智能搜索算法,在求解网络规划问题中较为适用。但是,免疫算法的交叉、变异算子相对稳定,导致容易陷入局部最优的平衡态,以及进化后期常出现的停滞不前问题,从而很难获得所求问题的全局最优解。因此,本发明采用预设免疫算法,该算法始终采用最佳的交叉、变异算子,较好地平衡了收敛性和可行解多样性,通过该预设免疫算法,确定求解出的各光网络规划方案S1(F,C1)、S1(F,C2)、…S1(F,Cn)中,满足可靠性和建设成本约束条件的目标光网络规划方案。以下实施例中详细说明求解过程。
上述S102中从可靠性函数分析,设置预设条件可为站点成环率应高于60%;网络节点度尽量保持在4以下。本发明实施例在上述预设条件的基础上,根据实际场景需求,设置本发明实施例的可靠性和建设成本约束条件。例如,根据部分业务的特定要求,比如为减少传输时延,需要在两个站点间直连光缆,从而导致某些待选光缆、站点成为必选;关于建设成本,可根据具体场景需求设置阈值。
在本发明实施例提供的一种光网络规划方法中,首先通过待处理光网络的网络参数信息,确定待处理光网络的可靠性函数及网络建设成本函数,利用网络建设成本函数、可靠性函数、和满足预设条件的各光网络规划方案,确定待处理光网络的光网络规划模型,最后通过预设免疫算法的自适应调节,获得光网络规划模型的各光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案。本发明实施例针对目前光网络规划的现状,从光网络的建设成本和可靠性两个角度综合考虑影响网络规划方案的重要因素,建立面向成本和可靠性的光网络规划模型;进而利用自适应免疫算法获得满足可靠性和建设成本阈值约束的网络规划方案,实现了得到提升光网络的可靠性及降低网络建设成本的光网络规划方案。
可选地,在本发明光网络规划方法的一种实施例中,上述S104中通过预设免疫算法,确定光网络规划模型的各光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案,可如图2所示。图2为本发明实施例的一种光网络规划方法中确定目标光网络规划方案的方法流程图,包括:
S201,识别光网络规划模型以及对光网络规划模型进行参数初始化;参数中包含多种抗体及每种抗体的抗体数目。
本步骤中识别该光网络规划模型和可靠性和建设成本约束条件,并设置光网络规划模型的算法参数,参数包括站点、链路、多种抗体、每种抗体的抗体数目信息及常数参数信息等。初始化每种抗体的抗体数目信息及常数参数信息抗体的抗体数目,设置进化代数G=1。
S202,对待处理光网络中待建设光缆以及待建设站点进行抗体编码。
本步骤中首先对待处理光网络中待建设光缆以及待建设站点进行编号,编号从1开始,到N+M(假设待建设光缆为N、站点数目分别为M)。对编码后的光缆和站点初始化为位数为N+M的二进制编码抗体基因,该抗体基因可为全为“1”或全文“0”的二进制序列。其中指定前低多少位为待建设站点信息,剩余位数为待建设站点信息。当第i号基因位为1时,表示第i条光缆需要被建设;值为O时,表示第i条光缆不需要被建设,站点标记采用同样方式。假设最终输出抗体上的基因序列为(101011100),且低三位表示待建设站点信息,则网络规划方案中待建设光缆有6条,待建设站点有3个,且需要被建设的光缆为第1、3、5、6条,站点为第1个。
S203,通过抗体亲和度公式,计算每种抗体的抗体亲和度,其中,任一抗体亲和度包含该抗体对应的各光网络规划方案的数据;
免疫算法中,抗体亲和度表示优化问题可行解的质量,故本发明中抗体亲和度表示网络规划方案的质量,且网络规划方案的质量由网络建设成本函数C和可靠性函数R共同决定。由于可行解质量的改进应朝着抗体亲和度增加的方向进行,故本问题中抗体亲和度可定义为:
其中,k8、k9为常数,Si为求解光网络规划模型中各光网络规划方案中目标光网络规划方案的目标函数。
本步骤中,通过上述亲和度公式,计算出每种抗体的抗体亲和度,任一抗体亲和度包含该抗体对应的各光网络规划方案的数据;即为每种抗体的抗体亲和度都包含对光网络规划模型的目标函数的求解。
S204,判定抗体亲和度大的光网络规划方案中,是否存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案。
S205,若存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案,将该抗体亲和度对应的光网络规划方案确定为目标光网络规划方案。
可选地,在判定抗体亲和度大的光网络规划方案中,是否存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案之后,方法还包括:
