基于改進(jìn)蟻群算法的衛(wèi)星光網(wǎng)絡(luò)波長分配方法

王蔚龍,李勇軍,趙尚弘,辛 寧,趙海燕

(1.空軍工程大學(xué)信息與導(dǎo)航學(xué)院通信系統(tǒng)教研室,陜西 西安 710038;2.中國空間技術(shù)研究院通信衛(wèi)星事業(yè)部,北京 100094)

1 引 言

隨著衛(wèi)星網(wǎng)絡(luò)視頻和云服務(wù)的快速增長,以及對氣象,環(huán)境和軍事服務(wù)的需求多樣化,衛(wèi)星網(wǎng)絡(luò)中數(shù)據(jù)量急劇增加,而星間激光鏈路將成為未來空間網(wǎng)絡(luò)的關(guān)鍵組成部分[1]。相比星間微波鏈路通信,星間激光通信分布式衛(wèi)星系統(tǒng)的終端質(zhì)量、尺寸和功耗都較小,且具有高速率、大帶寬和抗毀性強(qiáng)的優(yōu)勢[2]。通過在衛(wèi)星星座上形成靈活和透明光傳輸網(wǎng)絡(luò),可以采用多波長和波長路由分配技術(shù)(Routing And Wavelength Assignment,RWA)來確保衛(wèi)星之間的通信連接[3]。RWA是實(shí)現(xiàn)下一代衛(wèi)星光網(wǎng)絡(luò)波長資源分配的核心問題之一[4-5]。

在分布式衛(wèi)星光網(wǎng)絡(luò)中,路由技術(shù)是決定影響網(wǎng)絡(luò)性能的重要因素。波長路由具有粗交換粒度,對于具有大量遙感探測和視頻信息的業(yè)務(wù),能夠避免頻繁的復(fù)用和解復(fù)用過程,提升數(shù)據(jù)傳輸效率。RWA問題的挑戰(zhàn)性在于同時涉及到達(dá)業(yè)務(wù)的路由計算和波長分配兩個問題。Dijkstra算法[6],首次命中波長分配方法[4],整數(shù)線性規(guī)劃模型方法[7],遺傳算法(Genetic Algorithm,GA)和分圖層模型方法[8]能夠從多個角度出發(fā),解決不同應(yīng)用場景中的RWA問題,但是在計算效率和全局最優(yōu)性方面仍然存在問題。

蟻群優(yōu)化(Ant Colony Optimization,ACO)算法是一種模仿蟻群行為的啟發(fā)式算法,可以并行解決復(fù)雜的組合優(yōu)化問題,為解決衛(wèi)星光網(wǎng)絡(luò)RWA問題提供了新思路[9-11]。動態(tài)ACO算法可以適應(yīng)動態(tài)RWA問題網(wǎng)絡(luò)狀態(tài)的實(shí)時變化,與Dijkstra算法相比,可以有效降低網(wǎng)絡(luò)擁塞概率[11]。ACO也可應(yīng)用于衛(wèi)星光網(wǎng)絡(luò),但是近期研究沒有考慮激光鏈路上波長負(fù)載均衡對通信性能的影響[12-13]。另外,鑒于衛(wèi)星的高動態(tài)特性,衛(wèi)星光網(wǎng)絡(luò)中的RWA問題對ACO算法的執(zhí)行效率有較高要求。

本文針對衛(wèi)星光網(wǎng)絡(luò)RWA問題,建立波長轉(zhuǎn)換器稀疏分布的全光衛(wèi)星網(wǎng)絡(luò)系統(tǒng)模型?？紤]衛(wèi)星節(jié)點(diǎn)距離,通信延遲,鏈路波長負(fù)載平衡和算法執(zhí)行效率,提出了一種可以同時進(jìn)行波長分配與路由選擇的SAC-RWA算法。

2 衛(wèi)星光網(wǎng)絡(luò)系統(tǒng)模型

2.1 衛(wèi)星光網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

衛(wèi)星光網(wǎng)絡(luò)系統(tǒng)的結(jié)構(gòu)如圖1所示,它由衛(wèi)星光網(wǎng)絡(luò),地面信關(guān)站(Gateway Earth Station,GES)和衛(wèi)星用戶組成。網(wǎng)絡(luò)中衛(wèi)星之間通過激光鏈路相互連接,為用戶提供全球通信服務(wù),而衛(wèi)星與地面用戶利用微波鏈路進(jìn)行通信。假設(shè)有用戶需要從節(jié)點(diǎn)s發(fā)送數(shù)據(jù)到d時,根據(jù)波長可用狀態(tài)選擇波長λ3建立光路徑(s→v1→v2→v3→v4→d)。

圖1 衛(wèi)星光網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)

