CN117040631A - 光纤网络自动化跳纤方法、系统、计算机设备和存储介质 - Google Patents
光纤网络自动化跳纤方法、系统、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117040631A CN117040631A CN202310982103.1A CN202310982103A CN117040631A CN 117040631 A CN117040631 A CN 117040631A CN 202310982103 A CN202310982103 A CN 202310982103A CN 117040631 A CN117040631 A CN 117040631A
- Authority
- CN
- China
- Prior art keywords
- node
- optical fiber
- network
- acquiring
- accessed
- 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.)
- Pending
Links
- 239000013307 optical fiber Substances 0.000 title claims abstract description 148
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 78
- 239000000835 fiber Substances 0.000 claims abstract description 58
- 238000004590 computer program Methods 0.000 claims abstract description 26
- 230000009191 jumping Effects 0.000 claims abstract description 16
- 238000009826 distribution Methods 0.000 claims description 23
- 238000005457 optimization Methods 0.000 abstract description 5
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
- H04L45/122—Shortest path evaluation by minimising distances, e.g. by selecting a route with minimum of number of hops
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/25—Arrangements specific to fibre transmission
- H04B10/2589—Bidirectional transmission
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/25—Arrangements specific to fibre transmission
- H04B10/2589—Bidirectional transmission
- H04B10/25891—Transmission components
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L49/00—Packet switching elements
- H04L49/15—Interconnection of switching modules
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请涉及一种光纤网络自动化跳纤方法、系统、计算机设备、存储介质和计算机程序产品。所述方法包括:获取光纤网络初始加权图;根据光纤网络初始加权图获取已访问节点集与未访问节点集;基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径。采用本方法能够实现自动跳纤工作的智能化和优化,有效地提升了光纤网络的性能和稳定性。
Description
技术领域
本申请涉及光纤网络管理技术领域,特别是涉及一种光纤网络自动化跳纤方法、系统、计算机设备、存储介质和计算机程序产品。
