光传送网的资源分配方法和装置

摘要

本发明提供一种光传送网的资源分配方法和装置，其中方法包括获取光传送网的网络拓扑结构信息，以及所述光传送网承载的静态业务构成的静态业务矩阵；获取网络节点间的各条链路上各根光纤承载的初始可用波长；根据获取的所述网络拓扑结构信息和所述网络节点间的各条链路上各根光纤承载的初始可用波长，按照遗传算法为所述静态业务矩阵中的各静态业务进行路由和波长分配。本发明还提供了相应的装置。本发明提供的方法和装置，能够为光传送网进行路由和波长分配的效率。

权利要求

1.一种光传送网的资源分配方法，其特征在于，包括：

获取光传送网的网络拓扑结构信息，以及所述光传送网承载的静态业务构成的静态业务矩阵，所述光传送网的网络拓扑结构信息包括光传送网中的网络节点信息，各网络节点间的链路信息，以及网络节点间的各条链路的链路代价，所述网络节点间的各条链路均为双向链路，且所述各条链路包括相同根光纤；

获取网络节点间的各条链路上各根光纤承载的初始可用波长；

根据获取的所述网络拓扑结构信息和所述网络节点间的各条链路上各根光纤承载的初始可用波长，按照遗传算法为所述静态业务矩阵中的各静态业务进行路由和波长分配；

所述根据获取的所述网络拓扑结构信息和所述网络节点间的各条链路上各根光纤承载的初始可用波长，按照遗传算法为所述静态业务矩阵中的各静态业务进行路由和波长分配包括：根据获取的所述网络拓扑结构信息和所述网络节点间的各条链路上各根光纤承载的初始可用波长，构建包括一个以上染色体的初始群体，每个染色体包括与所述静态业务矩阵中各静态业务对应的基因组编码，所述基因组编码包括在根据网络拓扑结构信息为该静态业务在网络节点间分配的链路，在各条链路上为该静态业务分配的光纤，以及在各条光纤中为该静态业务分配的波长，为该静态业务分配的波长为所述各根光纤承载的初始可用波长中的一个；

计算初始群体中各个染色体的适应度函数均值，且根据所述初始群体，以及遗传算子获取后代群体，计算后代群体中各个染色体的适应度函数均值；

获取初始群体和后代群体中适应度函数均值为零的染色体；

在从初始群体和后代群体中获取到适应度函数均值为零的染色体后，将所述网络节点间的各条链路上各根光纤承载的初始可用波长的数目减少一，重新构建初始群体，且根据重新构建的初始群体，以及遗传算子获取新的后代群体，所述新的后代群体包括与所述重新构建的初始群体相同的染色体，获取重新构建的初始群体和新的后代群体中适应度函数均值为零的染色体。

2.根据权利要求1所述的光传送网的资源分配方法，其特征在于，所述染色体内的适应度函数均值为该染色体内各静态业务对应的基因组编码的适应度函数值的平均值，在为所述静态业务分配路由和波长与静态业务矩阵内其他静态业务额分配的路由和波长冲突时，所述静态业务对应的基因组编码的适应度函数值为一，在为所述静态业务分配路由和波长与静态业务矩阵内其他静态业务分配的路由和波长不冲突时，所述静态业务对应的基因组编码的适应度函数值为零。

3.根据权利要求1所述的光传送网的资源分配方法，其特征在于，所述根据初始群体，以及遗传算子获取后代群体包括：根据初始群体，以及选择算子、交叉算子或变异算子获取后代群体。

4.一种光传送网的资源分配装置，其特征在于，包括：

第一获取模块，用于获取光传送网的网络拓扑结构信息，以及所述光传送网承载的静态业务构成的静态业务矩阵，所述光传送网的网络拓扑结构信息包括光传送网中的网络节点信息，各网络节点间的链路信息，以及网络节点间的各条链路的链路代价，所述网络节点间的各条链路均为双向链路，且所述各条链路包括相同的光纤数目；