圖2 衛(wèi)星光網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

如圖2所示,衛(wèi)星光網(wǎng)絡(luò)物理拓?fù)溆?π星座構(gòu)成,這種星座可以被視為使用激光鏈路雙向曼哈頓街網(wǎng)絡(luò)。2π星座包含P個軌道平面,每個軌道包括S個衛(wèi)星節(jié)點(diǎn),這些節(jié)點(diǎn)通過光鏈路連接到與其相鄰的四個衛(wèi)星。衛(wèi)星之間進(jìn)行通信連接的激光鏈路分為軌內(nèi)星間鏈路(Inter-Satellite Link,ISL)和軌間ISL有兩種。前者的鏈路長度固定,將同一軌道面內(nèi)衛(wèi)星互連；而后者的鏈路長度隨時間變化,用于連接不同軌道面是的衛(wèi)星節(jié)點(diǎn)。雖然網(wǎng)絡(luò)中衛(wèi)星的位置是不斷變化的,但是衛(wèi)星光網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)會隨時間呈現(xiàn)周期性的變化,因此可以預(yù)測衛(wèi)星光網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。將衛(wèi)星在網(wǎng)絡(luò)中的功能簡化為衛(wèi)星終端和地面終端之間的接口和數(shù)據(jù)傳輸?shù)闹欣^,本文重點(diǎn)討論衛(wèi)星的中繼功能。假設(shè)ISL擁有相同數(shù)量的波長,且支持具有波長分配功能的WDM結(jié)構(gòu)。多個光路可以共享同一條物理光鏈路,但需要為各條光路分配不同的波長。

2.2 衛(wèi)星光網(wǎng)絡(luò)波長與路由分析

令無向圖G=(V,E)表示星座的網(wǎng)絡(luò)模型,其中V={1,2,…,n}表示節(jié)點(diǎn)集合,E={1,2,…,l}表示鏈路集合。每個節(jié)點(diǎn)都有兩個表,分別用于登記鏈路信息和對應(yīng)的信息素信息。Ωij={λij1,λij2,…,λijv}表示節(jié)點(diǎn)間鏈路上的波長資源,其中v是光鏈路上的波長數(shù)。pi=1表示節(jié)點(diǎn)i裝備有波長轉(zhuǎn)換器,pi=0則表示沒有波長轉(zhuǎn)換器。eij表示從節(jié)點(diǎn)i到j(luò)的邊,eijw是邊eij上波長w的波長鏈路。擁塞率表示失敗的通信請求數(shù)與通信請求總數(shù)之比,資源利用率是系統(tǒng)當(dāng)前占用的波長通道數(shù)與波長通道總數(shù)之比,本章的目的是為通信請求尋找資源消耗最小的波長路徑。

t時刻從節(jié)點(diǎn)i到j(luò)的傳輸延遲為Tij(t),它由信號通過鏈路lij的傳輸延遲和信號由中間節(jié)點(diǎn)i轉(zhuǎn)發(fā)而產(chǎn)生的處理延遲組成:

(1)

為了緩解因波長連續(xù)性限制而導(dǎo)致的光鏈路波長利用率低和網(wǎng)絡(luò)擁塞率高的問題,提出了一種稀疏全光波長轉(zhuǎn)換器部署方案。如圖3所示,在雙主星結(jié)構(gòu)DSC的網(wǎng)絡(luò)中,在軌道平面內(nèi)每間隔一個節(jié)點(diǎn)部署一個光波長轉(zhuǎn)換器；對于不同的軌道,光波長轉(zhuǎn)換器按照間隔一個軌道的規(guī)則放置。對于包含兩個波長鏈路eijw和ejkw’(w≠w′)的光路徑,節(jié)點(diǎn)j必須具有波長轉(zhuǎn)換功能,以便可以將來自eij且使用波長w的數(shù)據(jù)通過波長w′轉(zhuǎn)發(fā)到節(jié)點(diǎn)k。

圖3 波長轉(zhuǎn)換器部署

3 基于蟻群算法的波長分配方法機(jī)制

3.1 波長分配初始化與狀態(tài)轉(zhuǎn)移規(guī)則

衛(wèi)星光網(wǎng)絡(luò)中的每個節(jié)點(diǎn)都有一個信息素表,將節(jié)點(diǎn)i到節(jié)點(diǎn)j光波長w上的信息素值表示為τijw(t),其值根據(jù)路徑長度來確定。利用合理的啟發(fā)式方法初始化信息素的值,能夠減少尋找次優(yōu)甚至最優(yōu)解所需的時間?？紤]到最小化光網(wǎng)絡(luò)服務(wù)請求的通信成本,將波長鏈路eijw上的初始信息素表示為[9]:

(2)

其中,c(eij)為通信成本,取衛(wèi)星光網(wǎng)絡(luò)中鏈路eij長度的整數(shù)。如果λijw=0,則意味著波長鏈路eijw不可用,因此禁止螞蟻通過該不可用的波長鏈路；如果波長鏈路可用(λijw=1),則根據(jù)式(2)初始化信息素,使通信成本較低的鏈路在螞蟻出發(fā)之前就具有較高的信息素濃度。

將t時刻節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的波長空閑率表示如下[14]:

(3)