S206,若不存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案,按照预设克隆条件,对抗体亲和度大的抗体进行抗体克隆。
若不存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案,这说明免疫算法没有达到收敛,以下通过对抗体进行克隆、交叉及变异操作,并按照选择概率选取选择概率大于平均选择概率的抗体种类。在返回S203中计算每种抗体的抗体亲和度,通过S204进行判断,直到算法收敛。
本发明实施例中,克隆尺寸由抗体亲和度决定,并未采用等比例克隆方式。
预设克隆条件可选取需要克隆的克隆抗体对象,以及克隆抗体需要克隆的数量。本步骤中按照抗体亲和度降序排序,选取抗体亲和度大的抗体,形成新的种群,按照预设条件对该种群中的抗体进行克隆。
根据预设克隆公式,假设编号为i的抗体Affi=0.1,且常数k1=1,预设克隆条件为对抗体克隆10条。则对抗体i进行克隆后,会生成包含10个子代的集合Seti2,Seti={Seti1,Seti2,...,Seti10}。预设克隆公式可表示如下:
Ni=Floor[k1/i]
其中,i表示抗体标号,Ni表示标号为i的抗体克隆后的个数,Floor表示向下取整,k1为常数。
S207,针对克隆后的每一种抗体,通过该种抗体的抗体亲和度,计算该种抗体的交叉概率及变异概率。
抗体间基因序列的交叉可以将父代的优良基因得到保存,获得具有更好基因序列的子代。
本步骤中,针对克隆后的每一种抗体,通过该种抗体的抗体亲和度,可得到该种抗体的交叉概率。
交叉概率为:
其中,ai表示第i种抗体的亲和度,aavg表示各种类抗体形成的种群抗体亲和度的平均值;amin表示种群抗体亲和度的最小值;amax表示种群抗体亲和度的最大值,k2、k3和k4为常数。
本步骤中,通过交叉概率公式,计算得到每种抗体的抗体亲和度。
抗体变异可以保证抗体种群的多样性。本步骤中,针对克隆后的每一种抗体,通过该种抗体的抗体亲和度,可得到该种抗体的变异概率。
变异概率为:
其中,ai表示第i种抗体的亲和度,aavg表示各种类抗体形成的种群抗体亲和度的平均值;amin表示种群抗体亲和度的最小值;amax表示种群抗体亲和度的最大值,k5、k6和k7为常数。
S208,针对克隆后的每一种抗体,通过该种抗体的交叉概率及该种抗体的数目,确定该种抗体的待交叉抗体数目,获取与待交叉抗体数目对应的该种抗体的待交叉抗体。
针对克隆后的每一种抗体,将该种抗体的交叉概率与该种抗体的数目相乘,得到该种抗体的待交叉抗体数目。在该种抗体中随机选取与待交叉抗体数目对应的该种抗体的待交叉抗体。
S209,对每两种待交叉抗体进行抗体交叉,得到交叉后的抗体。
S210,针对交叉后的每种抗体,通过该种抗体的变异概率及该种抗体的数目,确定该种抗体的待变异抗体数目,获取与待变异抗体数目对应的该种抗体的待变异抗体。
针对交叉后的每种抗体,将该种抗体的变异概率与该种抗体的数目相乘,得到该种抗体的待变异抗体数目。在该种抗体中随机选取与待变异抗体数目对应的该种抗体的待变异抗体。
假设一类抗体i在繁殖后抗体的数目为childi,且此类抗体的变异概率为ri,故此类抗体中需要参与变异操作的待变异抗体为Sumi=childi×ri。
S211,对每个待变异抗体进行抗体变异,得到变异后的抗体。
S212,分别计算每种抗体的选择概率及所有种类抗体的平均选择概率,选取选择概率大于平均选择概率的抗体种类;并返回执行S203通过抗体亲和度公式,计算每种抗体的抗体亲和度的步骤。
为保证算法具有良好的全局收敛性和高效的稳定性,需对良好抗体进行保存且保证种群抗体的多样性。因此本发明选择正比抗体亲和度,即为选取选择概率大于平均选择概率的抗体种类。选择概率Sec低于平均选择概率Secavg的抗体将被舍弃。
选择概率为:
其中,θ为常数,Affi表示抗体i的亲和度,Sumaff表示抗体亲和度总和。
为了更好地说明本发明实施例的光网络规划方法了能够提升光网络的可靠性及降低网络建设成本,以下通过具体仿真实例说明。
例如图3所示的本发明实施例初始网络拓扑结构结构图。该网络拓扑结构包含21个已建设站点,4个待建设站点,26条已建设光缆,18条待建设光缆,且链路[2-4]和[2-6]的光缆资源闲置率略高于30%,其余光缆的资源冗余率均高于46%。
按照本发明实施例的光网络规划方法建立光网络规划模型,通过本发明实施例的预设免疫算法求解该光网络规划模型的满足可靠性和建设成本约束条件的目标光网络规划方案。以下以现有的免疫算法确定目标光网络规划方案与本申请的预设免疫算法确定目标光网络规划方案做对比,说明本发明实施例的优势。