第二获取模块，用于获取网络节点间的各条链路上各根光纤承载的初始可用波长；

波长分配模块，用于根据获取的所述网络拓扑结构信息和所述网络节点间的各条链路上各根光纤承载的初始可用波长，按照遗传算法为所述静态业务矩阵中的各静态业务进行路由和波长分配；

所述波长分配模块包括：

初始群体构建单元，用于根据获取的所述网络拓扑结构信息和所述网络节点间的各条链路上各根光纤承载的初始可用波长，构建包括一个以上染色体的初始群体，每个染色体包括与所述静态业务矩阵中各静态业务对应的基因组编码，所述基因组编码包括在根据网络拓扑结构信息为该静态业务在网络节点间分配的链路，在各条链路上为该静态业务分配的光纤，以及在各条光纤中为该静态业务分配的波长，为该静态业务分配的波长为所述各根光纤承载的初始可用波长中的一个；

遗传计算单元，用于根据所述初始群体，以及遗传算子获取后代群体；

适应度函数值计算单元，用于计算初始群体，以及后代群体中各个染色体的适应度函数均值；

染色体获取单元，用于获取初始群体和后代群体中适应度函数均值为零的染色体；

第三获取模块，用于在从初始群体和后代群体中获取到适应度函数均值为零的染色体后，将所述网络节点间的各条链路上各根光纤承载的初始可用波长的数目减少一；所述初始群体构建单元进一步用于重新构建初始群体，所述遗传计算单元进一步用于根据重新构建的初始群体，以及遗传算子获取新的后代群体，所述新的后代群体包括与所述重新构建的初始群体相同的染色体，所述染色体获取单元进一步用于获取重新构建的初始群体和新的后代群体中适应度函数均值为零的染色体。

5.根据权利要求4所述的光传送网的资源分配装置，其特征在于，所述染色体内的适应度函数均值为该染色体内各静态业务对应的基因组编码的适应度函数值的平均值，在为所述静态业务分配路由和波长与静态业务矩阵内其他静态业务额分配的路由和波长冲突时，所述静态业务对应的基因组编码的适应度函数值为一，在为所述静态业务分配路由和波长与静态业务矩阵内其他静态业务分配的路由和波长冲突时，所述静态业务对应的基因组编码的适应度函数值为零。

6.根据权利要求4所述的光传送网的资源分配装置，其特征在于，所述遗传计算单元具体用于根据初始群体，以及选择算子、交叉算子或变异算子获取后代群体。

说明书

光传送网的资源分配方法和装置

技术领域

[0001] 本发明涉及网络资源分配技术，尤其涉及一种光传送网的资源分配方法和装置，属于光网络技术领域。

背景技术

[0002] 在基于光交叉的光传送网（Optical Transport Network，以下简称：OTN）中，是以不同波长作为其传输的通道，可用波长数量限制了网络。网络能够提供的最大端到端的连接数量，而光纤链路上的波长信道间隔、光收发机的调谐能力等物理约束都限制了可用信道的数量。此外，给每一个信道分配波长时，并没有考虑带宽需求量等因素，所以带宽粒度问题也同样限制了波长通道的带宽利用率。总之，由于各种物理技术的限制因素，使得光网络还不能够提供所有我们所要求物理性能，因此需要对现有可用资源进行高效利用和资源优化。

[0003] 在基于光交叉的OTN中，波长选路具有两项要求，一是波长连续性要求：在业务端到端之间，所使用的波长必须保持一致；二是同纤必须不同波长：所有共享同一根光纤的光路径必须分配不同的波长。现有的基于光交叉的OTN中主要是静态路由波长分配，即在静态业务环境下考虑波长和资源分配问题。静态业务流量是指所有节点对之间的连接请求是预先给定且不随时间变化的，即源节点和目的节点的连接关系是给定不变的。当所有连接建立好后，连接将保持不变。此时网络不会建立新的连接，也不会拆除已建好的连接。对于一个基于光交叉的OTN，如何合理而又有效地进行路由和波长分配非常重要，现有技术中采用启发式算法进行路由和波长分配，但利用该启发式算法进行路由和波长分配的效率较低。

