CN115278411A - 片上光网络中多维度路由波长分配方法及装置 - Google Patents

Abstract

本发明涉及一种片上光网络中多维度路由波长分配方法及装置，路由波长分配方法包括步骤：获取片上光网络的多维度性能因素中每个性能因素的网络信息；组合通信任务对的若干候选路由路径和源节点处的若干当前可用波长，得到若干组合方案；结合每个性能因素的网络信息，评估每个组合方案的综合性能，得到每个组合方案的分数；在若干组合方案的分数中选择最大值对应的组合方案作为通信任务对的路由波长组合方案。该路由波长分配方法结合片上光网络的多维度性能因素进行分配，使得路由波长分配可以根据网络环境做出自适应性的调整，分配效果较佳，分配效率较高。

Description

片上光网络中多维度路由波长分配方法及装置

技术领域

本发明属于通信技术领域，具体涉及一种片上光网络中多维度路由波长分配方法及装置。

背景技术

作为片上光网络的主要任务，路由和波长分配(Routing and WavelengthAssignment,RWA)方案需要多方面地考虑网络中的性能因素。由于光学器件导致的串扰、损耗等是片上光网络面临的主要问题，会造成光信噪比(Optical Signal to Noise Ratio,OSNR)的恶化，影响传输质量。光信噪比同时受到路由和波长分配的影响，而后者常常被忽略，并且由于网络的动态性和路由器结构的复杂性，光信噪比往往难以评估。同时，负载均衡、等待时延等因素也影响着片上光网络的网络性能。

现有的RWA方法大多研究倾向于优化路由子问题。一类基本的方法是将RWA问题视为非确定性多项式(Nondeterministic polynominal，NP)难的问题，通过整体线性规划(Integer linear programming，ILP)获得最优解，过程复杂。一些研究通过机器学习来改善这个问题，把RWA问题转化为分类问题，用ILP的解去训练机器学习(Machine Learning,ML)模型，这种方法性能好坏取决于ML模型的训练成果，并且训练过程需要大量有效数据。另一大类方法是将RWA问题分为路由和波长两个子问题分开考虑，对于路由子问题，可以通过启发式算法或机器学习获得较优解，分别存在着需要迭代时间或者训练效果可能不佳的问题。对于波长分配子问题，通常通过一些简单的算法比如首次命中法(First-Fit)或最少使用法(Least-used)来解决，此类方法无法针对网络环境进行自适应性的调整。还有一类方法将波长分配视为图着色问题，按一定的顺序完成上色。

综上，现有的RWA方法几乎不考虑波长分配能否根据网络环境做出自适应性的调整，存在分配效果不佳、分配效率低的问题。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种片上光网络中多维度路由波长分配方法及装置。本发明要解决的技术问题通过以下技术方案实现：

