一种用于计算全局并发优化路径的方法和设备与流程

[0001]
本发明涉及光传输网络通信领域，尤其涉及光传输网络中的一种用于计算全局并发优化路径的方法和设备。


背景技术：

[0002]
在光传输网络结构中，路径计算单元(pce，path computation element)是网络中专门负责路径计算的功能实体，它可以基于已知的网络拓扑结构和约束条件，根据路径计算客户(pcc，path computation client)的请求计算出一条满足约束条件的最佳路径。
[0003]
pce和pcc可以位于网络中的任何地方，可以集成在网络设备内部，也可以分别是一个独立的设备。例如，pce可以集成在sdon(software defined optical network)控制器的内部。pcc和pce之间可以通过专门的通信协议进行通信，提交路径计算请求并获得路径计算结果。例如，pcc和pce可以通过路径计算单元通信协议pcep(pce communication protocol)进行通信。
[0004]
为了实现并发多业务路径的计算，现有的一种方法是gco(global concurrent optimization)全局并发优化的路径计算方法。gco技术基于网络拓扑中当前已经建立的所有te(traffic engineering)lsp(label switched path)，同时考虑所建立的各个业务各自的约束条件，来得到最佳的路径结果集合。举例来讲，业务的约束包括经过的节点，避开的节点，经过的链路和/或避开的链路等。
[0005]
gco主要应用在集中网络结构上，比如pce或sdon控制器上。分布式lsr(label switching router)也能使用gco。但是，使用gco的分布式lsr则要求pce之间有复杂的同步机制，从而避免影响整个网络的稳定性。
[0006]
当运营商在网络规划中需要同时建立一组业务时，为了充分利用网络资源、最大程度的避免算路过程中的阻塞、并得到相对更优的路径集合，就需要使用全局并发优化的路径计算方法。当网络中实际发生故障、并且一系列的te lsp都需要最佳重路由时，也需要全局并发优化的路径计算方法。
[0007]
当一条新的te lsp被添加到网络、或从网络中删除一条te lsp时，全局的网络资源会被分散，网络中已经存在的te lsp将不再提供最优的资源使用情况。为了提高网络资源的利用率，需要重新优化网络中的业务路径。全局并发优化路径计算能够同时将整个网络拓扑和已存在的所有te lsp及其约束考虑在内，重新优化整个网络，来满足所有te lsp的约束条件。另一方面，全局并发优化路径计算也可以只考虑局部te lsp或者局部网络拓扑，来重新优化部分网络。重新优化网络的过程包括重新调整现有业务路径，并用新路径替换之前的路径。
[0008]
为了实现并发多业务路径计算，现有技术通常的作法是将网络拓扑和已存在te lsp及其约束等转换为数学模型，采用混合整形线性规划方法来求解，记为milp(mixed integer linear programming)。常用的商用求解器有cplex、gurobi、xpress，开源的非商用求解器有cbc、scip等。然而，这些求解器只能处理线性模型的问题，而无法处理非线性模
型的问题。例如，常用的求解器无法处理光网络结构中某些复杂模型的问题。而且，随着网络拓扑规模的扩大和业务路径数目的增多，采用求解器来计算业务路径所花的时间也呈指数级的上升。并且，商用求解器的售价很贵，一般按单机每年收费，这也是非常重要的考虑因素。
[0009]
另一部分现有技术则采用蛮力求解的方法。具体来讲，目前常用的目标函数包括：使用带宽总和最小(mbc，minimize aggregate bandwidth consumption)目标函数、最大链路负载值最小(mll，minimize the load of the most loaded link)目标函数和路径代价总和最小(mcc，minimize cumulative cost of a set of paths)目标函数。上述蛮力求解的方法依照目标函数根据不同的业务路径顺序来依次计算各业务的路径，并且最终获取满足目标函数的最优结果。该蛮力求解的方法最后获取的结果就是满足目标函数的最优结果，即，最后获取的结果与满足目标函数的最优结果之间的差距是零。然而，在业务路径数目增多的情况下，该蛮力求解的方法所花的时间是急剧上升的、总体时间量是巨大的。这种情况在具体应用过程中是难以接受的。
[0010]
综上所述，现有技术中存在无法处理光网络结构中复杂模型的问题，存在所计算的业务路径结果与满足目标函数的最优结果差距较大(即，接近度较小)的问题，存在使用设备费用高的问题，还存在拓扑规模增大后计算业务路径所耗费的时间过长的问题。


技术实现要素：

[0011]
有鉴于此，本发明的主要目的在于提供一种用于计算全局并发优化路径的方法和设备，用于提高业务路径结果与满足目标函数的最优结果之间的接近度，以及缩短拓扑规模变大后计算业务路径所实际耗费的时间。
[0012]