发明内容

[0004] 本发明提供一种光传送网的资源分配方法和装置，能够提高路由和波长分配效率。

[0005] 本发明的第一个方面是提供一种光传送网的资源分配方法，包括：

[0006] 获取光传送网的网络拓扑结构信息，以及所述光传送网承载的静态业务构成的静态业务矩阵，所述光传送网的网络拓扑结构信息包括光传送网中的网络节点信息，各网络节点间的链路信息，以及网络节点间的各条链路的链路代价，所述网络节点间的各条链路均为双向链路，且所述各条链路包括相同根光纤；

[0007] 获取网络节点间的各条链路上各根光纤承载的初始可用波长；

[0008] 根据获取的所述网络拓扑结构信息和所述网络节点间的各条链路上各根光纤承载的初始可用波长，按照遗传算法为所述静态业务矩阵中的各静态业务进行路由和波长分配。

[0009] 本发明的另一个方面是提供一种光传送网的资源分配装置，包括：

[0010] 第一获取模块，用于获取光传送网的网络拓扑结构信息，以及所述光传送网承载的静态业务构成的静态业务矩阵，所述光传送网的网络拓扑结构信息包括光传送网中的网络节点信息，各网络节点间的链路信息，以及网络节点间的各条链路的链路代价，所述网络节点间的各条链路均为双向链路，且所述各条链路包括相同的光纤数目；

[0011] 第二获取模块，用于获取网络节点间的各条链路上各根光纤承载的初始可用波长；

[0012] 波长分配模块，用于根据获取的所述网络拓扑结构信息和所述网络节点间的各条链路上各根光纤承载的初始可用波长，按照遗传算法为所述静态业务矩阵中的各静态业务进行路由和波长分配。

[0013] 本发明提供的光传送网的资源分配方法和装置，首先获取光传送网的网络拓扑结构信息，以及所述光传送网承载的静态业务构成的静态业务矩阵，同时获取网络节点间的各条链路上各根光纤承载的初始可用波长，然后按照遗传算法为静态业务矩阵中的各静态业务进行路由和波长分配，能够充分利用遗传算法具有的可并行计算和多解的优点，提高为光传送网进行路由和波长分配的效率。

附图说明

[0014] 图1为本发明实施例中光传送网的资源分配方法的流程示意图；

[0015] 图2为本发明实施例中网络节点示意图；

[0016] 图3为本发明实施例中交叉算子的原理示意图；

[0017] 图4为本发明实施例中变异算子的原理示意图；

[0018] 图5为本发明实施例中光传送网的资源分配装置的结构示意图；

[0019] 图6为图5所示实施例中波长分配模块的结构示意图。

具体实施方式

[0020] 本发明提供了一种光传送网的资源分配方法，图1为本发明实施例中光传送网的资源分配方法的流程示意图，如图1所示，包括如下的步骤：

[0021] 步骤101、获取光传送网的网络拓扑结构信息，以及所述光传送网承载的静态业务构成的静态业务矩阵，所述光传送网的网络拓扑结构信息包括光传送网中的网络节点信息，各网络节点间的链路信息，以及网络节点间的各条链路的链路代价，所述网络节点间的各条链路均为双向链路，且所述各条链路包括相同根光纤；

[0022] 步骤102、获取网络节点间的各条链路上各根光纤承载的初始可用波长；

[0023] 步骤103、根据获取的所述网络拓扑结构信息和所述网络节点间的各条链路上各根光纤承载的初始可用波长，按照遗传算法为所述静态业务矩阵中的各静态业务进行路由和波长分配。

[0024] 本发明上述实施例中，首先获取光传送网的网络拓扑结构信息，以及所述光传送网承载的静态业务构成的静态业务矩阵，同时获取网络节点间的各条链路上各根光纤承载的初始可用波长，然后按照遗传算法为静态业务矩阵中的各静态业务进行路由和波长分配，能够充分利用遗传算法具有的可并行计算和多解的优点，提高为光传送网进行路由和波长分配的效率。