本发明实施例提供了一种片上光网络中多维度整体路由波长分配方法，包括步骤：

获取片上光网络的多维度性能因素中每个性能因素的网络信息；

组合通信任务对的若干候选路由路径和源节点处的若干当前可用波长，得到若干组合方案；

结合所述每个性能因素的网络信息，评估每个所述组合方案的综合性能，得到每个所述组合方案的分数；

在所述若干组合方案的分数中选择最大值对应的组合方案作为所述通信任务对的路由波长组合方案。

在本发明的一个实施例中，所述多维度性能因素包括：光信噪比、流量分布、等待时延、波长使用率中的多种。

在本发明的一个实施例中，获取片上光网络的多维度性能因素中每个性能因素的网络信息，包括：

根据信号在网络中的总插入损耗和信号在传输过程中所受到的来自于其他信号的总串扰功率，计算光信噪比的归一化数值，作为所述光信噪比的网络信息；

计算所述通信任务对的每一候选路径的链路使用次数方差的归一化数值，得到所述流量分布的网络信息；

计算所述通信任务对的每一候选路径的各链路的堵塞序列长度之和的归一化数值，得到所述等待时延的网络信息；

根据所述源节点处的当前通信对数量和所有通信任务中使用目标波长的任务数量计算所述波长使用率，得到所述波长使用率的网络信息。

在本发明的一个实施例中，结合所述每个性能因素的网络信息，评估每个所述组合方案的综合性能，得到每个所述组合方案的分数，包括：

结合所述每个性能因素的网络信息，利用模糊逻辑系统评估每个所述组合方案的综合性能，得到每个所述组合方案的分数。

在本发明的一个实施例中，结合所述每个性能因素的网络信息，利用模糊逻辑系统评估每个所述组合方案的综合性能，得到每个所述组合方案的分数，包括：

对于每个所述组合方案，将每个所述性能因素的网络信息转换为输入隶属度；

对所述网络信息的所述输入隶属度进行模糊推理，得到每个所述组合方案的输出隶属度；

对所述输出隶属度去模糊化，得到每个所述组合方案的分数。

在本发明的一个实施例中，对于每个所述组合方案，将每个所述性能因素的网络信息转换为输入隶属度，包括：

对于每个所述组合方案，根据所述网络信息设置每个所述性能因素的评价层次，将每个所述性能因素的不同评价层次作为每个所述性能因素的输入模糊集合；

通过隶属度函数，计算每个所述性能因素的网络信息对于所述输入模糊集合的隶属度，得到每个所述输入模糊集合的输入隶属度。

在本发明的一个实施例中，所述隶属度函数包括左梯形输入隶属度函数、三角形输入隶属度函数和右梯形输入隶属度函数。

在本发明的一个实施例中，对所述网络信息的所述输入隶属度进行模糊推理，得到每个所述组合方案的输出隶属度，包括：

利用所有所述输入模糊集合中不同所述评价层次的占比设定具有不同评价层次的输出模糊集合，得到输出模糊集合；

依据推理规则，在所有所述输入模糊集合对应的所述输入隶属度中取最小值，作为所述输出模糊集合的输出隶属度。

在本发明的一个实施例中，对所述输出隶属度去模糊化，得到每个所述组合方案的分数，包括：

通过输出隶属度函数的逆映射，将所述输出隶属度转化为所述输出模糊集合的方案分数，得到每个所述组合方案的分数。

本发明的另一个实施例提供了一种片上光网络中多维度整体路由波长分配装置，包括：

网络信息获取模块，用于获取片上光网络的多维度性能因素中每个性能因素的网络信息；

组合方案获取模块，用于组合通信任务对的若干候选路由路径和源节点处的若干当前可用波长，得到若干组合方案；

组合方案评估模块，用于结合所述每个性能因素的网络信息，利用模糊逻辑系统评估每个所述组合方案的综合性能，得到每个所述组合方案的分数；

组合方案选择模块，用于在所述若干组合方案的分数中选择最大值对应的组合方案作为所述通信任务对的路由波长组合方案。

与现有技术相比，本发明的有益效果：

1、本发明的路由波长分配方法中，结合片上光网络的多维度性能因素，对每个组合方案的综合性能进行评估，并根据评估的分数进行路由波长分配，从而在路由波长分配过程中综合考虑每个性能因素，使得波长分配也可以根据网络环境做出自适应性调整，分配效果较佳，分配效率较高；

2、本发明采用基于模糊逻辑系统的整体式的路由波长分配方法，模糊逻辑具有简便性和有效性，使得波长分配的求解过程简单，训练效果好，分配效率高。

附图说明

图1为本发明实施例提供的一种片上光网络中多维度整体路由波长分配方法的流程示意图；

图2为本发明实施例提供的一种基于模糊逻辑系统的多维度整体路由波长分配方法的流程示意图；

图3为本发明实施例提供的一种微环谐振器的工作原理及端口功率传输效率；

图4为本发明实施例提供的一种利用模糊逻辑系统进行性能评估的示意图；

图5为本发明实施例提供的一种片上光网络中多维度整体路由波长分配装置的结构示意图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

请参见图1和图2，图1为本发明实施例提供的一种片上光网络中多维度整体路由波长分配方法的流程示意图，图2为本发明实施例提供的一种基于模糊逻辑系统的多维度整体路由波长分配方法的流程示意图。

该整体路由波长分配(Integrated-RWA，I-RWA)方法包括步骤：

S1、获取片上光网络的多维度性能因素中每个性能因素的网络信息。

具体地，多维度性能因素包括光信噪比、流量分布、等待时延、波长使用率中的多种。但是片上光网络的性能因素不限于上述因素，影响片上光网络的网络性能的其他因素，例如，阻塞率、能量效率、损耗等，均可用于本实施例的路由波长分配方法。

步骤S1具体包括：

S11、根据信号在网络中的总插入损耗和信号在传输过程中所受到的来自于其他信号的总串扰功率，计算光信噪比的归一化数值，作为所述光信噪比的网络信息。

具体地，首先建立OSNR模型。OSNR是评价信号传输质量的重要指标(以dB为单位)，定义为：

其中，P_signal是信号在接收端的检测到的有用功率(此公式中以mW为单位)，P_crosstalk是信号在传输过程中所受到的来自于其他信号的串扰功率(此公式中以mW为单位)。P_signal可以定义为：