本发明的一部分实施例提供一种用于计算全局并发优化路径的方法，其包括：路径计算单元pce基于拓扑结构依次计算一个或多个业务中每个业务的实际路径，作为实际最优路径；pce针对实际路径依次分配实际频谱资源，作为实际最优频谱资源；pce依照目标函数来计算所有业务的实际目标值，作为实际最优目标值；以及pce对一个或多个业务中的业务子集进行重新排序、重新计算业务子集中各业务的实际路径并且重新分配频谱资源、重新计算所有业务的实际目标值、更新实际最优目标值、并且更新实际最优路径和实际最优频谱资源，直到满足重新计算的次数达到阈值和/或所述实际最优目标值与所述所有业务的最小目标值的差值小于等于预定值，其中实际最优目标值是所有计算出的实际目标值中的最小值。
[0013]
本发明的另一部分实施例提供一种用于计算全局并发优化路径的设备，其包括：存储器，其上存储有计算机可执行指令；以及处理器，其耦合到存储器，其中计算机可执行指令被处理器执行时致使该设备实现上述用于计算全局并发优化路径的方法的步骤。
[0014]
上述说明仅是本发明一部分技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
[0015]
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通
技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0016]
图1a为本发明实施例提供的一种业务路径示意图。
[0017]
图1b为本发明实施例提供的一种pce及pcc网络连接示意图。
[0018]
图2为本发明实施例提供的一种计算全局并发优化路径的流程示意图。
[0019]
图3为本发明实施例提供的一种确定业务路径和频谱迭代优化的流程示意图。
[0020]
图4为本发明实施例提供的一种光传输网络拓扑示意图。
[0021]
图5为本发明实施例提供的另一种光传输网络拓扑示意图。
[0022]
图6为本发明实施例提供的又一种光传输网络拓扑示意图。
[0023]
图7为本发明实施例提供的一种pce的结构示意图。
具体实施方式
[0024]
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本发明的范围完整的传达给本领域的技术人员。
[0025]
图1a为本发明实施例提供的一种业务路径示意图。如图1所示，一组路径包括两条路径p1和p2。针对常用的目标函数，现具体说明如下：
[0026]
目标函数中的术语：
[0027]-一个包含n条链路的网络{l
i
,(i＝1...n)}。
[0028]-由k条链路组成的路径p{l
pi
,(i＝1...k)}。
[0029]-链路l的metric表示为m(l)。metric可以为代价、时延等。
[0030]-路径p的代价表示为c(p),其中c(p)＝sum{m(l
pi
),(i＝1...k)}。
[0031]-链路l上的剩余带宽表示为r(l)。
[0032]-链路l上的最大可预留带宽表示为r(l)。
[0033]
1)使用带宽总和最小(mbc，minimize aggregate bandwidth consumption)目标函数
[0034]
所有业务的总的使用带宽最小，也就是aggregate bandwidth consumption的值最小。
[0035]
目标函数描述：计算一组路径，保证(sum{r(l
i
)-r(l
i
),i＝1...n})最小。
[0036]
其中，r(l
i
)表示的是拓扑中的某条链路l
i
上的可预留带宽。r(l
i
)是拓扑中的某条链路l
i
上的剩余带宽。r(l
i
)-r(l
i
)的和最小的意思就是希望结果路径中的所有链路上的已使用的带宽和最小。
[0037]
2)最大链路负载值最小(mll，minimize the load of the most loaded link)目标函数
[0038]
所有业务中最大负载链路的负载最小，也就是load of the most loaded link的值最小。
[0039]
目标函数描述：计算一组路径，保证(max{(r(l
i
)-r(l
i
))/r(l
i
),i＝1...n})最小。
[0040]
其中，r(l
i
)表示的是拓扑中的某条链路l
i
上的可预留带宽。r(l
i
)是拓扑中的某条
链路l
i
上的剩余带宽。r(l
i
)-r(l
i
)/r(l
i
)的意思就是某条链路l
i
上的带宽的使用率。需要结果路径上所有链路中最大的负载最小。
[0041]
3)路径代价总和最小(mcc，minimize cumulative cost of a set of paths)目标函数
[0042]
所有业务路径的代价的总和最小，也就是cumulative te cost的值最小。
[0043]
目标函数描述：计算一组路径{p1...p
m
}，保证(sum{c(p
i
),i＝1...m})最小。
[0044]
其中，c(p
i
)可以是路径中所有链路的代价和，也可以是路径中所有链路的时延的总和。
[0045]