[0025] 本发明上述实施例中，其中步骤103可以具体为：

[0026] 根据获取的所述网络拓扑结构信息和所述网络节点间的各条链路上各根光纤承载的初始可用波长，构建包括一个以上染色体的初始群体，每个染色体包括与所述静态业务矩阵中各静态业务对应的基因组编码，所述基因组编码包括在根据网络拓扑结构信息为该静态业务在网络节点间分配的链路，在各条链路上为该静态业务分配的光纤，以及在各条光纤中为该静态业务分配的波长，为该静态业务分配的波长为所述各根光纤承载的初始可用波长中的一个；

[0027] 计算初始群体中各个染色体的适应度函数均值，且根据所述初始群体，以及遗传算子获取后代群体，所述后代群体包括与所述初始群体相同的染色体，计算后代群体中各个染色体的适应度函数均值；

[0028] 获取初始群体和后代群体中适应度函数均值为零的染色体。

[0029] 如上所述的，本发明实施例中的染色体包括与所述静态业务矩阵中各静态业务对应的基因组编码，所述基因组编码包括在根据网络拓扑结构信息为该静态业务在网络节点间分配的链路，在各条链路上为该静态业务分配的光纤，以及在各条光纤中为该静态业务分配的波长，每个染色体可以表示出为静态业务矩阵中各静态业务进行的路由和波长分配情况。

[0030] 本发明上述实施例中，若从初始群体和后代群体中获取到适应度函数均值为零的染色体，则认为该网络拓扑结构中，在给定网络节点间的各条链路上各根光纤承载的初始可用波长的数目的情况下，能够实现路由和波长分配。因此，可以进一步的，重新构建初始群体，且根据重新构建的初始群体，以及遗传算子获取新的后代群体，所述新的后代群体包括与所述重新构建的初始群体相同的染色体，获取重新构建的初始群体和新的后代群体中适应度函数均值为零的染色体。如果还获取到了适应度函数均值为零的染色体，则说明在将初始可用波长的数目减少一后，仍实现了路由和波长分配，一直减少可用波长的数目，就可以得到该网络拓扑结构下，为静态业务矩阵中每一静态业务进行路由和波长分配所需的每根光纤上承载的最少波长数目。本发明上述实施例中，其中光传送网的物理拓扑结构信息可以由三元函数G（N，L，C）表示，其中，N＝{N1,N2,N3...NK}代表网络节点的集合，K为网络节点的数目；L＝{L1,L2,L3...LM}代表网络中链路的集合，M为网络节点间链路的数目，上述各链路均为双向链路，每条链路每个方向上包含L条光纤，每条光纤中均可承载相同数目的波长；Ci，j代表在第i个网络节点和第j个网络节点之间链路代价；

[0031] 在基于光交叉的OTN网络中，对于静态业务模型下的路由和波长分配算法，其目标函数可以定义为：

[0032] f=min(λ)

[0033] 该公式的含义为在给静态业务矩阵前提下，求满足该为该静态业务矩阵的所有业务分配路由时所需要的最小波长数目，同给需要满足如下的几个限制：

[0034] A、在基于光交叉的OTN网络中，每一个网络节点都包含终端功能和路由功能，所谓终端功能就是可以发射或者接收光信号，即实现业务的上路/下路功能；而路由功能就是将光信号从源端网络节点路由到目的端网络节点，即实现光信号的交叉连接功能；

[0035] B、任意两个之间相连的网络节点之间都包含一对方向相反的单向光纤或者一根双向光纤；

[0036] C、在静态业务环境下，各静态业务的请求粒度是波长级别的，每一个静态业务被分配一个波长；

[0037] D、考虑波长连续性限制，为每一个静态业务所建立的连接，都要满足其路由在所经过的链路上具有相同的空闲波长信道。

[0038] 本发明具体实施例中，其中遗传算法可以如下几个部分的内容：

[0039] 第一、确定染色体的编码。

[0040] 本发明实施例中，基因组编码是基于业务的，可以用T＝{T1,T2,T3...,Tw}来表示OTN网络中所有静态业务的集合，其中，W为该集合中业务的总数目。对于网络中任意一个静态业务Ti，都有一个基因组编码ti与之相对应，该基因组编码ti可以表示为：