免疫算法与本申请的预设免疫算法均按照表1中的数据,对光网络规划模型进行参数初始化。
表1通用仿真参数初始化
参数类型 | 参数值 |
种群规模 | 70 |
抗体长度 | 22 |
光缆带宽冗余率权重λ | 0.5 |
光缆光纤冗余率权重μ | 0.5 |
成环率权重α | 0.4 |
度加权值权重β | 0.3 |
光缆资源闲置率γ | 0.3 |
目标函数权重ω<sub>1</sub> | 0.6(可调) |
目标函数权重ω<sub>2</sub> | 0.4(可调) |
克隆公式中常数k<sub>1</sub> | 30 |
交叉公式中常数k<sub>2</sub> | 0.1 |
交叉公式中常数k<sub>3</sub> | 0.8 |
交叉公式中常数k<sub>4</sub> | 0.3 |
变异公式中常数k<sub>5</sub> | 0.2 |
变异公式中常数k<sub>6</sub> | 10 |
变异公式中常数k<sub>7</sub> | 0.9 |
抗体亲和度中常数k<sub>8</sub> | 1000 |
抗体亲和度中常数k<sub>9</sub> | 1 |
本发明采用免疫算法作为对比算法,对本发明提出的面向多层次、多指标的光网络规划与评估方法进行性能分析。由于不同应用场景对可靠性和网络建设成本的依赖程度不同,目标函数中的权重系数ω1和ω2被设为可调。对权重系数ω1和ω2、网络建设成本C、可靠性R、站点成环率、成环站点度加权值、光缆资源闲置率之间的关系进行研究,得到表2所示的光网络仿真结果数据。
表2光网络仿真结果数据
由表2可知,网络建设成本所占比重越小,可靠性越高,成环站点度数越低,光缆资源闲置率越高,站点成环率可达60%以上,同时权重系数ω1:ω2的取值在[9,3/7]之间均能满足光网络正常运行的最低标准。
通过现有的免疫算法与本发明的预设免疫算法作为对比算法,可得到表3中的仿真算法参数对比。
表3
利用本发明实施例的光网络规划方法对图3的光网络进行处理,可得到图4所示的网络拓扑结构图。图4为通过本发明实施例的一种光网络规划方法确定的网络拓扑结构图。
从图4中可知,链路[4-6]成为待建设链路,原因是链路[2-4]和[2-6]的光缆资源闲置率接近30%,需要通过新增链路的方式降低其上负载业务的运行风险。站点103未成为待建设站点,其原因是建设该站点将导致新增四条链路,建设成本明显增大,并且原有的拓扑结构能够满足现有业务和可靠性的需求。通过与图3对比可知,光缆资源闲置率了提升了9%,网络平均度上升了0.43但仍低于阈值4,故本次仿真获得的最优化网络规划方案在保证了建设成本较低的情况下提高了业务可靠性和网络可靠性。
图5为通过本发明实施例的预设免疫算法与免疫算法处理光网络规划模型的值与进化代数关系图。
由图5可知,进化代数接近200时,免疫算法与本发明的预设免疫算法,获得的目标光网络规划方案的网络建设成本相同;低于200时,免疫算法获得的网络规划方案成本更低;超过200时本发明实施例的预设免疫算法获得的网络规划方案成本更低,且网络建设成本比免疫算法低30%左右。进化代数接近400时,两种算法获得的网络规划方案可靠性相同;超过400时本发明实施例的预设免疫算法获得的网络规划方案的可靠性更高,且可靠性比免疫算法高出接近10%;低于400时则相反。造成上述现象的原因是本发明采用的本发明实施例的预设免疫算法改进了免疫算法的交叉、变异算子,具有更好的全局收敛性,但收敛速度稍低于传统的免疫算法。
通过对以上分析和对比可知,本发明的光网络规划方法能够根据不同场景下对可靠性和网络建设成本的需求,确定出符合实际需要的目标网络规划方案。并且,本发明采用的预设免疫算法始终采用最佳的繁衍参数,能够在有限的时间内达到收敛且得到全局最优解,具有较高的准确性和稳定性。
第二方面,本发明实施例公开了一种光网络规划装置,如图6所示。图6为本发明实施例的一种光网络规划装置结构示意图,装置包括:
函数确定模块601,用于通过待处理光网络的网络参数信息,确定待处理光网络的可靠性函数及网络建设成本函数;
光网络规划方案确定模块602,用于确定满足预设条件的各光网络规划方案,其中,任一光网络规划方案包含待处理光网络中待建设光缆以待建设站点;
光网络规划模型确定模块603,用于利用网络建设成本函数、可靠性函数、各光网络规划方案,确定待处理光网络的光网络规划模型;
目标光网络规划方案确定模块604,用于通过预设免疫算法,确定光网络规划模型的各光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案。