图1b为本发明实施例提供的一种pce及pcc网络连接示意图。如图1b所示，pce 101与pcc 102相连接，并且二者之间相互通信。虽然图1b仅描绘了一个pce和一个pcc，但本发明实施例对pce连接的pcc数量不作限制。应当理解，在实际的光网络结构中，pce的数量和pcc的数量可以是一个或多个。
[0046]
在本发明实施例中，可选的，pce 101从pcc 102接收优化一个或多个业务的业务路径的请求；然后，pce 101执行用于计算全局并发优化路径的方法；在计算得出所请求的一个或多个业务中每个业务的优化路径、并且针对优化路径分配实际的频谱资源后，pce 101向pcc 102发送这些优化路径以及针对优化路径所分配的实际频谱资源。
[0047]
图2为本发明实施例提供的一种计算全局并发优化路径的流程示意图。在全局并发优化路径计算方法中，首先，pce(例如，如图1b所示的pce 101)确定一个或多个业务的最优路径和最优频谱资源；其次，pce执行针对一个或多个业务的实际路径和实际频谱资源的迭代优化过程。
[0048]
具体来讲，如图2所示，在方框201中，pce(例如，如图1b所示的pce101)基于网络拓扑结构和网络中整体的频谱资源单独计算每个业务的最优路径，并为每个业务的最优路径单独分配最优的频谱资源。
[0049]
在本发明实施例中，可选地，在网络目标拓扑中，pce以目标函数为优先级最高的约束条件、加上每个业务各自的约束条件，分别计算每个业务的业务路径、并为每个业务分配频谱资源。也就是说，由于pce不考虑其他业务的情况、而单独针对一个或多个业务中的每个业务来计算业务路径和分配频谱资源，该过程必然获得针对每个业务的最优路径和最优频谱资源。
[0050]
在方框202中，pce(例如，如图1b所示的pce 101)以每个业务的最优路径和相应的频谱资源两者作为参数或者单独以每个业务的最优路径作为参数、依照目标函数计算每个业务的最小目标值以及所有业务的最小目标值t
min
。t
min
为依照目标函数针对所有业务计算获得的目标值中的最小极限值，即，理想目标值或极限目标值。在本发明实施例中，可选地，pce(例如，如图1b所示的pce 101)以每个业务的最优路径和/或最优频谱资源作为参数、依照目标函数计算每个业务的最小目标值，以及所有业务的最小目标值t
min
。在本发明实施例中，可选地，方框202还包括记录或存储最小目标值t
min
。
[0051]
在方框203中，根据每个业务的最小目标值，按照合适的策略对业务进行排序后，pce(例如，如图1b所示的pce 101)基于网络拓扑结构和网络中整体的频谱资源依次计算一个或多个业务中每个业务的实际路径并依次分配相应的频谱资源。例如，在网络目标拓扑中，pce以目标函数为优先级最高的约束条件、加上各业务自己的约束条件，依次计算每个
业务的实际路径，并依次分配实际的频谱资源。由于pce在针对一个或多个业务的每个业务计算实际业务路径和分配实际频谱资源时需要考虑其他业务的情况，所计算的实际业务路径和所分配的实际频谱资源必然不能达到最优路径和最优频谱资源的效果。
[0052]
在本发明实施例中，可选地，pce按照经计算的每个业务的最小目标值从大到小的顺序依次计算每个业务的实际路径。可选地，pce按照经计算的每个业务的最小目标值从小到大的顺序依次计算每个业务的实际路径。可选地，pce按照随机顺序依次计算每个业务的实际路径。
[0053]
在本发明实施例中，可选地，方框203还包括使用合适的策略对每个业务进行排序，然后，在排序之后根据顺序依次计算每个业务的实际路径并分配相应的频谱资源。例如，可以按照每个业务的最小目标值从大到小的顺序、按照每个业务的最小目标值从小到大的顺序、或者随机的顺序对所有业务进行排序。
[0054]
在方框204中，pce(例如，如图1b所示的pce 101)以一个或多个业务中每个业务的实际业务路径和/或相应的频谱资源作为参数、依照目标函数计算一个或多个业务的实际目标值t，并作为初始的实际最优目标值t
best
。在本发明实施例中，方框204还包括记录或存储实际最优目标值t
best
，记录或存储所有业务的实际路径为初始的实际最优路径，以及记录或存储所有业务的实际频谱资源为初始的实际最优频谱资源。在本发明实施例中，可选地，pce(例如，如图1b所示的pce 101)以每个业务的实际业务路径和/或实际频谱资源作为参数、依照目标函数计算一个或多个业务的实际目标值t，并作为初始的实际最优目标值t
best
。在本发明实施例中，方框204还包括记录或存储实际最优目标值t
best
、实际最优路径和实际最优频谱资源。
[0055]
在方框205中，pce(例如，如图1b所示的pce 101)对一个或多个业务中的业务子集进行重新排序。在方框206中，pce(例如，如图1b所示的pce101)依照重新排列的顺序重新计算上述业务子集中各业务的实际路径并重新分配相应的频谱资源、以及重新计算实际目标值t。如果t小于t
best
，则更新实际最优目标值t
best
为t，更新实际最优路径和实际最优频谱资源为此次所有业务的路径和频谱资源，直到重新计算的次数达到一个阈值和/或实际最优目标值t
best
与最小目标值t
min