[0041] ti={pi,fi,λi}

[0042] 由上述可以看出，一个基因组编码包括三个元素，其中pi代表该静态业务Ti所对应的路由，pi是静态业务Ti所包含的备选路由集合中的某一条路由；fi代表该静态业务Ti所对应的光纤编号，λi代表该静态业务Ti所使用的波长编号，由于考虑了波长连续性限制，因此静态业务Ti在其所经过的链路上必须使用相同的波长，λi是波长集合{λ1,λ2,λ3...λw}中的某一个波长。

[0043] 在为静态业务Ti建立备选路由集合的时候，可以参考如下两种路由计算策略：

[0044] 策略1：基于K条最短路的备选路由计算策略

[0045] 基于静态业务的源节点和目的节点，使用K条最短路（K Shortest Paths，以下简称：KSP）策略，可以为静态业务计算出K条备选路由，这K条备选路由之间的相关的，但其权重值由小到大进行排列的。如图2所示，假设所有链路权重值是相同的，则在网络节点S和网络节点D之间寻找K条路由，最短路由可以是网络节点S、网络节点1和网络节点D，次短路由是网络节点S、网络节点2、网络节点1和网络节点D，再次短路由是节点网络S、节点2、网络节点3、网络节点1和网络节点D，这三条路由相互之间是相关的。

[0046] 策略2：基于D算法的备选路由计算策略

[0047] 同样是基于静态业务的源节点和目的节点，重复调用D算法，在第N次调用D算法之前，将先前已经使用过的链路从网络拓扑中删除掉，这样，也可以为静态业务计算出K条备选路由，但这K条备选路由相互之间是没有关系的，同样，其权重值也是由小到大进行排列的。同样如图2，在网络节点S和网络节点D之间寻找K条路由，最短路由可以是网络节点S、网络节点1和节点D，最长路由是网络节点S、网络节点2、网络节点3、网络节点4和网络节点D，这两条路由之间的不相关的。

[0048] 染色体Pi由所有静态业务所对应的基因组所组成，可以表示为：

[0049] Pi={t1,t2,t3...,tW}

[0050] 在公式上述中，W表示静态业务的最大数目。由上述公式可以知道由于一个基因组编码由3位地址空间所组成，因此，每一个染色体所占用的地址空间为3×W。

[0051] 第二、计算适应度函数值

[0052] 在本发明实施例中，针对基因组编码以及染色体提出了不同的适应度函数值。对于某一个静态业务Ti所对应的基因组编码ti，可以用f(ti)来表示其适应度函数，f(ti)代表着静态业务Ti与网络中其他静态业务的冲突程度。例如，静态业务Ti和静态业务TJ之间存在路由和波长上的冲突，则f(ti)＝f(tj)＝1，每一个基因组编码的适应度函数值均为一。

[0053] 对于任意一个染色体Pi，其适应度函数F(Pi)可以表示为：

[0054]

[0055] 其中，W表示单个染色体中，基因组编码的个数，即等于静态业务矩阵中静态业务的个数。由上述公式可以看出，染色体的适应度函数值越小，代表着在该染色体中，各个基因组编码之间的相互冲突程度越小。

[0056] 第三、生成初始群体

[0057] 初始群体需要保证随机性，以免整个遗传算法过早陷入局部最优解。在本发明实施例提出的遗传算法中，其优化目标是为了用最小的波长数目来满足网络中所有的静态业务请求，并同时考虑OTN网络中所特有的波长连续性限制。

[0058] 初始群体必须由一定数量的染色体所组成，初始群体Ginit可以表示为：

[0059] G0=Ginit={P0,P1,P2...,PM-1}

[0060] 其中M表示初始群体中染色体的个数。在初始群体中，染色体的数量不能过少也不能过多，过少会影响未来种族进化的效果，得不到全局的最优解空间，而过多会大大提高整个算法的时间复杂度，影响算法仿真的效率，优选的，初始群体中染色体的数目可以为6-10个。