在本发明实施例提供的一种光网络规划装置中,首先通过待处理光网络的网络参数信息,确定待处理光网络的可靠性函数及网络建设成本函数,利用网络建设成本函数、可靠性函数、和满足预设条件的各光网络规划方案,确定待处理光网络的光网络规划模型,最后通过预设免疫算法的自适应调节,获得光网络规划模型的各光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案。本发明实施例针对目前光网络规划的现状,从光网络的建设成本和可靠性两个角度综合考虑影响网络规划方案的重要因素,建立面向成本和可靠性的光网络规划模型;进而利用自适应免疫算法获得满足可靠性和建设成本阈值约束的网络规划方案,实现了得到提升光网络的可靠性及降低网络建设成本的光网络规划方案。
可选地,在本发明实施例的光网络规划装置的一种实施例中,函数确定模块601,包括:
站点成环率确定子模块,用于通过待处理光网络的站点成环信息,确定待处理光网络的站点成环率;
成环站点度加权值确定子模块,用于通过待处理光网络的站点的度,确定待处理光网络的成环站点度加权值;
光缆资源闲置率确定子模块,用于通过待处理光网络的光缆带宽信息及光缆光纤信息,确定待处理光网络的光缆资源闲置率;
可靠性函数确定子模块,用于对站点成环率、成环站点度加权值、光缆资源闲置率分配权重并求和,得到待处理光网络的可靠性函数。
可选地,在本发明实施例的光网络规划装置的一种实施例中,可靠性函数表示为:
R=α·X+β·Y+γ·Z
其中,R表示可靠性函数;X表示站点成环率;α表示站点成环率的权重系数;Y表示成环站点度加权值;β表示站点成环率的权重系数;Z表示光缆资源闲置率;γ表示站点成环率的权重系数;且α+β+γ=1;
网络建设成本函数表示为:
其中,C表示网络建设成本函数;i∈[1,n]表示待建设光缆;ei的值为1表示第i条光缆被选中建设,值为0表示第i条光缆不被选中建设;mi的表示建设第i条光缆的建设成本;j∈[1,m]表示待建设站点;sj的值为1表示第j个站点被选中建设,值为0表示第j个站点不被选中建设;mj表示建设第j个站点的建设成本。
可选地,在本发明实施例的光网络规划装置的一种实施例中,目标光网络规划方案确定模块604,包括:
参数初始化子模块,用于识别光网络规划模型以及对光网络规划模型进行参数初始化;参数中包含多种抗体及每种抗体的抗体数目;
抗体编码子模块,用于对待处理光网络中待建设光缆以及待建设站点进行抗体编码;
抗体亲和度计算子模块,用于通过抗体亲和度公式,计算每种抗体的抗体亲和度,其中,任一抗体亲和度包含该抗体对应的各光网络规划方案的数据;
光网络规划方案判断子模块,用于判定抗体亲和度大的光网络规划方案中,是否存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案;
目标光网络规划方案确定子模块,用于若存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案,将该抗体亲和度对应的光网络规划方案确定为目标光网络规划方案。
可选地,在本发明实施例的光网络规划装置的一种实施例中,装置还包括:
抗体克隆模块,用于若不存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案,按照预设克隆条件,对抗体亲和度大的抗体进行抗体克隆;
概率计算模块,用于针对克隆后的每一种抗体,通过该种抗体的抗体亲和度,计算该种抗体的交叉概率及变异概率;
待交叉抗体获取模块,用于针对克隆后的每一种抗体,通过该种抗体的交叉概率及该种抗体的数目,确定该种抗体的待交叉抗体数目,获取与待交叉抗体数目对应的该种抗体的待交叉抗体;
抗体交叉模块,用于对每两种待交叉抗体进行抗体交叉,得到交叉后的抗体;
待变异抗体获取模块,用于针对交叉后的每种抗体,通过该种抗体的变异概率及该种抗体的数目,确定该种抗体的待变异抗体数目,获取与待变异抗体数目对应的该种抗体的待变异抗体;
抗体变异模块,用于对每个待变异抗体进行抗体变异,得到变异后的抗体;
抗体选取模块,用于分别计算每种抗体的选择概率及所有种类抗体的平均选择概率,选取选择概率大于平均选择概率的抗体种类;并返回执行通过抗体亲和度公式,计算每种抗体的抗体亲和度的步骤。
可选地,在本发明实施例的光网络规划装置的一种实施例中,光网络规划模型表示为:
其中,ω1表示可靠性函数的权重系数;ω2表示网络建设成本函数的权重系数;θ表示用于调整可靠性函数与网络建设成本函数之间数量级差异的常数;R表示可靠性函数;X表示站点成环率;α表示站点成环率的权重系数;Y表示成环站点度加权值;β表示站点成环率的权重系数;Z表示光缆资源闲置率;γ表示站点成环率的权重系数;且α+β+γ=1;F为优化变量,表示可靠性函数与网络建设成本函数的差;S1(F,Ci)表示第i种网络建设成本为Ci的光网络规划方案;表示通过min-max算法对S1(F,Ci)的优化求解。