P_signal＝P_in×10^-L/10(mW) (2)

其中，P_in是信号在发射端的功率(以mW为单位)，L是信号在传输过程中的插入损耗(L>0，以dB为单位)。

插入损耗和其他信号所造成的串扰是决定信号OSNR的两个重要因素。信号的路由路径选择、波长分配都会造成插入损耗和串扰的变化，所以信号的OSNR是由路由选择和波长分配共同决定的。

因此，本实施例对插入损耗和其他信号所造成的串扰进行分析。

具体地，插入损耗分析包括：

在片上光网络中，插入损耗即信号在经过交叉波导、弯曲波导和开关器件时所造成的损耗，发生在路由器内部。开关器件PSE、CSE等通过微环谐振器(MicroringResonator,MR)工作，MR是一种可以改变光信号传输方向的器件。请参见图3，图3为本发明实施例提供的一种微环谐振器的工作原理及端口功率传输效率。如图3(a)、图3(c)，当MR处于ON状态时，输入信号与MR谐振，绝大部分信号功率沿着下载(drop)端进行传输，改变传输方向，drop端的有用信号功率系数为：

其中，λ_signal是MR输入端的信号波长。λ_MR是MR的工作波长，当MR处于ON状态时，λ_signal＝λ_MR，α为功率损耗系数，r₁、r₂是自耦合系数，θ是λ_MR和λ_signal之间的相移，如表1所示，表1以Crux路由器为例对路由器的参数进行说明，但是本实施例的路由器并不限于Crux路由器。

表1 Crux路由器参数及数值

由于实际的信号波长不是理想脉冲状，所以信号功率并没有全部进入drop端，存在小部分功率泄露到直通(through)端、沿着原来的方向传输，对本信号或其他信号造成串扰。这一部分泄露功率的系数为：

类似地，如图3(b)、图3(d)所示，当MR处于OFF状态时，大部分功率沿through端传输，有用信号的功率系数为

小部分功率泄露到drop端、成为串扰，泄露功率系数为

其中，Δλ是MR切换状态所产生的波长漂移。

综上所述，路由器级别的插入损耗由交叉波导损耗L_crossing、弯曲波导损耗L_bending、经过ON状态MR的drop端的损耗和经过OFF状态MR的though端的损耗组成。设通过一个路由器的损耗为L_i,router，则L_i,router可表示为：

其中，n₁、n₂、n₃、n₄分别为信号在传输过程中通过路由器内部的弯曲波导、交叉波导、ON状态的MR的drop端和OFF状态MR的through端的数量，Δλ为MR在ON与OFF之间切换状态所产生的波长漂移。

得到路由器级的插入损耗后，信号在网络中的总插入损耗L可表示为：

L＝∑_i L_i,router (6)

其中，L_i,router为通过一个路由器的损耗。

具体地，串扰分析包括：

串扰P_crosstalk(以mW为单位)是其他信号λ_k在通过MR时，功率泄露到本信号λ_signal所在的路径而造成的干扰噪声。本实施例内，仅考虑其他信号和本信号同时通过某一网络节点时所发生的串扰，忽略其他信号在本信号路由路径以外的节点所造成的串扰。如前所述，信号λ_k泄露的功率包括经过ON状态MR时泄露到through端的功率、泄露功率系数为

和经过OFF状态的MR时泄漏到drop端的功率、泄露功率系数为

因此，当前信号λ_signal受到来自某个其他信号λ_k的串扰功率表示为公式(7)：

其中，

表示信号λ_k在与λ_signal同时经过的第i个节点处的输入功率，n^k _5,i和n^k _6,i表示在第i个节点中信号λ_k的泄露功率经过的through端和drop端的数量。