背景技术
作为现代通信网络的主流技术,光纤网络因其传输速度快、带宽大、抗干扰能力强等优点广泛应用于各个领域。然而,随着网络规模的扩大和业务需求的增长,网络中的跳纤(即光纤间的连接)工作变得日益复杂。
在传统的光纤网络中,跳纤工作主要依赖人工进行,不仅工作量大效率低,而且容易出错,尤其是在大规模和复杂的网络环境下更是如此。此外,由于人工操作的局限性,难以实现网络路径的最优选择,可能导致网络资源的浪费和网络性能的下降。
为了解决上述问题,业界开始研究和开发自动跳纤系统。早期的自动跳纤系统通常采用简单的算法或规则进行网络路径的选择,难以达到最优的网络性能。且早期系统设计复杂、成本高、普及率较低。因此,需要一种更高效、更可靠、更易于推广的方法。
发明内容
基于此,有必要针对上述技术问题,提供一种能够更加高效可靠实现光纤网络中自动跳纤的光纤网络自动化跳纤方法、系统、计算机设备、存储介质和计算机程序产品。
第一方面,本申请提供了一种光纤网络自动化跳纤方法。所述方法包括:
获取光纤网络初始加权图;
根据光纤网络初始加权图获取已访问节点集与未访问节点集;
基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径。
在一个实施例中,基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径包括:
获取光纤网络初始参数集,并根据初始参数集获取权值;
初始化源节点与其他节点的绝对距离值;
根据未访问节点集获取绝对距离值最小的当前节点;
获取当前节点与邻接节点的相对距离值,在当前节点与邻接节点的相对距离值小于邻接节点的绝对距离值的情况下,更新邻接节点的绝对距离值;
重复根据未访问节点集获取绝对距离值最小的当前节点,将当前节点从未访问节点集移至已访问节点集;
遍历当前节点的邻接节点,直至目标节点被访问或未访问节点集为空,输出源节点与目标节点的最短距离值,根据输出源节点与目标节点的最短距离值获取跳纤路径。
在一个实施例中,根据未访问节点集获取绝对距离值最小的当前节点还包括:
在当前节点即为目标节点时,输出当前节点的绝对距离值,获取跳纤路径。
在一个实施例中,获取光纤网络初始参数集,并根据初始参数集获取权值包括:
根据光纤连接线的物理属性获取光纤网络初始参数集,并根据初始参数集定义算法中边的权值。
在一个实施例中,获取光纤网络初始加权图包括:
根据光纤网络的结构获取光纤网络初始加权图;其中根据光纤接头获取节点分布,根据光纤连接线获取边分布。
在一个实施例中,该方法还包括:
基于Bellman-Ford算法根据光纤网络的分布获取跳纤路径。
第二方面,本申请还提供了一种光纤网络自动化跳纤系统。所述装置包括:
光纤网络初始加权图获取模块,用于获取光纤网络初始加权图;
节点集获取模块,用于根据光纤网络初始加权图获取已访问节点集与未访问节点集;
跳纤路径获取模块,用于基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取光纤网络初始加权图;
根据光纤网络初始加权图获取已访问节点集与未访问节点集;
基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取光纤网络初始加权图;
根据光纤网络初始加权图获取已访问节点集与未访问节点集;
基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取光纤网络初始加权图;
根据光纤网络初始加权图获取已访问节点集与未访问节点集;
基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径。
上述光纤网络自动化跳纤方法、系统、计算机设备、存储介质和计算机程序产品,通过获取光纤网络初始加权图;根据光纤网络初始加权图获取已访问节点集与未访问节点集;基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径,将网络连接的工作完全自动化,通过计算找到各个节点间的最优路径,从而实现网络路径的最优选择,提高了网络性能。
附图说明
图1为一个实施例中光纤网络自动化跳纤方法的流程示意图;
图2为一个实施例中光纤网络自动化跳纤方法的时间节点流程图;
图3为一个实施例中在MATLAB上的节点模拟图;
图4为一个实施例中光纤网络自动化跳纤方法输出的结果示意图;