第三方面,本发明实施例公开了一种电子设备,如图7所示。图7为本发明实施例的一种电子设备结构示意图,包括处理器701、通信接口702、存储器703和通信总线704,其中,处理器701、通信接口702、存储器703通过通信总线704完成相互间的通信;
存储器703,用于存放计算机程序;
处理器701,用于执行存储器703上所存放的程序时,实现以下方法步骤:
通过待处理光网络的网络参数信息,确定待处理光网络的可靠性函数及网络建设成本函数;
确定满足预设条件的各光网络规划方案,其中,任一光网络规划方案包含待处理光网络中待建设光缆以待建设站点;
利用网络建设成本函数、可靠性函数、各光网络规划方案,确定待处理光网络的光网络规划模型;
通过预设免疫算法,确定光网络规划模型的各光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案。
上述电子设备提到的通信总线704可以是外设部件互连标准(PeripheralComponent Interconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线704可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口702用于上述电子设备与其他设备之间的通信。
存储器703可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器701的存储装置。
上述的处理器701可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明实施例提供的一种电子设备中,首先通过待处理光网络的网络参数信息,确定待处理光网络的可靠性函数及网络建设成本函数,利用网络建设成本函数、可靠性函数、和满足预设条件的各光网络规划方案,确定待处理光网络的光网络规划模型,最后通过预设免疫算法的自适应调节,获得光网络规划模型的各光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案。本发明实施例针对目前光网络规划的现状,从光网络的建设成本和可靠性两个角度综合考虑影响网络规划方案的重要因素,建立面向成本和可靠性的光网络规划模型;进而利用自适应免疫算法获得满足可靠性和建设成本阈值约束的网络规划方案,实现了得到提升光网络的可靠性及降低网络建设成本的光网络规划方案。
又一方面,本发明实施例公开了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现上述光网络规划方法中任一所述的方法步骤。
在本发明实施例提供的一种计算机可读存储介质中,首先通过待处理光网络的网络参数信息,确定待处理光网络的可靠性函数及网络建设成本函数,利用网络建设成本函数、所述可靠性函数、和满足预设条件的各光网络规划方案,确定待处理光网络的光网络规划模型,最后通过预设免疫算法的自适应调节,获得光网络规划模型的各光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案。本发明实施例针对目前光网络规划的现状,从光网络的建设成本和可靠性两个角度综合考虑影响网络规划方案的重要因素,建立面向成本和可靠性的光网络规划模型;进而利用自适应免疫算法获得满足可靠性和建设成本阈值约束的网络规划方案,实现了得到提升光网络的可靠性及降低网络建设成本的光网络规划方案。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备及存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (8)
1.一种光网络规划方法,其特征在于,所述方法包括:
通过待处理光网络的网络参数信息,确定所述待处理光网络的可靠性函数及网络建设成本函数;
确定满足预设条件的各光网络规划方案,其中,任一光网络规划方案包含所述待处理光网络中待建设光缆以及待建设站点;
利用所述网络建设成本函数、所述可靠性函数、各所述光网络规划方案,确定所述待处理光网络的光网络规划模型;
通过预设免疫算法,确定所述光网络规划模型的各所述光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案;
所述通过待处理光网络的网络参数信息,确定所述待处理光网络的可靠性函数,包括:
