基于拓扑链路识别的光网络流量数据合成算法

基于深度学习的光网络流量诊断与预测等场景中,由于保密等原因,光链路的流量数据采集和存储工作受限。针对数据量少而无法支撑深度学习的问题,文章提出了一种基于拓扑链路识别的光网络流量数据合成算法,其核心思想是在生成对抗网络框架下,联合基于光网络拓扑的条件生成模型和基于光网络流量的数据合成模型,以自监督的方式合成指定光链路的流量数据。仿真结果表明,所提算法合成的光网络流量数据在自相关系数指标上与真实数据接近且使得基于全连接神经网络的流量预测模型准确率达到95%以上。     

基于强化学习的资源最优化逻辑拓扑映射算法

光传送网(OTN)中光节点波长复用/解复用器以及光开关矩阵可实现任意结构的逻辑拓扑在物理拓扑上的映射,不合理的映射方案将消耗额外端口资源。提出一种基于强化学习(RL)的逻辑拓扑最优化映射算法,将预处理后的拓扑状态和逻辑通道数据用于训练RL模型,以对逻辑通道进行全局波长资源分配,最终达到资源最优化目的。仿真结果表明:所提算法有效减小逻辑拓扑映射过程中的资源消耗,从而最小化网络部署成本。