GMES：基于闭环GRU-MLP的弹性光网络动态路由与频谱分配调度

《Optical Switching and Networking》：GMES: Closed-loop GRU–MLP scheduling for dynamic routing and spectrum allocation in elastic optical networks

　　

• •
  提出了一种名为GMES的闭环GRU-MLP调度器，用于EON中的动态RSA。
• •
  对历史网络状态序列进行编码，用于候选路径排序。
• •
  EDAF实现了自适应分数修正和候选路径试探控制。
• •
  仿真表明阻塞率降低，且在特定负载条件下可发挥负载相关的热点控制优势。

引言

随着数据中心网络、云计算、5G网络和内容分发服务的快速发展，对大容量光通信网络的需求日益增长。现代网络流量具有带宽需求增加、突发到达模式和保持时间波动大等特点。由于网络拥塞和频谱碎片化，这些特点使得路径选择和频谱分配变得更加具有挑战性。

EON凭借其灵活的频谱分配能力，已成为下一代骨干网络最具前景的技术之一[1]。与传统固定网格波分复用网络相比，EON可以更灵活地分配频谱资源，并支持带宽可调信道。

在EON中，连接配置通常涉及在满足频谱连续性、跨链路频谱连续性和非重叠频谱分配等约束条件的同时，求解路由与频谱分配（RSA）问题。随着网络规模的扩大和流量模式的日益复杂，在线调度决策必须在短时间内做出，同时避免流量长期集中于少量链路。否则，阻塞概率可能会增加，链路间的负载分布可能会变得更加不平衡[2]。

在此背景下，深度学习在网络状态表示和数据驱动决策方面展现出强大的潜力[3]。这种潜力也为将近期网络状态演化纳入在线调度决策提供了可能的基础。因此，近年来EON的智能调度和资源分配受到了越来越多的关注。

现有的EON中的RSA方法从不同角度发展而来，旨在提高频谱效率并降低阻塞概率，如启发式调度、碎片化控制和基于学习的分配。然而，许多在线RSA方法仍然依赖固定规则、人工设计的指标或瞬时网络状态。它们利用近期负载演化进行自适应候选路径排序的能力仍然有限。相关工作详细综述和所提方法的定位见第2节。

为了解决上述局限性，本文提出了一种名为GMES的闭环调度框架，用于EON中的动态路由与频谱分配。本文的贡献可以总结如下。

（1）开发了一种基于学习的在线调度框架，用于EON中的动态RSA，其中将历史网络状态序列引入候选路径优先级评估。

（2）设计了一种基于GRU-MLP的路径排序机制，将时间状态表示与候选路径结构和资源状态特征相结合，用于在线路径选择。

（3）进一步引入了一种基于EDAF的轻量级反馈机制，在动态流量条件下更新少量在线控制变量，以实现分数修正和候选路径试探控制。

（4）在所考虑的逻辑层RSA设置下进行了全面评估，包括主要负载扫描对比、匹配范围对比、消融和敏感性分析以及多拓扑评估。结果表明，GMES通过降低阻塞，以毫秒级的在线开销改善了服务接纳，同时其热点控制和反馈优势在特定负载和拥塞条件下最为显著。

本文其余部分组织如下。第2节综述了EON中RSA调度的相关工作，并对所提框架进行定位。第3节给出了系统模型和问题表述。第4节详细阐述了所提的GMES调度框架。第5节报告了实验设置和评估结果，包括对比分析、消融分析、敏感性分析和鲁棒性分析。最后，第6节对论文进行了总结。

章节摘要

相关工作

EON中的路由与频谱分配已被广泛研究，因为它们直接影响阻塞概率、频谱利用率和服务配置效率。现有的RSA调度方法大致可分为启发式RSA方法、碎片化感知和自适应RSA方法以及基于学习的RSA方法。本节综述了这三类方法，然后将所提GMES框架与现有研究进行定位。

基本定义

本小节介绍了所考虑的EON的网络和资源模型。EON的物理拓扑被建模为无向图$G=(V,E)$，其中$V=\{v_1,v_2,\dots ,v_{\left|V\right|}\}$表示物理光交换节点集合，$E=\{e_1,e_2,\dots ,e_{\left|E\right|}\}$表示物理光纤链路集合。每条链路$e\in E$提供可分配给传入服务请求的频谱资源。在本研究中，每条链路上可用的频谱被离散化为频率槽（FS）。设$C_e$为

总体框架

在EON的动态RSA场景中，服务请求的持续到达和离开导致链路占用和频谱碎片化随时间演化。依赖固定规则或仅使用当前网络状态的调度方法往往无法很好地适应负载变化，从而降低了路径排序的稳定性和可行分配的效率。

为了提高动态环境下的稳定性和鲁棒性，本研究开发了一个由

仿真设置

本节的仿真均在统一的软件和硬件环境下进行。仿真框架使用Python 3.12实现，其中学习模块使用PyTorch 2.x，拓扑处理和路径计算使用NetworkX，数据处理使用NumPy和Pandas，结果可视化使用Matplotlib。实验在一台配备AMD处理器、NVIDIA GeForce RTX 4060 GPU和64 GB内存的Windows 10工作站上进行。

为了减少

结论

本文研究了EON中的动态路由与频谱分配问题，提出了GMES，一个结合了基于GRU的时间状态表示、基于MLP的候选路径评分和基于EDAF的轻量级反馈调节的闭环调度框架。通过联合使用近期网络状态演化和路径级特征，GMES改善了候选路径的优先级排序，并为动态流量提供了一种自适应的在线调度机制。在所考虑的

CRediT作者贡献声明

Panna Ma：撰写-初稿、验证、软件、方法论、形式分析、概念化。Cui Yu：撰写-审阅与编辑、指导、资源。Xicheng Xie：可视化、调查、数据整理。

利益冲突声明

作者声明，他们没有已知的竞争财务利益或个人关系，这些利益或关系可能会影响本文所报告的工作。

Panna Ma目前是中国计量大学信息工程学院的硕士研究生。她的研究方向包括弹性光网络和智能网络调度。

Panna Ma|Cui Yu|Xicheng Xie