对信号λ_k所造成的串扰最终是否影响到有用信号λ_signal的OSNR进行分析。具体地，根据串扰信号的波长λ_k分为以下两种情况：1、λ_k＝λ_signal。满足此条件的信号λ_k可以跟随有用信号λ_signal传输到目标节点，使信号λ_signal在目标节点受到干扰，从而导致OSNR降低。满足此条件时，令参数C^k＝1。2、λ_k≠λ_signal。此时，串扰信号是否可以传输到有用信号λ_signal的目标节点取决于串扰发生的位置；如果串扰发生在有用信号λ_signal在网络中任意一个转弯节点之前(即此节点后有用信号λ_signal还需改变传输方向)，则由于MR的工作特性，串扰信号λ_k无法跟随有用信号λ_signal通过下一转弯节点，不对信号λ_signal的OSNR产生影响，此时令参数C^k＝0；如果串扰发生在有用信号λ_signal在网络中最后一个转弯节点之后(即在此节点后有用信号λ_signal的传输方向不变)，则串扰信号λ_k可以到达有用信号λ_signal的目标节点，对信号λ_signal的OSNR产生影响，此时令C^k＝1。

如上所述，信号λ_k对信号λ_signal所造成的串扰功率为P^k _crosstalk。除信号λ_k外，信号λ_signal还会受到片上光网络中同时存在的其他信号的串扰，并且需要对串扰能否到达信号λ_signal的目标节点进行判断。信号λ_signal在目标节点处受到的总串扰P_crosstalk为：

P_crosstalk＝∑_kC^kP^k _crosstalk (8)

在动态的片上光网络中，其他信号的数量和波长也是动态的，所以串扰受到动态流量的影响。

由以上分析知，损耗由信号所经过的路由路径中各器件的数量和信号波长λ_signal与MR的工作波长λ_MR决定。同样的，串扰受到所经过的器件数量和其他信号波长λ_k的影响。因此，信号的OSNR由路由和波长分配同时决定。设对于第j对通信对(s_j,d_j)，存在P条候选路径，Q条可用波长，osnr_{non-normalized}(i)表示通信对第i个RWA方案的未归一化光信噪比，根据公式(1)计算得到。

表示P×Q组RWA方案中的最大光信噪比，osnr(i)表示第i个RWA方案的通信对的归一化光信噪比：

S12、计算所述通信任务对的每一候选路径的链路使用次数方差的归一化数值，得到所述流量分布的网络信息。

具体地，流量分布是流量任务在片上光网络中各条链路上的分布情况，均匀的流量分布可以减少由芯片上局部热效应所带来的额外损耗。流量分布可以通过链路使用次数的方差来衡量，链路使用次数方差越小，每条链路的使用次数越相近，流量在网络中的分布越均匀。

路由路径由多条首尾相连的链路组成。假设对于通信对(s_j,d_j)，存在P条候选路径，每条路径由K条链路组成，L(p,k)代表第p条候选路径的第k条链路的链路使用次数。则第p条路径的链路使用次数方差可表示为：

当对于通信对(s_j,d_j)进行路径级的路由规划时，关于流量分布的网络信息L_path(p)代表第p条路径的链路使用次数方差s²(p)的归一化数值：

其中，

是P条路径中的最大链路使用次数方差。

L_path(p)越小，说明该路径的链路之间使用次数相近，路由规划时越倾向选择该路径。

S13、计算所述通信任务对的每一候选路径的各链路的堵塞序列长度之和的归一化数值，得到所述等待时延的网络信息。

具体地，片上光网络的等待时延由路由器内部光路转弯处的MR被其他通信任务占用而造成。等待时延可以通过MR转弯处的堵塞序列长度进行评估，堵塞序列长度小，说明等待时延小。

设对于通信对(s_j,d_j)，有P条候选路径，每条路径有T次转弯，D(p,t)代表第p条路径的第t个转弯的堵塞序列的长度。

等待时延在路径级的网络信息D_path(p)等于第p条路径的各链路的堵塞序列长度之和的归一化数值，即：

其中，

表示P条路径中的最堵塞序列长度。D_path(p)越小表示该路径的等待时延更短，路由规划时越倾向选择该路径。

S14、根据所述源节点处的当前通信对数量和所有通信任务中使用目标波长的任务数量计算所述波长使用率，得到所述波长使用率的网络信息。

具体地，考虑波长资源的有限性，在进行波长分配时应提高单个波长的使用率，以节约波长资源。假设在片上光网络中，每个源节点有Q个可供使用的波长，定义单个波长λ_i的波长使用率为：