[0061] 初始群体中每一个染色体pi的初始化都是由基因组编码所组成的，例如，在染色体pi中，对于某一个基因组编码ti＝{pi,fi,λi}，pi是从静态业务Ti所包含的备选路由集合中随机选择某一条路由；fi是从链路的光纤集合{f1,f2,f3...fF}中随机选择一根光纤；而λi是从波长集合{λ1,λ2,λ3...λw}中随机选择一个波长。

[0062] 第四、利用遗传算子得到后代群体

[0063] 在本发明的具体实施例中，提供了如下的三种不同遗传算子供选择：

[0064] 1、选择算子

[0065] 选择过程就是根据各个染色体的适应度函数值，按照一定的原则或方法，从第t代群体Gt（包括初始群体）中选择出一些优良的个体遗传到下一代Gt+1中。在遗传算法中，这一步又称为选择算子。它的作用是从当前群体中选择一些比较优良的个体复制到下一代中去。在本实施例中所使用的选择算子可以是比例选择算子，是指染色体体被选中并遗传到下一代群体中去的概率与该染色体体的适应度函数均值大小成反比。

[0066] 比例选择算子又称为圆盘选择，即将整个圆盘按照该种群中每个染色体的适应度函数均值成反比例地分成若干个扇区，如果该染色体的适应度函数均值较小，则该扇区所对应的圆心角较大，未来选择该扇区的可能性就越大，这个扇区的圆心角决定了该染色体被遗传到下一代中的概率。

[0067] 2、交叉算子

[0068] 所谓交叉就是交换两个染色体中的部分片断。事实上，广义的交叉不仅仅是指片断的交换，而可以是两个染色体的任意特征的重新组合。由步骤一中所提出方案中，每个染色体的长度等于网络中所有静态业务数目的3倍，因此任意一个静态业务所对应的基因组都是由染色体中的3个基本基因所构成，对于这样的染色体，如果仅仅简单地交换一下它们的部分片断，则生成的新染色体中可能会有重复的数字，不再是合法的染色体，因此在进行染色体交叉的过程中，优选的对整个基因组整体进行交叉，而不是对每个基因组内的基本基因进行交叉。

[0069] 如图3所示，假设两个染色体 和 将进行交叉运算，其中m3给出了中间交叉和边缘交叉的结果示意图，对于两对四个基因组的编码(0,0,1)(1,1,0)(2,1,0)(1,1,2)和(1,2,0)(2,2,1)(0,1,0)(0,2,1)，采用中间交叉得到(0,0,1)(2,2,1)(0,1,0)(1,1,2)和(1,2,0)(1,1,0)(2,1,0)(0,2,1)，采用边缘交叉得到(1,2,0)(1,1,0)(2,1,0)(0,2,1)和(0,0,1)(2,2,1)(0,1,0)(1,1,2)。

[0070] 3、变异算子

[0071] 变异过程就是指在遗传算法中对单个染色体的某一个基因进行改变，在本发明实施例中，由于染色体是由基因组所构成，因此，上述的变异主要是基因组的变异。考虑到如果只对染色体的某一个基因组编码进行简单的改变，新生成的染色体很容易与种群中其他染色体相重复，因此，在本实施例中，所采用的变异算子包括两种算子：交换算子和翻转算子。

[0072] 对于种群中第i个染色体Pi＝{t1,t2,t3...,tW}，可以在[0,W-1]按随机选择两个不同整数i和j，其所对应的基因组为ti和tj。

[0073] 其中，交换算子是指交换基因组ti和tj的位置；翻转算子翻转基因组ti和t（j 包括ti和tj）之间所有基因组的顺序；具体如图4所示，对于连续的四个基因组的编码(0,0,1)(1,1,0)(2,1,0)(1,1,2)，采用交换算子得到(0,0,1)(2,1,0)(1,1,0)(1,1,2)，采用翻转算子得到(1,1,2)(2,1,0)(1,1,0)(0,0,1)。

