OBS中支持QoS的增强型自适应偏置时间算法

在基于恰量时间(Just-Enough-Time,JET )信令的无光缓存光突发交换(OBS)网络中,根据网络负载和服务质量(QoS)要求灵活进行偏置时间(Offset Time,OT)设置的问题,文章提出了一种使用增强型学习机制计算OT的算法,使得OT能够随着网络载荷的变化进行自适应调整,并能支持QoS,从而能较好地适应网络状态的变化.仿真结果表明,该算法可以在不同的网络状态下有效地降低端到端的延迟和阻塞率,并能很好地提供QoS服务.     

ASON BoD业务在线预测与带宽调整研究

文章提出了微粒群优化的3层BP神经网络在线3步预测智能光网络带宽按需分配(BoD)业务流量模型,并改进了微粒群优化算法.对适应值较差的一部分微粒施加随机扰动,然后评估扰动效果,接受进化同时以一定概率接受退化.按3步预测中的最大值分配带宽,降低了突发业务阻塞率.仿真结果表明,该预测模型适应突发性、多样性BoD业务流量的在线预测.