具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

需说明的是，当部件被称为“固定于”或“设置于”另一个部件，它可以直接在另一个部件上或者间接在该另一个部件上。当一个部件被称为是“连接于”另一个部件，它可以是直接或者间接连接至该另一个部件上。

需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

实施例一

本实施例一提供一种用于搜索传输电路路由的方法，如图4所示，方法包括以下步骤：

S1，采用剪枝对传输设备的广度优先搜索进行剪枝优化，获取广度优先搜索的时间复杂度，根据时间复杂度生成高阶搜索通道；

S2，对剪枝优化后的传输设备进行校验与处理获取传输设备的起止端，并将Yen’s模型进行优化，根据高阶搜索通道构建基于优化后Yen’s模型的网络拓扑图，采用优化后的Yen’s算法计算传输设备起止端和网络拓扑图的前k条最短路径。

本发明搜索传输电路路由包括高阶搜索通道算法和KSP问题解决方案两个部分，图1为高阶搜索通道的算法流程图，图2为获取推荐方案流程图，推荐方案即为对前K条最短路径进行包装生成的推荐方案。图1是基于广度优先搜索(DFS)的扩展，传输通信网络具有无向图网络特征，且采用邻接表存储，则采用递归算法及队列存储进行计算，结合传输高阶通道速率特征的剪枝优化，对原算法时间复杂度进行优化(时间复杂度公式：O(v+e))，在生成通道过程采用通道复制方案减少再次搜索次数，最终达到快速生成高阶通道数据的目的。

图2是基于递推法中的偏离路径算法思想获取推荐方案流程图，方案推荐基于递推法中的偏离路径思想，在Yen’s算法的基础上进行封装，采用第一部分中剪枝后得到的数据，用Java语言具体实现此种场景下的KSP问题解决方案。以下将对本发明所提出的两部分的技术进一步解释。

优选地，生成高阶搜索通道包括以下步骤：

步骤A，根据传输设备类型，排除没有高阶通道的传输设备，得到时间复杂度的顶点集合；

步骤B，根据传输设备内部时隙的速率，排除不满足高阶通道的节点，对时间复杂度的顶点集合进行顶点剪枝，获取剪枝优化后的时间复杂度参与顶点；

步骤C，对步骤A与步骤B中所得传输设备进行时隙交叉与链路的数据准备，对时间复杂度边集合进行边剪枝，获取剪枝优化后的时间复杂度参与边；

步骤D，根据时间复杂度参与顶点与时间复杂度参与边生成高阶搜索通道。

具体的，节点剪枝的包括三次剪枝，对于步骤A，根据传输设备类型，排除没有高阶通道的设备，使得节点数量减少，进而减少广度优先搜索的参与顶点参数(v)，即限定传输设备节点条件，只针对MSAP,SDH,MSTP,MSOTN,ASON进行通道搜索，进行第一次剪枝。

根据传输设备内部时隙的速率，排出不满足高阶通道的节点，使得节点数量减少，进而减少广度优先搜索的参与顶点参数(v)，即针对步骤A结果的设备节点高阶通道条件判断，存在速率155M时隙，且已经划分了2M时隙(空闲时隙)，从而进行了第二次剪枝。

根据传输设备时隙交叉优化及链路数据优化，减少参与计算边，进而减少广度优先搜索的参与边参数(e)，即在准备时隙交叉数据和链路连接数据时候进行第三次剪枝。

优选地，根据广度优先搜索与复制通道对高阶搜索通道进行递归搜索生成搜索结果，并存储搜索结果。

优选地，递归搜索具体步骤如下：

设定广度优先搜索的最大搜索阈值；

设定初始标志位，当初始标志位为单数时，进行时隙交叉搜索，为双数时，进行链路关系搜索，并将递归搜索结果写入队列内；

若递归搜索中存在分支通道，则对分支通道进行反向搜索，生成反向搜索结果，并将反向搜索结果写入分支队列内；

合并队列及分支队列，生成高阶通道队列。

具体的，首先设定搜索广度阈值。递归搜索通道，设定起始序号标志位，当标志位为单数时候向下搜索时隙交叉关系，为双数时候，进行链路关系搜索，并添加此次递归结果到队列内。

递归搜索过程中遇到分支通道，则按条件进行对存在分支通道的通道队列进行反向搜索，将分支的前一段通道存入分支通道队列，再递归结束后合并分支通道队列数据到通道队列内。

最后缓存通道队列的网络模型数据。

模型的数据如下表：

优选地，对传输设备的输入电路的输入参数进行校验，若检验通过则进入输入参数处理，反之则路由设计结束；其中，输入参数包括带宽、起端局站、起端机房、起端设备、止端局站、止端机房以及止端设备。

具体的，如图2所示，输入参数的校验为获取推荐方案的第一步，自动校验用户传入参数的合法性，若检验通过则进入输入参数处理，反之则路由设计结束。

优选地，获取传输设备的最小粒度，根据最小粒度获取传输设备输入参数的起止端。

具体的，如图2所示，获取起止端的为获取推荐方案的第二步，在路由设计中对资源处理的最小粒度为箱体设备级，故如果用户在第一步中未输入起止端设备，则需要根据用户输入的起止端机房获取对应机房下所有符合要求的传输设备，最终实现将单个设备作为KSP中待求解的起止端。

优选地，根据高阶通道队列的起止端作为Yen’s模型中的一条路径，根据每条路径的设备数目作为路径权重构建起止端的网络拓扑图；其中，Yen’s模型中的相邻节点之间的路径为多条无向路径。

具体的，如图2所示，构建网络拓扑图为获取推荐方案的第三步，根据第一步中用户传入的电路带宽值将第一部分获取到的数据集合再次进行筛选后，为了平衡处理结果的时效性和准确性，系统设计为在每次进行新的路由设计时将第一部分的结果数据放在内存中。通过将上述表格缓存网络模型中的AZ端组合成Yen’s模型中的一条路径，以路由分析详情中包含的设备数目作为路径权重，构建Yen’s模型中的网络拓扑图。需要说明的是,在原YEN'S算法基础上，对Yen’s算法做了一些调整，以适用于通信网络的无向、跳接点少、相邻点多路径等特征下的路由搜索，调整如下，将Yen’s原算法中的距离权重优先改为以每条路径经过设备数量权重，原算法中有向路径改为无向路径，原算法中相邻两节点单条路径改为多条路径。

优选地，根据迪杰斯特拉算法对传输设备的起止端进行计算，获取起止端的最短路径，将最短路径下对应的起止端位置进行固定，根据迪杰斯特拉算法对设置偏离点及设置长度权重无穷大的最短路径重新计算，获取前k条所述最短路径。

具体的，如图2所示，构建网络拓扑图为获取推荐方案的第四步，结合传输电路业务和第二步与第三步中获取的起止端和网络拓扑图，使用Java语言实现Yen’s算法，首先使用Dijkstra找到起终点两点间的最短路径，再固定起止端，每次设置一个偏离点，逐段设置长度为正无穷，重新运行Dijkstra算法，寻找最短路径，找到可以替换该段的最短路径。最终获取符合要求的前K个最短路径。

优选地，根据前k条最短路径生成k个最优方案，并将k个最优方案反馈给用户。

具体的，如图2所示，构建网络拓扑图为获取推荐方案的第五步，根据第四步中获取到的前K个最短路径，生成每个方案的名称、详情等信息返回给用户。

本实施例一还提供一种路由搜索装置，用以实现所述的一种用于搜索传输电路路由的方法，装置包括：

高阶通道生成模块，用于采用剪枝对传输设备的广度优先搜索进行剪枝优化，获取广度优先搜索的时间复杂度，根据时间复杂度生成高阶搜索通道；

最短路径计算模块，用于对剪枝优化后的传输设备进行校验与处理获取传输设备的起止端，并将Yen’s模型进行优化，根据高阶搜索通道构建基于优化后Yen’s模型的网络拓扑图，采用优化后的Yen’s算法计算传输设备起止端和网络拓扑图的前k条最短路径。