其中，N是当前源节点处的通信对数量，

是N对通信任务中，使用波长λ_q的任务数量，当波长为λ_q时，l(λ_q)＝1；波长不等于λ_q时，l(λ_q)＝0。

S2、组合通信任务对的若干候选路由路径和源节点处的若干当前可用波长，得到若干组合方案。

具体地，当第j对通信任务对(s_j,d_j)到达(在一个具体实施例中，可以根据具体通信需求得到通信任务对)，s_j表示通信任务对的源节点，d_j表示通信任务对的目标节点；首先获取(s_j,d_j)的候选路由路径c₁,c₂…,c_P，再获取该通信任务对在源节点s_j的当前可用波长λ₁,λ₂,…,λ_Q，可用波长指在源节点处没有被其他通信对占用的波长。将P个候选路由路径与Q个当前可用波长进行组合、形成RWA组合方案，即组合所有候选路径和可用波长，获得P×Q组RWA组合方案。

S3、结合所述每个性能因素的网络信息，评估每个所述组合方案的综合性能，得到每个所述组合方案的分数。

具体地，可以利用整数线性规划(Integer linear programming，ILP)、深度神经网络(Deep Neural Network，DNN)、深度双Q网络(Deep Q-network,DDQN)、Hopfield神经网络(Hopfield Neural Network，HNN)、模糊逻辑系统等评估每个组合方案的综合性能，得到每个组合方案的分数。优选地，本实施例利用模糊逻辑系统评估每个组合方案的综合性能，得到每个组合方案的分数。

请参见图4，图4为本发明实施例提供的一种利用模糊逻辑系统进行性能评估的示意图。

具体地，模糊逻辑系统类似于人脑的推断过程，可以根据多个性能因素做出综合决策，实现多目标的优化。RWA模糊逻辑系统分为模糊化、模糊推理过程和去模糊化三部分。

具体地，对于通信任务对(s_j,d_j)，模糊逻辑系统所做的是结合OSNR、流量分布、等待时延和波长使用率等多维度性能因素，依次评估P×Q组RWA组合方案的综合性能，计算P×Q组RWA组合方案的分数score(1),score(2),…,score(P×Q)，选择分数最高的一组作为(s_j,d_j)的RWA组合方案。对于第i个RWA组合方案，模糊逻辑系统的输入是网络信息osnr(i)、L_path(i)、D_path(i)和η(i)，输出是第i个RWA组合方案的分数score(i)。分数表示RWA组合方案的性能，分数越高，表示RWA组合方案的性能越好。

S31、对于每个所述组合方案，将每个所述性能因素的网络信息转换为输入隶属度。

具体地，本步骤将输入数值转化为输入隶属度，属于模糊化过程，其转化过程如下：获取第i个RWA组合方案的网络信息osnr(i)、L_path(i)、D_path(i)和η(i)，通过输入隶属度函数，分别计算对应模糊集合的输入隶属度μ^input _OSNR＝[μ^input _L1,μ^input _M1,μ^input _H1]、μ^input _traffic＝[μ^input _L2,μ^input _H2]、μ^input _delay＝[μ^input _L3,μ^input _H3]、μ^input _usage＝[μ^input _L4,μ^input _H4]。

具体包括步骤：

S311、对于每个所述组合方案，根据所述网络信息设置每个所述性能因素的评价层次，将每个所述性能因素的不同评价层次作为每个所述性能因素的输入模糊集合。

具体地，在模糊逻辑中，某一性能因素可以被称作语义变量，一个性能因素具有多层次的评价，即一个语义变量可以包含多个模糊集合。模糊集合代表某一性能因素的某一层次的评价。

对于片上光网络的RWA问题，设置输入语义变量为V_OSNR、V_traffic、V_delay、V_usage，分别对应OSNR、流量分布、负载均衡、波长使用率这几个性能因素。

本实施例中，利用步骤S1得到的网络信息分别设置OSNR的评价层次、流量分布的评价层次、负载均衡的评价层次、波长使用率的评价层次，将OSNR的不同评价层次作为OSNR的输入模糊集合，将流量分布的不同评价层次作为流量分布的输入模糊集合，将负载均衡的不同评价层次作为负载均衡的输入模糊集合，将波长使用率的不同评价层次作为波长使用率的输入模糊集合。