图5为另一个实施例中光纤网络自动化跳纤方法的流程示意图;
图6为一个实施例中光纤网络自动化跳纤系统的模块示意图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
光纤网络作为现代通信网络的主流技术,因其传输速度快、带宽大、抗干扰能力强等优点,广泛应用于各个领域。然而,随着网络规模的扩大和业务需求的增长,网络中的跳纤(即光纤间的连接)工作变得日益复杂。虽然光纤网络已经广泛应用,但是在实际运营中,依然存在以下的问题:
首先是人工操作的问题。在传统的光纤网络中,跳纤工作主要依赖人工进行,工作人员需要根据网络结构和业务需求,手动选择和连接光纤。但这种方式工作量大、效率低下,而且容易出错,尤其是在大规模、复杂的网络环境下。此外,由于人工操作的局限性,工作人员可能会因为疏忽或者理解错误而选择错误的光纤路径,难以实现网络路径的最优选择,这不仅会影响网络性能,导致网络资源的浪费和网络性能的下降,还可能导致严重的网络故障。
其次是网络路径选择的问题。即使有了自动跳纤系统,如果仅仅采用简单的算法或规则进行网络路径选择,仍然可能导致网络性能的不理想。例如,选择的网络路径过长或者过拥挤,可能会导致网络延迟增大,影响用户体验。早期的自动跳纤系统就是如此,通常采用简单的算法或规则进行网络路径的选择,难以实现最优的网络性能。
然后是系统设计和成本的问题。早期的自动跳纤系统可以自动化地进行光纤的选择和连接,大大提高工作效率,降低错误率。然而这种系统通常设计复杂、成本高,不利于在大规模网络中的推广和应用,因而普及率较低。
最后是网络资源利用率的问题。在人工或者简单规则下,网络资源(如光纤路径)的利用率可能会较低,这在一定程度上是网络资源的浪费。
因此,光纤网络管理仍然面临诸多挑战,需要一种更高效可靠、易于推广的自动跳纤系统,同时兼顾更为简洁的设计、更低的成本和更优越的性能。
在这样的背景下,基于Dijkstra算法提出一种光纤网络中自动跳纤系统,通过引入Dijkstra算法进行网络路径的最优选择,实现自动跳纤工作的智能化和优化,有效地提升光纤网络的性能和稳定性。
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种光纤网络自动化跳纤方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤102,获取光纤网络初始加权图。
步骤104,根据光纤网络初始加权图获取已访问节点集与未访问节点集。
步骤106,基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径。
在其中一个实施例中,识别光纤网络分布获取光纤网络初始加权图,再根据光纤网络初始加权图获取已访问节点集与未访问节点集;其中,已访问节点集与未访问节点集包含了所有节点。可选地,已访问节点集用S表示,未访问节点集用U表示。
在其中一个实施例中,最短路径算法包括Dijkstra算法。
具体地,利用光纤连接线的物理属性及光纤网络参数构建光纤网络初始加权图和数学模型;根据光纤网络初始加权图获取已访问节点集与未访问节点集的逻辑判断选择;基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径;并通过模块的程序化数学计算实现光纤自动跳线。
上述光纤网络自动化跳纤方法,通过获取光纤网络初始加权图,根据光纤网络初始加权图获取已访问节点集与未访问节点集,基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径,实现光纤资源更高效、更准确、更稳定的网络连接,有效地提升了光纤网络的性能和稳定性。在自动跳纤的过程中引入了Dijkstra算法。Dijkstra算法是一种经典的图形算法,能够找到图形中两个节点间的最短路径。通过这种算法计算找到各个节点间的最优路径,从而实现网络路径的最优选择,进而提高了网络性能。
在一个实施例中,基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径包括:获取光纤网络初始参数集,并根据初始参数集获取权值;初始化源节点与其他节点的绝对距离值;根据未访问节点集获取绝对距离值最小的当前节点;获取当前节点与邻接节点的相对距离值,在当前节点与邻接节点的相对距离值小于邻接节点的绝对距离值的情况下,更新邻接节点的绝对距离值;重复根据未访问节点集获取绝对距离值最小的当前节点,将当前节点从未访问节点集移至已访问节点集;遍历当前节点的邻接节点,直至目标节点被访问或未访问节点集为空,输出源节点与目标节点的最短距离值,根据输出源节点与目标节点的最短距离值获取跳纤路径。