的差值小于等于一个预定值。在方框207中，pce(例如，如图1b所示的pce 101)向pcc(例如，如图1b所示的pcc 102)发送更新后的实际最优路径和实际最优频谱资源。也就是说，pce将最终获得的一个或多个业务中每个业务的实际业务路径和实际频谱资源发送给pcc。
[0056]
图3为本发明实施例提供的一种确定业务路径和频谱迭代优化的流程示意图。图3详细描述了pce针对一个或多个业务的实际路径和实际频谱资源进行的迭代优化过程。例如，图3进一步详细描述了图2的示例中的方框205、206和207的方法步骤。
[0057]
具体来讲，如图3所示，在方框301中，pce(例如，如图1b所示的pce101)设置重新计算次数的阈值(即，迭代次数)，并设置预定值v。在本发明实施例中，可选地，预定值v可以是与最小目标值t
min
相关联的预定比例值s与最小目标值t
min
的乘积，其中，预定比例值s是大于等于零的非负数值。1-s即为目标优度。即，v＝t
min
*s。因此，当实际最优目标值t
best
与最小目标值t
min
的差值等于预定值v的情况下，t
best
是t
min
与(1+s)的乘积，即，t
best
＝t
min
*(1+s)。
[0058]
在方框302中，从一个或多个业务的所有业务中选择业务子集。在本发明实施例
102)发送更新后的实际最优路径和实际最优频谱资源。也就是说，pce将最终获得的一个或多个业务中每个业务的实际业务路径和实际频谱资源发送给pcc。
[0069]
具体而言，在本发明实施例中，可选地，重新计算目标值t并更新实际最优目标值t
best
的过程包括：存储先前计算的针对所有业务所计算的实际最优目标值t
best
；存储先前计算的针对所有业务的实际最优路径和频谱资源；依照重新排列的顺序重新计算被选择的那部分业务中每个业务的实际路径并分配相应的频谱资源；以所有业务中每个业务的实际路径和/或相应的频谱资源作为参数、依照所述目标函数来重新计算实际目标值t；在经重新计算的实际目标值t小于经存储的实际最优目标值t
best
的情况下，将经存储的实际最优目标值t
best
更新为经重新计算的实际目标值t，将经存储的实际最优路径和频谱资源更新为此次所有业务的路径和频谱资源。
[0070]
由此可见，本发明在确定业务的初始最优路径和最优频谱资源时(例如，方框201)，采用贪心的思路，能取得优度比较好的初始的结果路径。其次，本发明能在并发路径计算结果的优度和计算耗费时间之间取得比较好的平衡。如果网络拓扑规模不大，可以将阈值(即，迭代次数)设置的大些、并将预定比例值s(例如，与最小目标值t
min
相关联的预定比例值)设置的小些，这样，经计算的路径结果满足目标函数的优度会更好。如果网络拓扑规模大，则可以减少阈值(即，迭代次数)，并将预定比例值s设置的大些，以使得在牺牲一定优度的前提下不会耗费太多的计算时间。
[0071]
为了更加形象的描述本发明方法及系统中涉及的主要处理过程，下面通过三个具体实施例来进行详细说明。
[0072]
在本发明实施例中，链路内总波长数目减去已用波长数目，即获得该链路内可用波长数目。举例而言，在一个特定链路内，一个波长带宽是50ghz，该链路上的总带宽是500ghz，则该链路内总波长数目是10。假设一个链路上总波长数目是10并且已用波长数目是2，则该链路上可用波长数目是8。
[0073]
图4为本发明实施例提供的一种光传输网络拓扑示意图。该实施例采用了总使用带宽最小的全局并发优化的具体方式，采用使用带宽总和最小(mbc，minimize aggregate bandwidth consumption)目标函数。
[0074]
如图4所示，网络拓扑由节点a，b，c，d，e，f，g组成。如图4所示的网络链路旁边的数字表示该链路上的可用波长数目。
[0075]
举例来讲，如图4所示的网络拓扑中需要实现以下4个业务。应当理解，图4的实施例所能实现的业务的数目和类型可以变化、并且不受限制。
[0076]
业务1：a～e，首节点为a，尾节点为e。
[0077]
业务2：b～g，首节点为b，尾节点为g。
[0078]
业务3：f～b，首节点为f，尾节点为b。
[0079]
业务4：d～g，首节点为d，尾节点为g。
[0080]
假定每个业务在每条经过链路上都占用一个固定宽度的波长。
[0081]
在图4所示的网络拓扑中执行计算全局并发优化路径的方法主要包括以下步骤一和步骤二。其中，步骤一和步骤二的每个子步骤分别对应于图2和图3的流程示意图中各方框所执行的步骤，具体描述如下。
[0082]
步骤一：确定各业务的初始实际最优路径和最优频谱。
[0083]
方框201：在目标拓扑中，以目标函数为优先级最高的约束条件，加上各业务自己的约束条件，分别计算各条业务的最优路径，并分配最优频谱资源。假定结果路径分别为：
[0084]
业务1路径为a-b-e。
[0085]
业务2路径为b-d-g。
[0086]
业务3路径为f-g-d-b。
[0087]
业务4路径为d-g。
[0088]
方框202：依照mbc目标函数(sum{r(li)-r(li),i＝1...n})，评估所有业务最优路径的最小目标值t