具体地，V_OSNR的输入模糊集合包括L₁、M₁、H₁，其区间和集合所代表的评价层次可以表示为：

V_traffic的输入模糊集合包括L₂和H₂，其区间和集合所代表的评价层次可以表示为：

V_delay的输入模糊集合包括L₃和H₃,其区间和集合所代表的评价层次可以表示为：

V_usage的输入模糊集合包括L₄和H₄,其区间和集合所代表的评价可以表示为：

在上述模糊集合中，L₁、L₂、L₃、L₄分别代表各性能因素的低层次评价，M₁代表性能因素的一般层次评价，H₁、H₂、H₃、H₄分别代表各性能因素的高层次评价。对于OSNR和波长利用率，输入数值osnr(i)和η(i)越大，对应性能水平越高，所以代表高层次评价的模糊集合H₁和H₄的集合区间是(b,1)。而对于流量分布和等待时延，输入数值L_path(i)和D_path(i)越大，对应性能水平越低，所以代表高层次评价的模糊集合H₂和H₃的集合区间为(0,a)。

S312、通过隶属度函数，计算每个所述性能因素的网络信息对于所述输入模糊集合的隶属度，得到每个所述输入模糊集合的输入隶属度。

具体地，在模糊逻辑中，隶属度μ∈[0,1]是表示某一元素属于某一模糊集合的程度的重要概念，隶属度越大，元素贴近模糊集合的程度就越高。隶属度通过输入隶属度函数计算得到。每一个模糊集合都对应一个隶属度函数，通过隶属度函数，可以计算模糊集合内元素对于集合的隶属度。元素是描述某一语义变量(即性能因素)的一个具体数值(即网络信息)。

本实施例中，区间为(0,a)的输入模糊集合L₁、H₂、H₃、L₄采用左梯形输入隶属度函数f^left _trapezoid(x)：

M₁采用三角输入隶属度函数f_triangle(x)：

区间为(b,1)的输入模糊集合H₁、L₂、L₃、H₄采用右梯形隶属度函数f^right _trapezoid(x):

本实施例中，为了方便表述，a、b和c分别是a_OSNR、a_traffic、a_delay、a_usage、b_OSNR、b_traffic、b_delay、b_usage和c_OSNR的指代，实际中这些参数并不要求是相同的。参数决定了输入隶属度函数的形状。设置参数的基本条件是b<c<a。除此之外，(0,a)和(b,1)两个区间的元素映射到输入隶属度通常是0或者1，所以提高a与c、c与b、a与b之间的间隔，可以减少输入隶属度为0或者1的绝对情况，提高模糊逻辑系统输出结果的精度。在一个具体实例中，设置初始值a_OSNR＝a_traffic＝a_delay＝a_usage＝0.75、b_OSNR＝b_traffic＝b_delay＝b_usage＝0.25、c_OSNR＝0.5。初始值可以作为参数的参考，也可以根据方案的实际效果进行调整。

通过上述步骤，得到每个输入模糊集合的输入隶属度μ^input _OSNR＝[μ^input _L1,μ^input _M1,μ^input _H1]、μ^input _traffic＝[μ^input _L2,μ^input _H2]、μ^input _delay＝[μ^input _L3,μ^input _H3]、μ^input _usage＝[μ^input _L4,μ^input _H4]。

S32、对所述网络信息的所述输入隶属度进行模糊推理，得到每个所述组合方案的输出隶属度。

具体地，模糊推理依据推理规则将输入隶属度转化为输出隶属度。

具体包括步骤：

S321、利用所有所述输入模糊集合中不同所述评价层次的占比设定具有不同评价层次的输出模糊集合，得到输出模糊集合。

具体地，推理规则规定了输入模糊集合和输出模糊集合的对应关系。输出语义变量为方案分数，方案分数即代表RWA方案的性能评分。

本实施例中，定义推理规则如表2所示。

表2推理规则

根据推理规则的输入模糊集合部分，可以由专家经验确定输出模糊集合的数量以及与输入模糊集合之间对应关系。具体地，观察输入模糊集合部分中的低层次评价、一般层次评价和高层次评价的占比。低层次评价的输入模糊集合占比越多，输出模糊集合的评价层次就越低；高层次评价的输入模糊集合占比越多，输出模糊集合的评价层次就越高。当依次完成所有规则中输出模糊集合的设定后，输出模糊集合的数量就确定了。例如，在本方案的一个实例中，当输入模糊集全部是代表低层次评价的L时，则设置输出模糊集合为代表最低分数的输出模糊集合S₁；当仅一个输入模糊集是代表高层次评价的H而其他为L时，则设置略高分数的输出模糊集合S₂；如果想突出某一输入语义变量区别于其他输入语义变量的重要性，可以当此语义变量的高层次评价H出现时，在规则中给予更高级别的方案分数，例如表中规则R₁₇。在完成24条规则的输出模糊集合设定之后，确定了输出模糊集合的数量为12。依据上述过程，将方案分数分为12个输出模糊集合，即S₁＝{score(i)|0<score(i)<1}，S₂＝{score(i)|1<score(i)<2},…,S₁₂＝{score(i)|11<score(i)<12}。