在其中一个实施例中,对于起始节点s,即源节点,初始绝对距离值为0,即d(s)=0;对于其他节点w,初始绝对距离值为无穷大,即d(w)=∞。
进一步地,从未访问节点集中找到绝对距离值最小的节点u作为当前节点。对于当前节点u和其邻接节点v,在从当前节点u到邻接节点v的相对距离值加上当前节点u的绝对距离值小于邻接节点v的绝对距离值的情况下,即d(u)+w(u,v)<d(v)的情况下,则更新邻接节点v的绝对距离值为d(u)+w(u,v),具体如公式(1)所示:
d(v)=d(u)+w(u,v)(1)
其中,w(u,v)表示当前节点u和邻接节点v之间的边的权值,即光纤连接的距离或其他传输特性。
进一步地,在未访问节点集U中,选择具有最小绝对距离值的当前节点u,其中d(u)=argmin(d(v),v∈Q),argmin表示距离值最小的函数,然后将该当前节点标记为已访问,加入已访问节点集合S并从未访问节点集U中移除。
进一步地,遍历当前节点的邻接节点,直至目标节点t被访问,算法终止,d(t)即为从源节点s到目标节点t的最短距离值,输出该距离值,根据该距离值获取光纤网络的跳纤路径。
在其中一个实施例中,未访问节点集U为空时,表示所有节点都已被访问,算法同样终止,输出从源节点到目标节点的最短距离值,获取光纤网络的跳纤路径。
本实施例中,通过取光纤网络初始参数集,并根据初始参数集获取权值;初始化源节点与其他节点的绝对距离值;根据未访问节点集获取绝对距离值最小的当前节点;获取当前节点与邻接节点的相对距离值,在当前节点与邻接节点的相对距离值小于邻接节点的绝对距离值的情况下,更新邻接节点的绝对距离值;重复根据未访问节点集获取绝对距离值最小的当前节点,将当前节点从未访问节点集移至已访问节点集;遍历当前节点的邻接节点,直至目标节点被访问或未访问节点集为空,输出源节点与目标节点的最短距离值,根据输出源节点与目标节点的最短距离值获取跳纤路径。通过使用Dijkstra算法有效找到光缆路径图中的最短路径具有以下优势:首先时确定性结果;对于非负权重的有向图,Dijkstra算法能够保证找到最短路径。其次是相对高效;Dijkstra算法的时间复杂度为O(|V|2),其中|V|为节点数,在稀疏图中,使用优先队列可以将时间复杂度降低至O(|V|log|V|+|E|),其中|E|为边数。同时兼顾实用性,Dijkstra算法在实际应用中非常实用,可以找到光缆线网中的最短路径并适用于多个领域,并且Dijkstra算法的原理简单明了,容易实现。最后是可扩展性;Dijkstra算法可修改和扩展以解决其他相关问题,如A*搜索算法就是基于Dijkstra算法的启发式搜索算法。此外,Dijkstra算法可以实时计算最短路径,对于图的局部修改,如增加或者删除节点或边,可以相对快速地更新结果,更具实时性。
在一个实施例中,根据未访问节点集获取绝对距离值最小的当前节点还包括在当前节点即为目标节点时,输出当前节点的绝对距离值,获取跳纤路径。
具体地,从未访问节点集U中获取绝对距离值最小的当前节点,如果此当前节点即为目标节点,则当前节点的绝对距离值即为源节点与目标节点的最短距离值。
本实施例中,将首次选取当前节点即为目标节点的情况纳入考虑范围,进一步优化网络路径选择,提高网络资源利用率。
在一个实施例中,获取光纤网络初始参数集,并根据初始参数集获取权值包括:根据光纤连接线的物理属性获取光纤网络初始参数集,并根据初始参数集定义算法中边的权值。
具体地,光纤连接线的物理属性包括长度、损耗、带宽、延迟。其中,长度即为光纤连接线的物理长度,跳纤时通常希望光纤连接线总长度最短以减小光纤损耗和提高信号传输质量;损耗即为光纤连接线的光损耗,在跳纤过程中损耗较小的连接线可能更为理想;带宽即为光纤连接线的带宽,在跳纤时连接线的带宽可能影响网络性能;延迟即为光纤连接线的传输延迟,在某些对时延敏感的应用场景下,可以将延迟作为权值考虑。
进一步地,综合考虑这些参数,可以定义一个综合权值作为Dijkstra算法中边的权值。可选地,可以使用加权和的方法将各个参数线性组合,如公式(2)所示:
权值=α*长度+β*损耗+γ*带宽+δ*延迟 (2)
其中,α、β、γ和δ是权重系数。
可选地,也可以根据实际因素只考虑计数,如公式(3)所示:
TTOTAL=∑[TPD+TQD+TNPD] (3)