min
。因为每个业务在每条经过链路上都占用一个固定宽度的波长，所以一个业务路径的波长数目总和即为该业务经过的链路数。由此，业务1路径的波长数目总和为2，业务2的路径的波长数目总和为2，业务3的路径波长数目总和为3，业务4的波长数目总和为1。因此，t
min
为所有业务的波长数目总和，t
min
的值是2+2+3+1＝8。
[0089]
方框203：随机打乱业务后，业务的顺序为3，2，4，1。按照波长数目总和从大到小的顺序，对业务进行排序，顺序为3，2，1，4。按照重新排序后的业务顺序，在目标拓扑中，以目标函数为优先级最高的约束条件，加上各业务自己的约束条件，依次计算各业务的实际路径，并分配实际频谱资源。假定结果路径分别为：
[0090]
业务3路径为f-g-d-b，目标函数评估的路径波长数目总和为3。
[0091]
业务2路径为b-e-g，目标函数评估的路径波长数目总和为2。
[0092]
业务1路径为a-c-f-g-e，目标函数评估的路径波长数目总和为4。
[0093]
业务4路径为d-e-g，目标函数评估的路径波长数目总和为2。
[0094]
方框204：按照目标函数评估所有业务实际路径的波长数目总和3+2+4+2＝11，记为t
best
，并记录下各业务的实际路径和分配的实际频谱作为初始的实际最优路径和频谱资源。
[0095]
步骤二：业务路径和频谱的迭代优化。
[0096]
方框301：设置最大迭代计算次数(即，阈值)为2，并且设置预定比例值s为0.1，预定值v＝t
min
*s＝8*0.1＝0.8。
[0097]
·
第一次迭代计算(重新计算)：
[0098]
方框302：在业务序列3，2，1，4中，随机选取业务b
i
、b
j
,i<j，假定b
i
为业务2，b
j
为业务1。
[0099]
调整被选中业务的顺序，b
i
和b
j
以及二者之间的业务顺序依次颠倒过来。即，被选中业务调整后的顺序为1，2。
[0100]
方框303：从拓扑中释放业务1和业务2(即，业务b
i
、b
j
)所占用的频谱资源。
[0101]
方框304：在目标拓扑中，以目标函数为优先级最高的约束条件，加上各业务自己的约束条件，按照业务1和业务2的顺序，重新计算业务1和业务2的实际路径，并分配实际频谱资源。假定结果路径分别为：
[0102]
业务3路径为f-g-d-b，目标函数评估的路径波长数目总和为3。
[0103]
业务1的新路径为a-c-d-e，目标函数评估的路径波长数目总和为3。
[0104]
业务2的新路径为b-e-g，目标函数评估的路径波长数目总和为2。
[0105]
业务4路径为d-e-g，目标函数评估的路径波长数目总和为2。
[0106]
方框305：按照目标函数评估所有业务路径的波长数目总和为3+3+2+2＝10，记为
t。
[0107]
方框306和307：因为t(10)<t
best
(11)，则将t
best
更新为t，并记录下各业务的实际路径和分配的实际频谱资源作为最优结果。
[0108]
方框308：判断重新计算的次数是否达到最大迭代计算次数。当前的迭代次数(重新计算的次数)为1，还没有达到所设置的最大迭代计算次数2，因此转到方框309。
[0109]
方框309：因为(t
best-t
min
)>v，即，t
best
的值10与t
min
的值8的差值是2，v是t
min
的值8与s的乘积，8*0.1＝0.8，而差值2大于v的值0.8，所以转到方框302。
[0110]
·
第二次迭代计算(重新计算)：
[0111]
方框302：在业务序列3，1，2，4中，随机选取业务b
i
、b
j
,i<j，假定b
i
为业务1，b
j
为业务4。
[0112]
调整被选中业务的顺序，b
i
和b
j
以及二者之间的业务顺序依次颠倒过来。即，被选中业务调整后的顺序为4，2，1。
[0113]
方框303：从拓扑中释放业务4，2，1所占用的频谱资源。
[0114]
方框304：在目标拓扑中，以目标函数为优先级最高的约束条件，加上各业务自己的约束条件，按照业务4，2，1的顺序，重新计算业务4，2，1的实际路径，并分配实际频谱资源。假定结果路径分别为：
[0115]
业务3路径为f-g-d-b，目标函数评估的路径波长数目总和为3。
[0116]
业务4的新路径为d-g，目标函数评估的路径波长数目总和为1。
[0117]
业务2的新路径为b-e-g，目标函数评估的路径波长数目总和为2。
[0118]
业务1的新路径为a-c-f-g-e，目标函数评估的路径波长数目总和为4。
[0119]
方框305：按照目标函数评估所有业务路径的波长数目总和为3+1+2+4＝10，记为t。
[0120]
方框306和307：因为t(10)＝t
best
(10)，不更新t
best
为t。
[0121]
方框308：判断重新计算的次数是否达到最大迭代计算次数。此时迭代次数(重新计算的次数)为2，已经达到最大迭代计算次数2，因此转到方框310。
[0122]
方框310：将记录的各业务的实际路径和分配的实际频谱资源的最优结果输出。
[0123]
