多波段弹性光网络中光纤升级调度的优化策略：启发式与进化算法的性能对比研究

本研究针对多波段弹性光网络(MB-EON)升级过程中的成本优化问题，系统比较了启发式算法(HA)、迭代改进(II)、模拟退火(SA)和遗传算法(GA)在无中断约束下的性能。结果表明GA能以最高计算代价实现最低升级成本，为大规模网络升级提供了成本效益与计算复杂度的平衡方案。

　　

随着5G及后5G时代用户设备激增，光纤骨干网面临严峻的带宽压力。传统静态规划方法难以适应动态流量增长，而多波段弹性光网络(MB-EON)通过扩展C波段至L波段等低损耗波段成为解决方案。然而升级过程中存在信号干扰、服务中断和成本控制等挑战。台湾省的研究团队在《Optical Fiber Technology》发表研究，系统评估了四种算法在MB-EON升级调度中的表现，发现遗传算法(GA)在成本控制方面具有显著优势，但需权衡计算效率。

研究采用路由-波段-调制等级-频谱分配(RBMLSA)算法处理多波段环境下的资源分配问题，基于COST239、NSF14和NSF24标准网络拓扑，通过Python平台模拟比较HA、II、SA和GA四种方法。关键参数包括规划周期、路径多样性、成本折扣率和流量增长率，所有实验在Intel Xeon W5-3425处理器平台完成。

MB-EONs技术特性
研究指出MB-EON需重新设计传输组件以支持多波段传输，其核心RBMLSA问题比单波段EON的RMLSA更复杂。多波段环境会引入非线性效应和串扰，需在升级时考虑物理层干扰约束。

问题建模
建立包含网络拓扑G(V,E,dist,FSU)、初始流量矩阵TF⁰、增长因子τ^t、边升级成本c_e和折扣因子δ(t)的数学模型，目标是最小化升级成本同时满足无中断约束。

算法比较
HA通过优先级规则快速生成可行解，II在此基础上进行局部优化。SA采用概率性接受劣解的策略避免局部最优，而GA通过选择、交叉和变异操作全局搜索。实验显示GA平均降低成本12-18%，但耗时是HA的3-5倍。

仿真验证
在三种测试网络中，GA始终表现最优，尤其在长规划周期和高增长场景下优势明显。当折扣率δ(t)>0.9时，SA与GA差距缩小至5%以内，说明成本敏感场景需算法定制。

结论表明，GA适合对成本极度敏感的长期规划，而HA/SA更适合快速决策场景。该研究首次系统评估了MB-EON升级中的算法选择策略，为运营商平衡CAPEX与OPEX提供了量化依据。未来工作将结合深度学习优化GA的计算效率，并研究多目标优化框架。研究获台湾省科学技术委员会资助(NSTC 112-2221-E-018-008-MY2)。