式中,TTOTAL即为网络总延迟时间;TPD即为传播延时;TQD即为排队延时TNPD即为处理延时。若光纤网络的处理和排队延时很小,可以根据公式(4)设计计算:
TTOTAL=∑[TPD+0+0]=L/ν (4)
其中,L即为光纤长度;ν即为光在光纤中的速度。
本实施例中,根据光纤连接线的物理属性获取光纤网络初始参数集,并根据初始参数集定义算法中边的权值,其中权重系数可以根据实际需求调整,进而满足不同的优化目标。
在一个实施例中,获取光纤网络初始加权图包括:根据光纤网络的结构获取光纤网络初始加权图;其中根据光纤接头获取节点分布,根据光纤连接线获取边分布。
在其中一个实施例中,光纤网络表示为一个加权图G,其中节点表示光纤接头,边表示光纤连接线,边的权值表示连接线的长度或损耗等参数,因而根据光纤接头的分布情况获取加权图中的节点分布,根据光纤连接线的分布情况获取加权图中的边分布。
本实施例中,根据光纤网络的结构获取光纤网络初始加权图;其中根据光纤接头获取节点分布,根据光纤连接线获取边分布,为引入Dijkstra算法自动获取跳纤路径做准备,以便于实现自动识别光纤网络中的各个节点以及各个节点间的连接状态、自动进行光纤连接的功能,从而解决了人工跳纤低效、易错的问题。
在一个实施例中,该方法还包括:基于Bellman-Ford算法根据光纤网络的分布获取跳纤路径。
可选地,该方法不仅可以选择Dijkstra算法,还可选择Bellman-Ford算法根据光纤网络的分布获取跳纤路径。
具体地,将Bellman-Ford算法应用到自动跳纤方法中,可以有效地实现网络路径的优化。在该方法中,光纤网络的每个连接都可以视为图形中的一条边,每个设备可以视为一个顶点,例如交换机或路由器。Bellman-Ford算法用于确定从源设备到其他所有设备的最短路径或成本最低路径。
本实施例中,Bellman-Ford算法是一种在图形中寻找从源到所有顶点的最短路径的算法。与Dijkstra算法相比,Bellman-Ford算法的一个主要优点是能处理具有负权重的边缘,在网络连接的“成本”为负的情况下,例如当某些连接提供优先级时,Bellman-Ford算法仍然可以正常工作。自动跳纤系统使用Bellman-Ford算法能够起到自动优化的效果,由于Bellman-Ford算法可以确定最佳路径,因此可以自动优化网络连接,减少延迟并提高效率。同时,如果网络中的设备或连接出现故障,Bellman-Ford算法可以用于重新计算路径,以绕过故障点,实现快速的故障恢复。由于Bellman-Ford算法可以处理各种类型的图形和权重,因此可以在各种不同类型和规模的网络中使用。总之Bellman-Ford算法在自动跳纤方法中提供了一种有效的方式来优化和管理网络路径,从而提高了效率和可靠性。
在一个实施例中,如图2所示,提供一种光纤网络自动化跳纤方法的时间节点流程图。首先创建已访问节点集合S和未访问节点集合U,初始化所有节点的距离向量,从未访问节点集U中找到绝对距离值最小的当前节点u。检查当前节点u是否为目标节点,如果是目标节点,则算法结束,输出结果;如果不是目标节点,则更新已访问节点集S和未访问节点集U中包含的节点,更新邻接节点的绝对距离值,并将当前节点u从未访问节点集U中移除,加入已访问节点集S。遍历与节点u相邻的所有邻接节点v,即计算经过u到达v的距离,如公式(5)所示:
dtemp=d(u)+weight(u,v)(5)
如果dtemp<d(v),更新距离d(v)为dtemp。如果未访问节点集合非空,继续从未访问节点集U中寻找下一个绝对距离值最小的当前节点,重复检查当前节点是否为目标节点、更新已访问节点集S和未访问节点集U、更新邻接节点的绝对距离值的步骤,直至当前节点是目标节点,算法结束,输出结果。
在一个实施例中,一个光纤网络中包含六个光纤交换机,用光纤网络初始加权图G表示如下:
将光纤网络表示为光纤网络初始加权图G,图中的节点表示光纤交换机,边表示光纤连接,权重表示连接的距离。如图3所示,在MATLAB下的节点模拟图中,为光纤网络初始加权图G的每个节点分配一个初始绝对距离值,起始节点的绝对距离值设为0,即节点1,其他节点的绝对距离值设为无穷大。使用Dijkstra算法迭代地选择未访问节点集中绝对距离值最小的节点,并更新其邻接节点的绝对距离值,直到找到目标节点,即节点6,或遍历所有节点;根据Dijkstra算法计算出最短距离值,根据最短距离值确定最佳跳纤路径。