通过待处理光网络的站点成环信息,确定所述待处理光网络的站点成环率;
通过所述待处理光网络的站点的度,确定所述待处理光网络的成环站点度加权值;
通过所述待处理光网络的光缆带宽信息及光缆光纤信息,确定所述待处理光网络的光缆资源闲置率;
对所述站点成环率、所述成环站点度加权值、所述光缆资源闲置率分配权重并求和,得到所述待处理光网络的可靠性函数。
2.根据权利要求1所述的方法,其特征在于,所述可靠性函数表示为:
R=α·X+β·Y+γ·Z
其中,R表示可靠性函数;X表示站点成环率;α表示所述站点成环率的权重系数;Y表示成环站点度加权值;β表示站点成环率的权重系数;Z表示光缆资源闲置率;γ表示站点成环率的权重系数;且α+β+γ=1;
所述网络建设成本函数表示为:
其中,C表示网络建设成本函数;i∈[1,n]表示待建设光缆;ei的值为1表示第i条光缆被选中建设,值为0表示第i条光缆不被选中建设;mi的表示建设第i条光缆的建设成本;j∈[1,m]表示待建设站点;sj的值为1表示第j个站点被选中建设,值为0表示第j个站点不被选中建设;mj表示建设第j个站点的建设成本。
3.根据权利要求1所述的方法,其特征在于,所述通过预设免疫算法,确定所述光网络规划模型的各所述光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案,包括:
识别所述光网络规划模型以及对所述光网络规划模型进行参数初始化;所述参数中包含多种抗体及每种抗体的抗体数目;
对所述待处理光网络中待建设光缆以及待建设站点进行抗体编码;
通过抗体亲和度公式,计算每种抗体的抗体亲和度,其中,任一抗体亲和度包含该抗体对应的各所述光网络规划方案的数据;
判定抗体亲和度大的光网络规划方案中,是否存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案;
若存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案,将该抗体亲和度对应的光网络规划方案确定为目标光网络规划方案。
4.根据权利要求3所述的方法,其特征在于,在所述判定抗体亲和度大的光网络规划方案中,是否存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案之后,所述方法还包括:
若不存在可靠性和建设成本满足可靠性和建设成本约束条件的光网络规划方案,按照预设克隆条件,对抗体亲和度大的抗体进行抗体克隆;
针对克隆后的每一种抗体,通过该种抗体的抗体亲和度,计算该种抗体的交叉概率及变异概率;
针对克隆后的每一种抗体,通过该种抗体的交叉概率及该种抗体的数目,确定该种抗体的待交叉抗体数目,获取与所述待交叉抗体数目对应的该种抗体的待交叉抗体;
对每两种待交叉抗体进行抗体交叉,得到交叉后的抗体;
针对交叉后的每种抗体,通过该种抗体的变异概率及该种抗体的数目,确定该种抗体的待变异抗体数目,获取与所述待变异抗体数目对应的该种抗体的待变异抗体;
对每个待变异抗体进行抗体变异,得到变异后的抗体;
分别计算每种抗体的选择概率及所有种类抗体的平均选择概率,选取选择概率大于所述平均选择概率的抗体种类;并返回执行通过抗体亲和度公式,计算每种抗体的抗体亲和度的步骤。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述光网络规划模型表示为:
其中,ω1表示可靠性函数的权重系数;ω2表示网络建设成本函数的权重系数;θ表示用于调整可靠性函数与网络建设成本函数之间数量级差异的常数;R表示可靠性函数;X表示站点成环率;α表示所述站点成环率的权重系数;Y表示成环站点度加权值;β表示所述站点成环率的权重系数;Z表示光缆资源闲置率;γ表示所述站点成环率的权重系数;且α+β+γ=1;C表示网络建设成本函数;i∈[1,n]表示待建设光缆;ei的值为1表示第i条光缆被选中建设,值为0表示第i条光缆不被选中建设;mi的表示建设第i条光缆的建设成本;j∈[1,m]表示待建设站点;sj的值为1表示第j个站点被选中建设,值为0表示第j个站点不被选中建设;mj表示建设第j个站点的建设成本;F为优化变量,表示可靠性函数与网络建设成本函数的差;S1(F,Ci)表示第i种网络建设成本为Ci的光网络规划方案;表示通过min-max算法对S1(F,Ci)的优化求解。
6.一种光网络规划装置,其特征在于,所述装置包括:
函数确定模块,用于通过待处理光网络的网络参数信息,确定所述待处理光网络的可靠性函数及网络建设成本函数;
光网络规划方案确定模块,用于确定满足预设条件的各光网络规划方案,其中,任一光网络规划方案包含所述待处理光网络中待建设光缆以及待建设站点;