图5为本发明实施例提供的另一种光传输网络拓扑示意图。该实施例采用了最大负载链路的负载最小的全局并发优化的具体方式，采用最大链路负载值最小(mll，minimize the load of the most loaded link)目标函数。
[0124]
如图5所示，拓扑由节点a，b，c，d，e，f，g组成。链路旁边的数字表示该链路上的已用波长数与该链路上的总波长数的比值，即，已用波长数/总波长数。
[0125]
举例来讲，类似于图4，图5的网络拓扑中需要实现以下4个业务。应当理解，图5的实施例所能实现的业务的数目和类型可以变化、并且不受限制。
[0126]
业务1：a～e，首节点为a，尾节点为e。
[0127]
业务2：b～g，首节点为b，尾节点为g。
[0128]
业务3：f～b，首节点为f，尾节点为b。
[0129]
业务4：d～g，首节点为d，尾节点为g。
[0130]
假定每个业务在每条经过链路上都占用一个固定宽度的波长。
[0131]
类似于图4，在图5所示的网络拓扑中执行计算全局并发优化路径的方法主要包括
以下步骤一和步骤二，并且，步骤一和步骤二的每个子步骤分别对应于图2和图3的流程示意图中各方框所执行的步骤。
[0132]
步骤一：确定各业务的初始实际最优路径和最优频谱。
[0133]
方框201：在目标拓扑中，以目标函数为优先级最高的约束条件，加上各业务自己的约束条件，分别计算各条业务的最优路径，并分配最优频谱资源。假定结果路径分别为：
[0134]
业务1路径为a-b-e。
[0135]
业务2路径为b-d-g。
[0136]
业务3路径为f-g-d-b。
[0137]
业务4路径为d-g。
[0138]
方框202：依照mll目标函数(max{(r(li)-r(li))/r(li),i＝1...n})，评估各业务路径的目标值t
min
。具体来讲，以各业务路径的每个链路上的已用波长数/总波长数为参数、依照mll目标函数来计算该业务路径的目标值；然后再依照mll目标函数来计算所有业务的目标值t
min
。
[0139]
依照mll目标函数计算获得的业务1路径的目标值为2/10，业务2路径的目标值为2/10，业务3路径的目标值为3/10，并且业务4路径的目标值为1/10，则依照mll目标函数计算获得的所有业务的目标值t
min
为max(2/10,2/10,3/10,1/10)＝3/10。
[0140]
方框203：随机打乱业务后，业务的顺序为3，4，2，1。按照所计算的各业务路径目标值从大到小的顺序，对业务进行重新排序，则排序后的顺序为3，2，1，4。之后，按照重新排列的业务顺序，在目标拓扑中，以目标函数为优先级最高的约束条件，加上各业务自己的约束条件，依次计算各业务的实际路径，并分配实际频谱资源。假定结果路径分别为：
[0141]
业务3路径为f-g-d-b，此时目标函数评估的路径目标值为3/10。
[0142]
业务2路径为b-e-g，此时目标函数评估的路径目标值为2/10。
[0143]
业务1路径为a-c-f-g-e，此时目标函数评估的路径目标值为4/10。
[0144]
业务4路径为d-e-g，此时目标函数评估的路径目标值为3/10。
[0145]
方框204：按照目标函数评估所有业务路径的总目标值是max(3/10,2/10,4/10,3/10)＝4/10，记为t
best
，并记录下各业务的实际路径和分配的实际频谱资源作为初始的实际最优路径和频谱资源。
[0146]
步骤二：业务路径和频谱的迭代优化。
[0147]
方框301：设置最大迭代计算次数为2，并设置预定比例值s为0.1,预定值v＝t
min
*s＝(3/10)*0.1＝0.03。
[0148]
·
第一次迭代计算(重新计算)：
[0149]
方框302：在业务序列3，2，1，4中，随机选取业务b
i
，b
j
，i<j，假定b
i
为业务2，b
j
为业务1。
[0150]
调整被选中业务的顺序，b
i
和b
j
以及二者之间的业务顺序依次颠倒过来。即，被选中业务调整后的顺序为1，2。
[0151]
方框303：从拓扑中释放业务1，2所占用的频谱资源。
[0152]
方框304：在目标拓扑中，以目标函数为优先级最高的约束条件，加上各业务自己的约束条件，按照业务1，2的顺序，重新计算业务1，2的实际路径，并分配实际频谱资源。假定结果路径分别为：
[0153]
业务3路径为f-g-d-b，此时目标函数评估的路径目标值为3/10。
[0154]
业务1的新路径为a-c-d-e，此时目标函数评估的路径目标值为1/10。
[0155]
业务2的新路径为b-e-g，此时目标函数评估的路径目标值为2/10。
[0156]
业务4路径为d-e-g，此时目标函数评估的路径目标值为2/10。
[0157]
方框305：按照目标函数评估所有业务路径的总目标值为max(3/10,1/10,2/10,2/10)＝3/10，记为t。
[0158]
方框306和307：因为t(3/10)<t
best
(4/10)，则将t
best
更新为t，并记录下各业务的实际路径和分配的实际频谱资源作为最优结果。即，经更新后，t
best
的值是3/10。
[0159]