在本实施例中,如图4所示,连线上数字即为节点间相对距离值,Inf表示距离无穷大,加粗路径即为经过Dijkstra算法计算获得的最佳跳纤路径,最佳跳纤路径为:节点1->节点2->节点4->节点5->节点6。
在另一个实施例中,如图5所示,提供一种光纤网络自动化跳纤方法,包括以下步骤:
步骤502,根据光纤网络的结构获取光纤网络初始加权图;其中根据光纤接头获取节点分布,根据光纤连接线获取边分布。
步骤504,根据光纤网络初始加权图获取已访问节点集与未访问节点集。
步骤506,根据光纤连接线的物理属性获取光纤网络初始参数集,并根据初始参数集定义算法中边的权值。
步骤508,初始化源节点与其他节点的绝对距离值。
步骤510,根据未访问节点集获取绝对距离值最小的当前节点。
步骤512,在当前节点即为目标节点时,输出当前节点的距离值,获取跳纤路径。
步骤514,获取当前节点与邻接节点的相对距离值,在当前节点与邻接节点的相对距离值小于邻接节点的绝对距离值的情况下,更新邻接节点的绝对距离值。
步骤516,重复根据未访问节点集获取绝对距离值最小的当前节点,将当前节点从未访问节点集移至已访问节点集。
步骤518,遍历当前节点的邻接节点,直至目标节点被访问或未访问节点集为空,输出源节点与目标节点的最短距离值,根据输出源节点与目标节点的最短距离值获取跳纤路径。
步骤520,基于Bellman-Ford算法根据光纤网络的分布获取跳纤路径。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的光纤网络自动化跳纤方法的光纤网络自动化跳纤系统。该系统所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多光纤网络自动化跳纤系统实施例中的具体限定可以参见上文中对于光纤网络自动化跳纤方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种光纤网络自动化跳纤系统,包括:光纤网络初始加权图获取模块602、节点集获取模块604和跳纤路径获取模块606,其中:
光纤网络初始加权图获取模块602,用于获取光纤网络初始加权图;
节点集获取模块604,用于根据光纤网络初始加权图获取已访问节点集与未访问节点集;
跳纤路径获取模块606,用于基于最短路径算法根据已访问节点集与未访问节点集获取跳纤路径。
在一个实施例中,跳纤路径获取模块606还包括:
权值获取模块,用于获取光纤网络初始参数集,并根据初始参数集获取权值;
初始化模块,用于初始化源节点与其他节点的绝对距离值;
当前节点首次获取模块,用于根据未访问节点集获取绝对距离值最小的当前节点;
邻接节点距离值获取模块,用于获取当前节点与邻接节点的相对距离值,在当前节点与邻接节点的相对距离值小于邻接节点的绝对距离值的情况下,更新邻接节点的绝对距离值;
当前节点重复获取模块,用于重复根据未访问节点集获取绝对距离值最小的当前节点,将当前节点从未访问节点集移至已访问节点集;
邻接节点遍历模块,用于遍历当前节点的邻接节点,直至目标节点被访问或未访问节点集为空,输出源节点与目标节点的最短距离值,根据输出源节点与目标节点的最短距离值获取跳纤路径。
在一个实施例中,当前节点首次获取模块还包括:
目标节点首次获取模块,用于在当前节点即为目标节点时,输出当前节点的绝对距离值,获取跳纤路径。
在一个实施例中,权值获取模块还包括:
光纤网络初始参数集获取模块,用于根据光纤连接线的物理属性获取光纤网络初始参数集,并根据初始参数集定义算法中边的权值。
在一个实施例中,光纤网络初始加权图获取模块602还包括:
光纤接头及连接线获取模块,用于根据光纤网络的结构获取光纤网络初始加权图;其中根据光纤接头获取节点分布,根据光纤连接线获取边分布。
在一个实施例中,该系统还包括:
Bellman-Ford算法调用模块,用于基于Bellman-Ford算法根据所述光纤网络的分布获取跳纤路径。
上述光纤网络自动化跳纤系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
上述光纤网络自动化跳纤系统,将网络连接的工作完全自动化。该系统可以自动识别光纤网络中的各个节点以及各个节点间的连接状态,并自动进行光纤连接,从而解决了人工跳纤低效、易错的问题。对光纤网络自动化跳纤系统进行了优化设计,使得系统更为简洁、成本更低,更易于在大规模网络中推广和应用。同时,本系统设计也考虑了易用性和可维护性,使得网络管理员能够更方便地进行网络管理和维护。通过自动化跳纤和最优路径选择,光纤网络自动化跳纤系统能够更有效地利用网络资源,避免了资源的浪费,提高了网络的运行效率。