光网络规划模型确定模块,用于利用所述网络建设成本函数、所述可靠性函数、各所述光网络规划方案,确定所述待处理光网络的光网络规划模型;
目标光网络规划方案确定模块,用于通过预设免疫算法,确定所述光网络规划模型的各所述光网络规划方案中,满足可靠性和建设成本约束条件的目标光网络规划方案;
所述函数确定模块,包括:
站点成环率确定子模块,用于通过待处理光网络的站点成环信息,确定所述待处理光网络的站点成环率;
成环站点度加权值确定子模块,用于通过所述待处理光网络的站点的度,确定所述待处理光网络的成环站点度加权值;
光缆资源闲置率确定子模块,用于通过所述待处理光网络的光缆带宽信息及光缆光纤信息,确定所述待处理光网络的光缆资源闲置率;
可靠性函数确定子模块,用于对所述站点成环率、所述成环站点度加权值、所述光缆资源闲置率分配权重并求和,得到所述待处理光网络的可靠性函数。
7.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1-5任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910292787.6A CN109996133B (zh) | 2019-04-12 | 2019-04-12 | 一种光网络规划方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910292787.6A CN109996133B (zh) | 2019-04-12 | 2019-04-12 | 一种光网络规划方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109996133A CN109996133A (zh) | 2019-07-09 |
CN109996133B true CN109996133B (zh) | 2021-09-24 |
Family
ID=67133475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910292787.6A Active CN109996133B (zh) | 2019-04-12 | 2019-04-12 | 一种光网络规划方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109996133B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112578283B (zh) * | 2020-12-14 | 2022-03-11 | 北汽福田汽车股份有限公司 | 一种电池系统参数确定方法、装置及车辆 |
CN113992519A (zh) * | 2021-11-17 | 2022-01-28 | 国网天津市电力公司 | 一种可自动计算的电力通信资源规划方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143119A (zh) * | 2014-07-29 | 2014-11-12 | 华北电力大学 | 一种多尺度分层蜂窝输电网及其规划方法 |
CN105719016A (zh) * | 2016-01-19 | 2016-06-29 | 国家电网公司 | 一种基于免疫算法的电力通信网接入点的选址规划方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7630635B1 (en) * | 2001-07-19 | 2009-12-08 | Alcatel-Lucent Usa Inc. | Channel wavelength assignment with transient reduction |
US10185730B2 (en) * | 2014-12-31 | 2019-01-22 | Nexenta Systems, Inc. | Methods and systems for key-value-tuple-encoded storage |
-
2019
- 2019-04-12 CN CN201910292787.6A patent/CN109996133B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143119A (zh) * | 2014-07-29 | 2014-11-12 | 华北电力大学 | 一种多尺度分层蜂窝输电网及其规划方法 |