S322、依据推理规则，在所有所述输入模糊集合对应的所述输入隶属度中取最小值，作为所述输出模糊集合的输出隶属度。

具体地，推理规则中，输入模糊集合之间的逻辑关系是“与”，即在输入模糊集合对应的输入隶属度中取最小值，作为规则规定的输出模糊集合的输出隶属度。推理规则详细规定了每一个输出模糊集对应了哪些输入模糊集。按照表格编号顺序执行每一条推理规则，具体在执行某一条规则时，在规则所描述的输入模糊集的隶属度之间取最小值，作为该规则所描述的输出模糊集合的输出隶属度。全部推理规则执行完毕后，获得输出隶属度，即模糊推理的输入为步骤S22得到的输入隶属度，输出为输出隶属度μ^output _score＝[μ^output _S1,μ^output _S2,…,μ^output _S12]。

S33、对所述输出隶属度去模糊化，得到每个所述组合方案的分数。

具体地，去模糊化将输出隶属度转化为模糊逻辑系统的输出数值，即分数score(i)，作为对第i个RWA组合方案性能的评价值，分数越高，RWA组合方案的性能越好。去模糊化是一个与模糊化相反的过程。模糊化将输入语义变量的元素(即网络信息)转化为输入隶属度，而去模糊化通过输出隶属度函数的逆映射，将输出隶属度转化为输出语义变量的元素(即方案分数score(i))，从而得到每个所述RWA组合方案的分数。具体地，可以利用通过面积中心法、重心法等方法进行去模糊化。

在一个具体实施例中，选择面积中心法进行去模糊化，首先计算每一个由输出隶属度数值所在的水平线、输出隶属度函数和x轴三者所围成的面积，再计算所有面积的面积中心，面积中心对应的横坐标即为每个所述组合方案评分输出值。

进一步地，去模糊化标志着第i个RWA组合方案评估的完成。类似地，依次通过RWA模糊逻辑系统完成通信对(s_j,d_j)其他RWA方案的评估。

S4、在所述若干组合方案的分数中选择最大值对应的组合方案作为所述通信任务对的路由波长组合方案。

具体地，比较P×Q组RWA组合方案的分数，在P×Q组RWA组合方案的分数score(1),score(2),…,score(P×Q)中选择最大值所对应的RWA组合方案，作为通信对(s_j,d_j)的RWA组合方案。

进一步地，当(s_j,d_j)到达目标节点，通信时间结束后，释放(s_j,d_j)所使用的波长和MR资源，更新各链路的使用次数、各节点处的堵塞序列长度和源节点处的波长使用情况，实现对流量动态化的自适应。

本实施例的路由波长分配方法中，结合片上光网络的多维度性能因素，对每个组合方案的综合性能进行评估，并根据评估的分数进行路由波长分配，从而在路由波长分配过程中综合考虑每个性能因素，使得波长分配也可以根据网络环境做出自适应性调整，分配效果较佳，分配效率较高。另外，采用基于模糊逻辑系统的整体式的路由波长分配方法，模糊逻辑具有简便性和有效性，使得波长分配的求解过程简单，训练效果好，分配效率高。

实施例二

在实施例一的基础上，请参见图5，图5为本发明实施例提供的一种片上光网络中多维度整体路由波长分配装置的结构示意图。

该多维度整体路由波长分配装置包括网络信息获取模块、组合方案获取模块、组合方案评估模块和组合方案选择模块。

具体地，网络信息获取模块用于获取片上光网络的多维度性能因素中每个性能因素的网络信息。组合方案获取模块用于组合通信任务对的若干候选路由路径和源节点处的若干当前可用波长，得到若干RWA组合方案。组合方案评估模块与网络信息获取模块、组合方案获取模块连接，用于结合所述每个性能因素的网络信息，评估每个所述组合方案的综合性能，得到每个所述组合方案的分数。组合方案选择模块与组合方案选择模块连接，用于在所述若干组合方案的分数中选择最大值对应的组合方案作为所述通信任务对的路由波长组合方案。

本实施例的片上光网络中多维度整体路由波长分配装置，其实现方法和技术效果请参见实施例一，本实施例不再赘述。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种片上光网络中多维度整体路由波长分配方法，其特征在于，包括步骤：