上述采用Dijkstra算法的实施例中,Dijkstra算法在光纤网络中的自动跳纤系统应用产生了显著的技术效果,具体克服了以下几个技术问题:
首先优化了网络路径选择;在传统的网络管理中,网络路径的选择主要依赖人工,这不仅工作量大,而且容易出错。而Dijkstra算法能够自动、准确地在光纤网络中找到最短路径,实现了网络路径的最优选择,大大提高了网络配置的效率和准确性。其次改善了网络性能;通过使用Dijkstra算法,系统能够自动选择最短或者最优的网络路径,避免了网络拥堵和延迟,从而提高了网络性能。然后是提高了网络资源利用率;Dijkstra算法能够全面地考虑网络中的所有路径,选择出最优的路径,从而更有效地利用了网络资源,减少了资源浪费。并且提升了网络的稳定性和可靠性;通过自动化的路径选择和连接,Dijkstra算法减少了人为错误的可能性,从而提高了网络的稳定性和可靠性。最后是提高了网络管理的便捷性;Dijkstra算法使得网络管理变得更为自动化,大大减少了网络管理员的工作负担,使得网络管理变得更为便捷。
总之,通过引入Dijkstra算法,自动跳纤系统在光纤网络管理中实现了更高效、更准确、更稳定的网络连接,为光纤网络的发展提供了新的可能。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种光纤网络自动化跳纤方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase ChangeMemory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random AccessMemory,SRAM)或动态随机存取存储器(Dynamic Random AccessMemory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种光纤网络自动化跳纤方法,其特征在于,所述方法包括:
获取光纤网络初始加权图;
根据所述光纤网络初始加权图获取已访问节点集与未访问节点集;
基于最短路径算法根据所述已访问节点集与所述未访问节点集获取跳纤路径。
2.根据权利要求1所述的方法,其特征在于,所述基于最短路径算法根据所述已访问节点集与所述未访问节点集获取跳纤路径包括:
获取光纤网络初始参数集,并根据所述初始参数集获取权值;
初始化源节点与其他节点的绝对距离值;
根据所述未访问节点集获取绝对距离值最小的当前节点;
获取所述当前节点与邻接节点的相对距离值,在所述当前节点与邻接节点的相对距离值小于邻接节点的绝对距离值的情况下,更新所述邻接节点的绝对距离值;
重复根据所述未访问节点集获取绝对距离值最小的当前节点,将所述当前节点从所述未访问节点集移至所述已访问节点集;
遍历当前节点的邻接节点,直至目标节点被访问或所述未访问节点集为空,输出源节点与目标节点的最短距离值,根据所述输出源节点与目标节点的最短距离值获取跳纤路径。
3.根据权利要求2所述的方法,其特征在于,所述根据所述未访问节点集获取绝对距离值最小的当前节点还包括:
在当前节点即为目标节点时,输出所述当前节点的绝对距离值,获取跳纤路径。
4.根据权利要求2所述的方法,其特征在于,所述获取光纤网络初始参数集,并根据所述初始参数集获取权值包括:
根据光纤连接线的物理属性获取光纤网络初始参数集,并根据所述初始参数集定义算法中边的权值。
5.根据权利要求1所述的方法,其特征在于,所述获取光纤网络初始加权图包括:
根据光纤网络的结构获取光纤网络初始加权图;其中根据光纤接头获取节点分布,根据光纤连接线获取边分布。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于Bellman-Ford算法根据所述光纤网络的分布获取跳纤路径。
7.一种光纤网络自动化跳纤系统,其特征在于,所述系统包括:
光纤网络初始加权图获取模块,用于获取光纤网络初始加权图;
节点集获取模块,用于根据所述光纤网络初始加权图获取已访问节点集与未访问节点集;
