[发明专利]一种无源光网络光分配网的优化设计方法

说明书

技术领域

本发明涉及无源光网络与网络优化两大领域，特别涉及一种无源光网络光分配网的优化设计方法。 

背景技术

随着新的业务应用不断出现，例如高清视频、游戏上网等，互联网的使用量在过去十年发生了巨大的增长。这促使引发了关于未来接入网优化的激烈讨论。然而接入网演进不仅仅是接入问题，更多的是关于整个网络规划成本的优化问题。 

随着互联网用户和业务的快速增长，对接入网带宽需求成倍提高，使得PON(Passive Optical Network，无源光网络)开始出现更高分光比和更多ONU(Optical Network Unit，光节点)数量的发展趋势。传统的一级分光PON网络中的分光器分光比虽然在不断提高，但是仍然无法满足快速增长的用户需求，因此，应多考虑多级分光问题。目前多采用二级分光；另一方面，高分光比的成本较高，而且一旦出现故障会导致所有ONU的通信中断。若将若干个ONU级联以形成多级分光PON网络，不仅可以实现大量用户接入，同时也利于网络扩容与维护。 

通信网络的优化，一般是在满足某种约束条件（如链路带宽的约束、网络时延的约束、可靠性的约束等）的前提下优化网络的建设成本。大规模通信网络的优化可以看作是选择网络节点、链路以及链路带宽的组合优化问题。这是一类不能用任何己知多项式算法求解的问题，通常称为组合优化中的NP-Complete问题（NP完全问题）。当网络规模扩大时，问题的求解空间指数型增长。传统的解决方案是使用D算法、P算法、F算法、K均值算法以及用线性规划、动态规划等理论进行优化。但通常会遇到一些障碍，包括： 

1、“组合爆炸”：问题太复杂，需要搜索的空间太大，尽管计算机的运行速度越来越快但仍赶不上需求的增长； 

2、容易陷入“脏解”：即运算过程往好的方面走，当出现局部最优解时，算法收敛至此，无法达到全局最优解； 

3、算法无法收敛：搜索过程无法向一个收敛方向靠扰，或收敛甚慢，有些解甚至不能保证收敛性。 

以上三个问题使得传统的解决方法面临困境。但是，遗传算法由于其优越性能很好解决又上问题。 

遗传算法起源于达尔文的适者生存理论，是一种并行搜索算法，它通过选择、杂交和变异等操作，模拟自然界进化过程寻找全局最优解。遗传算法己经成功运用于一些大规模问题的求解。它的特点是对问题的描述形式要求不高，对相关的问题具有较好的鲁棒性。因此，运用遗传算法对网络优化己成为通信网络优化领域的一种新工具。无源光网络光分配网优化 设计的目标是确定一个ODN(Optical Distribution Network,光分配网)拓扑结构，即ONU、Splitter、OLT(Optical Line Terminal,光线路终端)连接方案，使得整个目标网络成最小化。有效的优化方案能很大程度地减少光纤铺设费用，降低网络成本。 

近年来国内外许多学者对遗传优化作了大量的研究工作,取得了很大的进展,在实际应用中取得了很大成功,如今它已成功地应用于预测和分类、图像和信号处理以及数据挖掘等许多领域内的不同的问题。 

发明内容

(要解决的技术问题)

针对现有技术的缺点，本发明为了解决现有技术中资源优化因规模大、约束条件严苛无法顾全全局的问题，在遗传算法基础上，提供了一种多级分光的无源光网络光分配网的优化设计方法。 

（技术方案）

本发明将遗传算法用于多级分光无源光网络光分配网的优化设计中。 

在下文中提到的符号说明如下： 

N：PON网络中待优化的ONU数目； 

M：可供优化选择的Splitter数目; 

O_dis：PON网络中ONU的最大差分距离； 

T_dis：PON网络中OLT与ONU的最大传输距离限制； 

Max_ONU[i]：第i个Splitter可供接入的最大ONU数目限制，其中1≤i≤M,i∈N； 

σ_ij：表示ONU_i通过Splitter_j接入OLT，其中1≤i≤M,1≤j≤N,i∈N⁺,j∈N⁺； 

X_ij：表示第i个ONU与第j个Splitter接入通信费用； 

Y_jo：表示第j个Splitter与中心OLT接入通信费用；