获取片上光网络的多维度性能因素中每个性能因素的网络信息；

组合通信任务对的若干候选路由路径和源节点处的若干当前可用波长，得到若干组合方案；

结合所述每个性能因素的网络信息，评估每个所述组合方案的综合性能，得到每个所述组合方案的分数；

在所述若干组合方案的分数中选择最大值对应的组合方案作为所述通信任务对的路由波长组合方案。

2.根据权利要求1所述的片上光网络中多维度整体路由波长分配方法，其特征在于，所述多维度性能因素包括：光信噪比、流量分布、等待时延、波长使用率中的多种。

3.根据权利要求2所述的片上光网络中多维度整体路由波长分配方法，其特征在于，获取片上光网络的多维度性能因素中每个性能因素的网络信息，包括：

根据信号在网络中的总插入损耗和信号在传输过程中所受到的来自于其他信号的总串扰功率，计算光信噪比的归一化数值，作为所述光信噪比的网络信息；

计算所述通信任务对的每一候选路径的链路使用次数方差的归一化数值，得到所述流量分布的网络信息；

计算所述通信任务对的每一候选路径的各链路的堵塞序列长度之和的归一化数值，得到所述等待时延的网络信息；

根据所述源节点处的当前通信对数量和所有通信任务中使用目标波长的任务数量计算所述波长使用率，得到所述波长使用率的网络信息。

4.根据权利要求1所述的片上光网络中多维度整体路由波长分配方法，其特征在于，结合所述每个性能因素的网络信息，评估每个所述组合方案的综合性能，得到每个所述组合方案的分数，包括：

结合所述每个性能因素的网络信息，利用模糊逻辑系统评估每个所述组合方案的综合性能，得到每个所述组合方案的分数。

5.根据权利要求4所述的片上光网络中多维度整体路由波长分配方法，其特征在于，结合所述每个性能因素的网络信息，利用模糊逻辑系统评估每个所述组合方案的综合性能，得到每个所述组合方案的分数，包括：

对于每个所述组合方案，将每个所述性能因素的网络信息转换为输入隶属度；

对所述网络信息的所述输入隶属度进行模糊推理，得到每个所述组合方案的输出隶属度；

对所述输出隶属度去模糊化，得到每个所述组合方案的分数。

6.根据权利要求5所述的片上光网络中多维度整体路由波长分配方法，其特征在于，对于每个所述组合方案，将每个所述性能因素的网络信息转换为输入隶属度，包括：

对于每个所述组合方案，根据所述网络信息设置每个所述性能因素的评价层次，将每个所述性能因素的不同评价层次作为每个所述性能因素的输入模糊集合；

通过隶属度函数，计算每个所述性能因素的网络信息对于所述输入模糊集合的隶属度，得到每个所述输入模糊集合的输入隶属度。

7.根据权利要求6所述的片上光网络中多维度整体路由波长分配方法，其特征在于，所述隶属度函数包括左梯形输入隶属度函数、三角形输入隶属度函数和右梯形输入隶属度函数。

8.根据权利要求6所述的片上光网络中多维度整体路由波长分配方法，其特征在于，对所述网络信息的所述输入隶属度进行模糊推理，得到每个所述组合方案的输出隶属度，包括：

利用所有所述输入模糊集合中不同所述评价层次的占比设定具有不同评价层次的输出模糊集合，得到输出模糊集合；

依据推理规则，在所有所述输入模糊集合对应的所述输入隶属度中取最小值，作为所述输出模糊集合的输出隶属度。

9.根据权利要求5所述的片上光网络中多维度整体路由波长分配方法，其特征在于，对所述输出隶属度去模糊化，得到每个所述组合方案的分数，包括：

通过输出隶属度函数的逆映射，将所述输出隶属度转化为所述输出模糊集合的方案分数，得到每个所述组合方案的分数。

10.一种片上光网络中多维度整体路由波长分配装置，其特征在于，包括：

网络信息获取模块，用于获取片上光网络的多维度性能因素中每个性能因素的网络信息；

组合方案获取模块，用于组合通信任务对的若干候选路由路径和源节点处的若干当前可用波长，得到若干组合方案；

组合方案评估模块，用于结合所述每个性能因素的网络信息，评估每个所述组合方案的综合性能，得到每个所述组合方案的分数；

组合方案选择模块，用于在所述若干组合方案的分数中选择最大值对应的组合方案作为所述通信任务对的路由波长组合方案。

Images