跳纤路径获取模块,用于基于最短路径算法根据所述已访问节点集与所述未访问节点集获取跳纤路径。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310982103.1A CN117040631A (zh) | 2023-08-04 | 2023-08-04 | 光纤网络自动化跳纤方法、系统、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310982103.1A CN117040631A (zh) | 2023-08-04 | 2023-08-04 | 光纤网络自动化跳纤方法、系统、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117040631A true CN117040631A (zh) | 2023-11-10 |
Family
ID=88634692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310982103.1A Pending CN117040631A (zh) | 2023-08-04 | 2023-08-04 | 光纤网络自动化跳纤方法、系统、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117040631A (zh) |
-
2023
- 2023-08-04 CN CN202310982103.1A patent/CN117040631A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10171284B2 (en) | Reachability-based coordination for cyclic dataflow | |
CN108475207A (zh) | 云应用的联合自动缩放 | |
US8862744B2 (en) | Optimizing traffic load in a communications network | |
US20230145577A1 (en) | Automated network-on-chip design | |
CN107566206A (zh) | 一种流量测量方法、设备及系统 | |
CN115169570B (zh) | 量子网络协议仿真方法、装置及电子设备 | |
CN113568860B (zh) | 基于深度学习的多机集群拓扑映射方法、装置及程序产品 | |
CN107689628B (zh) | 一种电网环路检测方法 | |
CN113342500B (zh) | 任务执行方法、装置、设备及存储介质 | |
CN111143039A (zh) | 一种虚拟机的调度方法、装置及计算机存储介质 | |
US20230208720A1 (en) | Interior gateway protocol metric optimization | |
CN114970865A (zh) | 量子芯片上的量子电路处理方法、装置及电子设备 | |
CN114429195A (zh) | 混合专家模型训练的性能优化方法和装置 | |
CN108347377A (zh) | 数据转发方法及装置 | |
CN112333101B (zh) | 网络拓扑寻路方法、装置、设备及存储介质 | |
CN114666334B (zh) | 一种节点管理方法及系统 | |
CN115883401B (zh) | 一种基于流交互图的端到端网络性能预测方法、系统及平台 | |
CN117040631A (zh) | 光纤网络自动化跳纤方法、系统、计算机设备和存储介质 | |
CN111158881A (zh) | 数据处理方法、装置、电子设备和计算机可读存储介质 | |
CN116151381A (zh) | 量子电路处理方法、装置及电子设备 | |
CN115965074A (zh) | 深度学习模型的训练方法、数据处理方法、装置和设备 | |
Gayathri et al. | ex-FTCD: A novel mapreduce model for distributed multi source shortest path problem | |
CN115879562A (zh) | 一种量子程序初始映射的确定方法、装置及量子计算机 | |
CN115907023A (zh) | 待执行量子程序目标映射的确定方法、装置及量子计算机 | |
CN110017844A (zh) | 用于公交路径规划的方法、装置和计算设备 |
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 |