方框308：判断重新计算的次数是否达到最大迭代计算次数。此时迭代次数(重新计算的次数)为1，还没有达到最大迭代计算次数2，因此转到方框309。
[0160]
方框309：因为(t
best-t
min
)<v即，t
best
的值3/10与t
min
的值3/10的差值是0，v是t
min
的值3/10与s的乘积，(3/10)*0.1＝0.03，而差值0小于v的值0.03，转到方框310。
[0161]
方框310：将记录的各业务的实际路径和实际频谱资源的最优结果输出。
[0162]
图6为本发明实施例提供的又一种光传输网络拓扑示意图。该实施例采用了路径代价和最小的全局并发优化的具体方式，采用路径代价总和最小(mcc，minimize cumulative cost of a set of paths)目标函数。
[0163]
如图6所示，拓扑由节点a，b，c，d，e，f，g组成。链路旁边的数字表示该链路的代价。可选的，链路的代价可以是距离、时延或抖动等。
[0164]
举例来讲，类似于图4和图5，图6的网络拓扑中需要实现以下4个业务。应当理解，图6的实施例所能实现的业务的数目和类型可以变化、且不受限制。
[0165]
业务1：a～e，首节点为a，尾节点为e。
[0166]
业务2：b～g，首节点为b，尾节点为g。
[0167]
业务3：f～b，首节点为f，尾节点为b。
[0168]
业务4：d～g，首节点为d，尾节点为g。
[0169]
假定每个业务在每条经过链路上都占用一个固定宽度的波长。
[0170]
类似于图4和图5，在图6所示的网络拓扑中执行计算全局并发优化路径的方法主要包括以下步骤一和步骤二，并且，步骤一和步骤二的每个子步骤分别对应于图2和图3的流程示意图中各方框所执行的步骤。
[0171]
步骤一：确定各业务的初始实际最优路径和最优频谱。
[0172]
方框201：在目标拓扑中，以目标函数为优先级最高的约束条件，加上各业务自己的约束条件，分别计算各条业务的最优路径，并分配最优频谱资源。假定结果路径分别为：
[0173]
业务1路径为a-b-e。
[0174]
业务2路径为b-d-g。
[0175]
业务3路径为f-g-d-b。
[0176]
业务4路径为d-g。
[0177]
方框202：依照mcc目标函数(sum{c(pi),i＝1...m})，评估各业务路径的目标值t
min
。一个业务路径的代价即为该路径上各条链路的代价之和。由此，业务1路径的代价为200，业务2的路径代价为200，业务3的路径代价为300，业务4的路径代价为100，则依照mcc目标函数计算的所有业务的目标值t
min
为总代价200+200+300+100＝800。
[0178]
方框203：随机打乱业务后，业务的顺序为3，2，4，1。按照各业务路径代价从大到小的顺序，对业务进行排序，顺序为3，2，1，4。按照重新排列的业务顺序，在目标拓扑中，以目标函数为优先级最高的约束条件，加上各业务自己的约束条件，依次计算各业务的实际路径，并分配实际频谱资源。假定结果路径分别为：
[0179]
业务3路径为f-g-d-b，目标函数评估的路径代价为300。
[0180]
业务2路径为b-e-g，目标函数评估的路径代价为200。
[0181]
业务1路径为a-c-f-g-e，目标函数评估的路径代价为400。
[0182]
业务4路径为d-e-g，目标函数评估的路径代价为200。
[0183]
方框204：按照目标函数评估所有业务路径的总代价300+200+400+200＝1100，记为t
best
，并记录下各业务的实际路径和分配的实际频谱资源作为初始的实际最优路径和频谱资源。
[0184]
步骤二：业务路径和频谱的迭代优化。
[0185]
方框301：设置最大迭代计算次数为2，并设置预定比例值s为0.1，预定值v＝t
min
*s＝800*0.1＝80。
[0186]
·
第一次迭代计算(重新计算)：
[0187]
方框302：在业务序列3，2，1，4中，随机选取业务b
i
、b
j
,i<j，假定b
i
为业务2，b
j
为业务1。
[0188]
调整被选中业务的顺序，b
i
和b
j
以及二者之间的业务顺序依次颠倒过来。即，被选中业务调整后的顺序为1，2。
[0189]
方框303：从拓扑中释放业务1，2所占用的频谱资源。
[0190]
方框304：在目标拓扑中，以目标函数为优先级最高的约束条件，加上各业务自己的约束条件，按照业务1，2的顺序，重新计算业务1，2的实际路径，并分配实际频谱资源。假定结果路径分别为：
[0191]
业务3路径为f-g-d-b，目标函数评估的路径代价为300。
[0192]
业务1的新路径为a-c-d-e，目标函数评估的路径代价为300。
[0193]
业务2的新路径为b-e-g，目标函数评估的路径代价为200。
[0194]
业务4路径为d-e-g，目标函数评估的路径代价为200。
[0195]
方框305：按照目标函数评估所有业务路径的总代价为300+300+200+200＝1000，记为t。
[0196]
方框306和307：因为t(1000)<t
best
(1100)，则更新t
best
为t，并记录下各业务的实际路径和分配的实际频谱资源作为最优结果。