CN105719016A (zh) * | 2016-01-19 | 2016-06-29 | 国家电网公司 | 一种基于免疫算法的电力通信网接入点的选址规划方法 |
Non-Patent Citations (4)
Title |
---|
Immune system multiobjective optimization algorithm for analysis of communication network planning;Bin Zhang;《2014 10th International Conference on Natural Computation (ICNC)》;20140821;全文 * |
Planning Method of Cross-Level Distribution Network Based on Immune Particle Swarm Algorithm;Rui Gong;《2018 37th Chinese Control Conference (CCC)》;20181008;全文 * |
基于免疫算法的电力通信网线路规划方法;石悦;《北京邮电大学学报》;20140430;第1-2节 * |
面向配电通信网的资源映射和接入规划算法;李枝灵;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180331;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109996133A (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109639575B (zh) | 基于链路拥塞系数的路由规划方法 | |
CN111224875B (zh) | 基于信息价值确定联合数据采集及传输策略的方法及装置 | |
CN109996133B (zh) | 一种光网络规划方法、装置、电子设备及存储介质 | |
CN109286959A (zh) | 一种基于层次分析法的异构无线网络垂直切换方法 | |
CN112784362A (zh) | 一种用于无人机辅助边缘计算的混合优化方法及系统 | |
CN111538570A (zh) | 一种面向节能和QoS保障的VNF部署方法及装置 | |
CN111953547B (zh) | 一种基于业务的异构基站重叠分组及资源配置方法及装置 | |
CN108667650B (zh) | 考虑业务流程特征的网络拓扑优化设计方法 | |
CN112543151B (zh) | Sdn控制器部署方法、装置、电子设备和存储介质 | |
CN109144730B (zh) | 一种小小区下任务卸载方法及装置 | |
CN111343027B (zh) | 一种基于遗传算法的网络切片部署方法和装置 | |
CN113489654A (zh) | 一种路由选择方法、装置、电子设备及存储介质 | |
CN112183000A (zh) | 一种支持互连约束的超图划分方法 | |
CN111160649A (zh) | 一种资源调度方案获取方法及装置 | |
CN111506104B (zh) | 一种规划无人机位置的方法及装置 | |
CN107623595B (zh) | 一种网络服务器部署方法及系统 | |
CN113285832B (zh) | 基于nsga-ii的电力多模态网络资源优化分配方法 | |
CN114785692A (zh) | 一种虚拟电厂聚合调控通信网络流量均衡方法及装置 | |
CN114205830A (zh) | 一种智能电网通信网规划方法、系统、设备及存储介质 | |
CN113709817A (zh) | 多基站多服务器场景下的任务卸载和资源调度方法及装置 | |
CN110933728B (zh) | 虚拟化无线传感网络的映射方法、装置、存储介质 | |
CN113472591A (zh) | 一种业务性能的确定方法及装置 | |
Guan et al. | Multidimensional Resource Fragmentation-Aware Virtual Network Embedding for IoT Applications in MEC Networks | |
CN111275308A (zh) | 一种资源分配方法及装置 | |
CN110166362B (zh) | 一种基于节点筛选的服务功能图低时延映射方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |