具体实施方式

实施例一

如图1所示，本实施例提供一种基于流量疏导的最小网络能耗优化方法，包括：步骤S1：在弹性光网络中，产生一组业务请求集合，根据每个业务请求的源节点和目的节点计算多条最短路径中的节点可达集合；步骤S2：在多条最短路径中的节点可达集合中，建立源节点和目的节点的虚拟可达路径；步骤S3：基于所述虚拟可达路径，建立最小能量消耗的整数线性规划模型的目标函数，为每个业务请求分配资源的过程中，依次判断是否满足单个频谱间隙的带宽容量约束条件、路径唯一性约束条件、频谱分配约束条件以及光再生器数量约束条件，若均满足，则业务请求建立成功；若有任意一项不满足，则业务请求建立失败。

本实施例所述基于流量疏导的最小网络能耗优化方法，所述步骤S1中，在弹性光网络中，产生一组业务请求集合，根据每个业务请求的源节点和目的节点计算多条最短路径中的节点可达集合，从而有利于建立虚拟可达路径；所述步骤S2中，在多条最短路径中的节点可达集合中，建立源节点和目的节点的虚拟可达路径，有利于在静态网络中实现以最小能量消耗为目标的优化；所述步骤S3中，基于所述目标函数，基于所述虚拟可达路径，建立最小能量消耗的整数线性规划模型的目标函数，为每个业务请求分配资源的过程中，依次判断是否满足单个频谱间隙的带宽容量约束条件、路径唯一性约束条件、频谱分配约束条件以及光再生器数量约束条件，若均满足，则业务请求建立成功，从而为所述业务请求分配相应的频谱资源；若有任意一项不满足，则业务请求建立失败，整个过程有利于提高每个业务请求在弹性光网络传输中的服务质量，充分利用网络中的频谱资源，通过对各个业务请求进行流量疏导，从而减少网络中光通道的数量。

在IPover静态网络模型中，业务请求在占用相应的频谱资源后不会释放这些资源，因此网络的总能耗即所有网络功耗元件的功率之和。所以，每一条业务请求的总能耗可以计算为：

E＝P×t＝(N_I×P_I+N_T×P_T+N_R×P_R)×t (1)

其中E和P分别表示业务请求单位时间内的总能耗和网络总功耗，t表示单位时间，用秒表示；N_I、N_T和N_R分别表示IP路由端口、光转发器和光再生器的数量，P_I、P_T和P_R则分别表示IP路由端口、光转发器和光再生器的功率大小。

对于IPover弹性光网络中的能量消耗问题，整数线性规划模型是解决该问题的最优方法。在IPover弹性光网络中，给定网络拓扑结构、每条链路长度、频谱资源占用情况以及IP业务请求的数量和带宽需求。这里，给定充足的网络频谱资源，以确保所有的IP业务均能通过网络进行数据传输，优化目标是最小化网络中的能量消耗，即尽可能地减少IP路由端口、光转发器以及光再生器的数量，从而建立了基于流量疏导的最小数量光再生器配置整数线性规划模型(ILP_RP)。

所述步骤S1中，在IP over弹性光网络G(N,L,W)中，产生一组业务请求集合CR，每个业务请求(s,d,B_sd)∈CR，其中N、L、W分别代表光网络中的光交换节点集合、光纤链路集合、每条链路上的频谱间隙集合；s和d分别代表每个业务请求的源节点和目的节点，B_sd代表该业务的带宽需求。K表示通过KSP算法计算获得k条最短路径的集合。设定|N|、|L|、|W|的数值，分别表示网络中节点的数目、每条链路上频谱间隙的数目，以及单个频谱间隙的带宽容量；设置P_I、P_T、P_R、M、VL的数值，分别表示IP路由端口的功率、光转发器的功率、光再生器的功率、一个较大的整数以及光再生器可以承载的最大带宽需求。表示业务请求(s,d)在第k条最短路径上链路占用情况的集合。

这里的能耗最小的整数线性规划模型会有一个输入变量表示某业务请求(源节点s，目的节点d)第k条最短路径中的节点可达情况。

所述步骤S2中，建立源节点和目的节点的虚拟可达路径时，工作路径上的任意两个节点之间的距离不超过光的最大传输距离。如图2a的给定路径图中，如果工作路径上的任意两个节点i和j之间的距离不超过光的最大传输距离，则会在这两个节点之间建立一条虚拟的可达路径。图2b中则给出了光的最大传输距离为2跳和3跳的情况下各自的虚拟可达链路。假设光的最大传输距离为3跳，由图可知，节点s和节点1、2、3之间是可达的，则和的取值都为1，而和的取值为0。

所述步骤S3中，由于本发明主要解决IP over弹性光网络中能耗元件的能量消耗问题，优化的目标函数使IP over弹性光网络中的能量消耗最小化。整数线性规划模型的目标函数主要用于优化IP over弹性光网络的能量消耗，优化目标函数可用如下式子表示：

最小化：

这里IP over弹性光网络中的能量消耗主要由IP路由端口、光转发器和光再生器组成，表示链路l上的频谱间隙w是否被某一或某些业务请求占用，Z_i表示节点i上的光再生器配置的总个数。该目标函数主要由两部分组成，第一部分表示计算获得网络中的光通道数，对应IP路由端口和光转发器的总能耗；第二部分表示计算网络中配置的再生器的个数，对应光再生器的总能耗。这里P_I、P_T和P_R的数值，分别表示IP路由端口的功率、光转发器的功率、光再生器的功率。N、L、W分别代表光网络中的光交换节点集合、光纤链路集合、每条链路上的频谱间隙集合。这里t表示单位时间，用1秒表示。

对IP over弹性光网络中的频谱资源进行分配与优化时须满足以下约束条件，具体地：

所述单个频谱间隙的带宽容量约束条件为：

其中CR表示一组业务请求集合，K表示计算获得k条最短路径的集合，C为每个频谱隙的带宽容量，L和W分别代表光网络中的光纤链路集合和每条链路上的频谱间隙集合，是一个变量，若业务请求(s,d)占用了第k条最短路径中链路l上的频谱间隙w，该变量取值为占用的带宽资源量，否则取值为0。另外，K表示通过KSP算法计算获得k条最短路径的集合；此时所述约束条件确保所有业务请求在某一链路某一频谱间隙上占用的频谱资源之和不会超过该频谱间隙的带宽承载能力。

所述路径选择唯一性约束条件为：

其中，是一个二进制变量，若业务请求(s,d)采用第k条最短路径来完成业务传输，该变量取值为1，否则取值为0。此时约束条件确保每一个业务请求都会选取1条最短路径进行频谱资源分配，满足每一个业务请求的带宽资源。

所述频谱分配约束条件为：

其中B_sd代表该业务的带宽需求，表示业务请求(s,d)在第k条最短路径上链路占用情况的集合，表示一个变量，若业务请求(s,d)占用了第k条最短路径中链路l_i(l_j)上的频谱间隙w，该变量取值为占用的带宽资源量，否则取值为0。此时约束条件(5)确保每一业务请求会在相应的工作路径上占用所需的带宽资源，以及约束条件(6)保证了频谱一致性的约束条件，即使得工作路径上各条链路上所占用的频谱间隙编号是相同的。

所述光再生器数量约束条件为：

其中Z_i表示节点i上的光再生器配置的总个数；M和VL的数值分别表示一个较大的整数以及光再生器可以承载的最大带宽需求；是一个二进制变量，若业务请求(s,d)采用第k条最短路径上的可达路径(i,j)进行占用，该变量取值为1，否则取值为0；是一个二进制变量，若业务请求(s,d)在第k条最短路径的节点i上设置了光再生器，该变量取值为1，否则取值为0；B_sd代表该业务的带宽需求。约束条件(7)保证了每个节点上再生器的数量有一定限制；约束条件(8)-(10)保证了流量约束，其中约束条件(8)确保了当源节点s和目的节点d的业务请求进入网络时，会在源节点相应的可达路径上生成光再生器的流量；与此同时，约束条件(9)确保生成流量在相应的可达路径上终止于目的节点d；约束条件(10)则确保对于任何中间节点，流入流量的大小等于流出流量。约束条件(11)保证了对于从s到d的业务请求的第k条最短路径，根据已知可达路径在源节点s和目的节点d之间的中间节点上放置相应的光再生器，使得s和d之间是可达的。约束条件(12)保证了对于业务请求(s,d)的第k条最短路径，为其所有可达路径上(除去源端)设置光再生器。约束条件(13)确保了最终各个节点上放置光再生器的数量。

通过以上约束条件，可以找出在IPover弹性光网络中基于流量疏导的最小网络能耗优化方法，从而实现该发明整数线性规划的优化目标函数。

下面结合相关的实例对本发明中具体的实施方法进行详细阐述：

如图3所示的网络拓扑为例，光纤链路上的数值代表链路长度(单位：km)，每条光纤链路是双向的。设定每条光纤链路有5个频谱间隙，每个频谱间隙的带宽容量为100Gbps。

在IPover弹性光网络中生成一组业务请求集合CR∈{CR₁(0,3,40),CR₂(0,2,120),CR₃(1,4,40)}。

确立并执行该发明中提出的基于最小能量消耗的线性整数规划模型的目标函数，(见公式(2))。

确立并执行IP over弹性光网络中基于流量疏导的最小网络能耗优化方法的不同约束条件。在为每个业务请求分配资源的过程中，要满足单个频谱间隙的带宽容量约束条件(见公式(3))、路径唯一性约束条件(见公式(4))、频谱分配约束条件(见公式(5)和(6))以及光再生器数量约束条件(见公式(7)-(13))。

经过上述步骤，即可在基于目标条件下为网络中的业务请求CR₁(0,3,40)、CR₂(0,2,120)、CR₃(1,4,40)分配相应的频谱资源。为了减少频谱占用，本发明方法在为每个业务寻找工作路径时，计算出每个业务的k条最短路径作为其备选路径。设K＝2，由图3可知，CR₁(0,3,40)的K条最短路径分别为0-5-4-3和0-1-2-3；CR₂(0,2,120)的k条最短路径分别为0-1-2和0-5-4-2，CR₃(1,4,40)的K条最短路径分别为1-2-4和1-5-4。由于三个业务请求的备选路径多次经过链路0-1和链路1-2，在选择工作路径时会尽可能在这两条链路上进行流量疏导。本发明方法在执行完约束条件后，会为这三个业务请求在网络中分配最优的资源，使得网络能耗最低。如图4所示，首先为CR₁(0,3,40)选择0-1-2-3作为工作路径，并为其分配相应的频谱资源；然后为CR₂(0,2,120)选择0-1-2作为工作路径，将部分带宽需求20Gbps疏导到链路0-1和1-2的频谱间隙1中的剩余频谱空间，并为100Gbps的带宽需求建立新的光通道；最后为CR₃(1,4,40)选择1-2-4作为工作路径，在链路1-2的频谱间隙1上进行流量疏导，并在链路2-4上建立新的光通道。图5为链路1-2中的频谱资源占用情况，CR₁(0,3,40)、CR₂(0,2,120)和CR₃(1,4,40)的部分带宽需求疏导到频谱间隙1中，并为CR₂(0,2,120)单独占用一个频谱间隙。设定光再生器的最大光传输距离为2000km，只需在节点2为业务请求CR₁(0,3,40)设置一个光再生器进行光信号的恢复。此时，为一组业务请求CR₁(0,3,40)、CR₂(0,2,120)和CR₃(1,4,40)分配最优的频谱资源，所需要的IP路由端口、光转发器和光再生器数量最小，使得IPover弹性光网络的能量消耗最低。

实施例二

基于同一发明构思，本实施例提供了一种基于流量疏导的最小网络能耗优化系统，其解决问题的原理与所述基于流量疏导的最小网络能耗优化方法类似，重复之处不再赘述。

本实施例提供一种基于流量疏导的最小网络能耗优化系统，包括：

计算模块，用于在弹性光网络中，产生一组业务请求集合，根据每个业务请求的源节点和目的节点计算多条最短路径中的节点可达集合；

建立模块，用于在多条最短路径中的节点可达集合中，建立源节点和目的节点的虚拟可达路径；

判断模块，用于基于所述虚拟可达路径，建立最小能量消耗的整数线性规划模型的目标函数，为每个业务请求分配资源的过程中，依次判断是否满足单个频谱间隙的带宽容量约束条件、路径唯一性约束条件、频谱分配约束条件以及光再生器数量约束条件，若均满足，则业务请求建立成功；若有任意一项不满足，则业务请求建立失败。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。