[0197]
方框308：判断重新计算的次数是否达到最大迭代计算次数。此时迭代次数(重新计算的次数)为1，还没有达到最大迭代计算次数2，因此转到方框309。
[0198]
方框309：因为(t
best-t
min
)>v，即，t
best
的值1000与t
min
的值800的差值是200，v是t
min
的值800与s的乘积，800*0.1＝80，而差值200大于v的值80，所以转到方框302。
[0199]
转到方框302。
[0200]
·
第二次迭代计算(重新计算)：
[0201]
方框302：在业务序列3，1，2，4中，随机选取业务b
i
、b
j
,i<j，假定b
i
为业务1，b
j
为业务4。
[0202]
调整被选中业务的顺序，b
i
和b
j
以及二者之间的业务顺序依次颠倒过来。即，被选中业务调整后的顺序为4，2，1。
[0203]
方框303：从拓扑中释放业务4，2，1所占用的频谱资源。
[0204]
方框304：在目标拓扑中，以目标函数为优先级最高的约束条件，加上各业务自己的约束条件，按照业务4，2，1的顺序，重新计算业务4，2，1的实际路径，并分配实际频谱资源。假定结果路径分别为：
[0205]
业务3路径为f-g-d-b，目标函数评估的路径代价为300。
[0206]
业务4的新路径为d-g，目标函数评估的路径代价为100。
[0207]
业务2的新路径为b-e-g，目标函数评估的路径代价为200。
[0208]
业务1的新路径为a-c-f-g-e，目标函数评估的路径代价为400。
[0209]
方框305：按照目标函数评估所有业务路径的总代价为300+100+200+400＝1000，记为t。
[0210]
方框306和307：因为t(1000)＝t
best
(1000)，不更新t
best
为t。
[0211]
方框308：判断重新计算的次数是否达到最大迭代计算次数。此时迭代次数(重新计算的次数)为2，已经达到最大迭代计算次数2，因此转到方框310。
[0212]
方框310：输出所记录的各业务的实际路径和实际频谱资源的最优结果。
[0213]
图7为本发明实施例提供的一种pce的结构示意图。pce 700可以是图1中的pce 101。图7所示的pce 700包括：存储器702，其上存储有计算机可执行指令；以及处理器701，其耦合到存储器702；其中计算机可执行指令被处理器701执行时致使pce 700实现图2至图6所示的方法。
[0214]
在本发明实施例中，可选地，pce 700还包括接收电路703，接收电路703具体可以用于从pcc(例如，如图1b所示的pcc 102)接收优化所述一个或多个业务的路径的请求。然后，pce 700的处理器701可以具体执行图2和图3所示的计算全局并发优化路径的流程，例如，用于执行计算路径、分配频谱资源、依照目标函数来计算目标值、重新计算并更新目标值等方法步骤。
[0215]
在本发明实施例中，可选地，pce 700还包括接收电路704。在计算全局并发优化路径的流程执行之后，pce 700的发射电路704向pcc发射一个或多个业务中每个业务经优化的实际路径以及针对这些实际路径所分配的实际频谱资源。
[0216]
应理解，根据本发明实施例的pce 700中的各个电路和/或单元的上述和其它操作和/或功能分别为了实现图1a至图6中的各个方法的相应流程，为了简洁，在此不再赘述。
[0217]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元和/或电路及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0218]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元和/或电路的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0219]
在本发明所提供的几个实施例中，应该理解到，所揭露的方法、设备和装置可以通
过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元和/或电路的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置、单元和/或电路的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0220]
所述作为分离部件说明的电路和/或单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0221]
另外，在本发明各个实施例中的各功能单元和/或电路可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0222]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0223]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。