[0074] 第五、遗传算法终止条件

[0075] 遗传算法的种族进化过程是一个迭代式循环重复计算的过程，在进化过程中，有可能找到最优解空间，也有可能找不到最优解空间，因此，在本发明实施例中，每次遗传算法可以在如下两种情况下结束：

[0076] 一是当算法进化到某一代种群，在该种群中某一个染色体的适应度函数均值为0，则认为算法已经为静态业务矩阵中的所有静态业务找到了合适的路由和波长，可以结束遗传算法；二是，当遗传算法进化到某一代种群时，仍然未满足染色体的适应度函数均值为0的情况，并且在该种群中，所有染色体的平均适应度函数值仍旧在某一非零值震荡，则认为无法找到最优解空间，结束遗传算法。

[0077] 图5为本发明实施例中光传送网的资源分配装置的结构示意图，如图5所示，该装置包括第一获取模块11、第二获取模块12和波长分配模块13，其中第一获取模块11用于获取光传送网的网络拓扑结构信息，以及所述光传送网承载的静态业务构成的静态业务矩阵，所述光传送网的网络拓扑结构信息包括光传送网中的网络节点信息，各网络节点间的链路信息，以及网络节点间的各条链路的链路代价，所述网络节点间的各条链路均为双向链路，且所述各条链路包括相同的光纤数目；第二获取模块12用于获取网络节点间的各条链路上各根光纤承载的初始可用波长；波长分配模块13用于根据获取的所述网络拓扑结构信息和所述网络节点间的各条链路上各根光纤承载的初始可用波长，按照遗传算法为所述静态业务矩阵中的各静态业务进行路由和波长分配。

[0078] 首先获取光传送网的网络拓扑结构信息，以及所述光传送网承载的静态业务构成的静态业务矩阵，同时获取网络节点间的各条链路上各根光纤承载的初始可用波长，然后按照遗传算法为静态业务矩阵中的各静态业务进行路由和波长分配，能够充分利用遗传算法具有的可并行计算和多解的优点，提高为光传送网进行路由和波长分配的效率。

[0079] 另外，如图6所示，本发明上述实施例中的波长分配模块包括初始群体构建单元131、遗传计算单元132、适应度函数值计算单元133和染色体获取单元134。其中初始群体构建单元131用于根据获取的所述网络拓扑结构信息和所述网络节点间的各条链路上各根光纤承载的初始可用波长，构建包括一个以上染色体的初始群体，每个染色体包括与所述静态业务矩阵中各静态业务对应的基因组编码，所述基因组编码包括在根据网络拓扑结构信息为该静态业务在网络节点间分配的链路，在各条链路上为该静态业务分配的光纤，以及在各条光纤中为该静态业务分配的波长，为该静态业务分配的波长为所述各根光纤承载的初始可用波长中的一个；遗传计算单元132用于根据所述初始群体，以及遗传算子获取后代群体，所述后代群体包括与所述初始群体相同的染色体；适应度函数值计算单元
133用于计算初始群体，以及后代群体中各个染色体的适应度函数均值；染色体获取单元
134用于获取初始群体和后代群体中适应度函数均值为零的染色体。

[0080] 本发明上述实施例中，其中的染色体内的适应度函数均值为该染色体内各静态业务对应的基因组编码的适应度函数值的平均值，在为所述静态业务分配路由和波长与静态业务矩阵内其他静态业务额分配的路由和波长冲突时，所述静态业务对应的基因组编码的适应度函数值为一，在为所述静态业务分配路由和波长与静态业务矩阵内其他静态业务分配的路由和波长冲突时，所述静态业务对应的基因组编码的适应度函数值为零。

[0081] 本发明上述实施例中，遗传计算单元132具体用于根据初始群体，以及选择算子、交叉算子或变异算子获取后代群体。

[0082] 本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

[0083] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。