实施例二

本实施例二基于实施例一的基础上以具体的实施案例对本发明作进一步的说明。包括高阶搜索通道生成算法与最优路径生成部分，具体如下：

高阶搜索通道生成算法

S1、节点剪枝与边剪枝具体实现如下：

根据传输设备类型(MSAP,SDH,MSTP,MSOTN,ASON)进行筛选，得到广度优先搜索的顶点集合(v)。

根据高阶通道特征对传输设备进行条件判断，存在被划分成2M时隙的155M时隙，且存在空闲的时隙，第二次对广度优先搜索进行顶点(v)剪枝。

通过上述步骤结果的设备进行时隙交叉的数据准备，以及链路数据准备，得到优化后的广度优先搜索边(e)。

S2、广度优先搜索具体实现如下：

预设最大搜索次数阈值参数CIRCLE_COUNT为50(可根据实际传输网络复杂情况调整)；

设置初始化标志位为SEQ为1；

从传输设备SDH1的155M时隙01开始遍历搜索，先将此数据存入队列[SDH1-01]。

判断标志位SEQ为单数，进行链路关系查找，为偶数时候搜索时隙交叉关系，找到SDH2的155M时隙01，加入队列[SDH1-01,SDH1-01]，并将标志位SEQ设置为2，进行下一次递归,找到时间交叉关系SDH2-02,加入队列[SDH1-01,SDH2-01,SDH2-02]。

当在SDH3的155M时隙02的时隙交叉关系出现分支，SDH3的155M时隙03，SDH3的155M时隙04，则反向复制[SDH1-01,SDH2-01,SDH2-02,SDH3-04]此队列到分支队列，继续进行向下搜索。

在时隙交叉关系未找到记录，则结束。标志位大于CIRCLE_COUNT值，结束。未结束继续递归搜索步骤。

最终合并队列及分支队列，形成高阶通道队列[SDH1-01,SDH2-01,SDH2-02,SDH3-03,SDH3-03,SDH4-03][SDH1-01,SDH2-01,SDH2-02,SDH3-04,SDH3-04,SDH4-04,SDH4-05,SDH5-05]

S3、构建网络拓扑图获取最短路径具体步骤如下：

以S2第7步中获取的队列作为Yen’s模型中的一条路径，以每条路径经过的设备数量作为路径权重，构建Yen’s模型中的网络拓扑图。

以用户传入的起止端设备作为Yen’s算法中的固定起止点，求取前K条最短路径。

S4、结合传输电路路由的KSP问题解决实例简析如下：

如图3所示，设起端设备为C，止端设备为H，线段上的数字表示由设备数量计算得到的相应权重，现需获取C设备到H设备的前3条最短路径：

通过Dijkstra算法获取C设备到H设备的最短路径P1:C-E-F-H，总消耗为2(CE)+2(EF)+1(FH)＝5；

基于P1路径进行迭代，设置CE之间的权重为无限大(实际的算法中直接假设CE之间路径不通)，以C为起点,通过Dijkstra算法获取到最短路径P2:C-D-F-H，总消耗为3(CD)+4(DF)+1(FH)＝8，将P2存入偏移路径集合；

基于P1路径进行迭代，设置EF之间的权重为无限大(实际的算法中直接假设EF之间路径不通)，以E为起点,通过Dijkstra算法获取到最短路径P3:C-E-G-H，总消耗为2(CE)+3(EG)+2(GH)＝7，将P3存入偏移路径集合；

基于P1路径进行迭代，设置FH之间的权重为无限大(实际的算法中直接假设FH之间路径不通)，以F为起点,通过Dijkstra算法获取到最短路径P4:C-E-F-G-H，总消耗为2(CE)+2(EF)+2(FG)+2(GH)＝8，将P4存入偏移路径集合；

基于P1的路径迭代完成，选取最小消耗P3为第二最短路径进行第二次迭代，将P3从偏移路径集合取出。

基于P3路径进行迭代，设置CE之间的权重为无限大(实际的算法中直接假设CE之间路径不通)，以C为起点,获取的最短路径同P2；

基于P3路径进行迭代，设置EG/EF之间的权重为无限大(实际的算法中直接假设EG/EF之间路径不通，EF存在于选定的最短路径P1中，EG存在于选定的最短路径P3中)，以F为起点,通过Dijkstra算法获取到最短路径P5:C-E-D-F-H，总消耗为2(CE)+1(ED)+4(DF)+1(FH)＝8，将P5存入偏移路径集合；

基于P3路径进行迭代，设置GH之间的权重为无限大(实际的算法中直接假设GH之间路径不通)，以G为起点,没有可达路径；

此时的偏移路径集合中有P2:C-D-F-H，P4:C-E-F-G-H，P5:C-E-D-F-H，消耗均为8，根据经过的节点数最小原则选取P2。至此，由设备C至设备H的三条最短路径规划完毕。

综上所述，本发明所提供的路由搜索方法可实现快速路由智能推荐。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。