其中,v是鏈路eij的波長總數(shù)；而wij是鏈路eij當(dāng)前被占用的波長數(shù)。位于節(jié)點(diǎn)i的螞蟻根據(jù)下一跳的候選節(jié)點(diǎn)和通往這些節(jié)點(diǎn)鏈路的波長使用情況計算通信鏈路的波長空閑率。將波長空閑率作為新的約束條件引入波長鏈路的狀態(tài)轉(zhuǎn)移函數(shù)中,則t時刻的轉(zhuǎn)移概率可表示為[12]:

(4)

其中,α≥0是描述先前螞蟻留下痕跡重要性的信息啟發(fā)因子,它體現(xiàn)了鏈路上遺留的信息素對當(dāng)前螞蟻運(yùn)動的影響,即α越大,當(dāng)前螞蟻越傾向于重復(fù)選擇先前螞蟻經(jīng)過的路徑。β≥0是描述啟發(fā)信息對螞蟻選路重要程度的期望啟發(fā)因子,即β越大,尋路過程越遵循貪心原則。節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的啟發(fā)信息定義為ηij,通常用節(jié)點(diǎn)間距離的倒數(shù)來表示。τijw(t)是從節(jié)點(diǎn)i到節(jié)點(diǎn)j間波長w的信息素值,A表示當(dāng)前時刻下一跳可用節(jié)點(diǎn)的集合。

當(dāng)螞蟻到達(dá)中間節(jié)點(diǎn)n時,將根據(jù)如下狀態(tài)轉(zhuǎn)換規(guī)則選擇下一跳的節(jié)點(diǎn):

(5)

3.2 光鏈路信息素更新規(guī)則

為避免算法過早收斂于局部最優(yōu)解和防止啟發(fā)信息被之前螞蟻遺留的信息所淹沒,分別提出了本地更新規(guī)則和全局更新規(guī)則。如果螞蟻成功找到下一跳波長鏈路,則在離開當(dāng)前節(jié)點(diǎn)前啟動本地更新規(guī)則,以避免過早收斂。算法根據(jù)螞蟻通過后產(chǎn)生的信息更新信息素濃度τijw(t),信息素濃度采用如下方式進(jìn)行更新:

為防止啟發(fā)信息被之前螞蟻遺留的剩余信息淹沒,需要在每個螞蟻的循環(huán)周期結(jié)束后,更新剩余信息。因此全局更新規(guī)則在螞蟻到達(dá)目的衛(wèi)星節(jié)點(diǎn)時被激活,該規(guī)則的思想是增加之前螞蟻經(jīng)過的波長鏈路上的信息素濃度,同時降低未訪問的波長鏈路上的信息素濃度。鏈路信息素的全局更新規(guī)則如下所示[12]:

(7)

(8)

其中,Q表示螞蟻在一次循環(huán)中在路徑上釋放的信息素,Jx是螞蟻x在當(dāng)前尋路周期中走過的路徑長度。當(dāng)螞蟻完成一次波長鏈路搜索后,信息素增量按照式的規(guī)則均勻分布在螞蟻經(jīng)過的路徑上,而其他路徑上的信息素則保持不變。

3.3 衛(wèi)星光網(wǎng)絡(luò)請求區(qū)域受限策略

隨著未來全球衛(wèi)星星座通信系統(tǒng)的發(fā)展,衛(wèi)星星座中節(jié)點(diǎn)數(shù)量的增加將導(dǎo)致SAC-RWA計算量的急劇增加。特別是當(dāng)節(jié)點(diǎn)使用具有雙主星DSC結(jié)構(gòu)時,更為復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)會算法的收斂速度并增加節(jié)點(diǎn)處理延遲。對于給定的源衛(wèi)星節(jié)點(diǎn)和目的衛(wèi)星節(jié)點(diǎn),通信成本最短的路徑通常位于以這對節(jié)點(diǎn)為對角所確定的矩形區(qū)域中。因此,本文采用請求區(qū)域受限(Restricted Request Area,RRA)策略限制螞蟻活動范圍,進(jìn)而簡化計算,加速算法的收斂。如圖4所示,RRA策略將螞蟻尋路的區(qū)域限制在矩形方框內(nèi)。為了確保螞蟻通過的節(jié)點(diǎn)都在受限的矩形區(qū)域內(nèi),對轉(zhuǎn)移概率式(4)進(jìn)行如下修改:

j∈A∩As

(9)

其中,As是由RRA策略確定的矩形區(qū)域中的節(jié)點(diǎn)集合。由于只有根據(jù)源-目的節(jié)點(diǎn)對所確定區(qū)域中的節(jié)點(diǎn)才可以選擇作為下一跳節(jié)點(diǎn),因此RRA策略減少了螞蟻下一跳的候選節(jié)點(diǎn)數(shù)量,能夠降低算法的計算量,提高算法的收斂速度。

圖4 請求區(qū)域受限策略

3.4 鏈路波長負(fù)載平衡分析

z=(y+ex-1)x-y

(10)

圖5 z=(y+ex-1)x-y的函數(shù)圖像

SAC-RWA算法的執(zhí)行步驟表示如下,算法的停止條件是達(dá)到指定的迭代次數(shù)。

SAC-RWA算法1: loop:服務(wù)請求到達(dá)并獲得源/目的節(jié)點(diǎn)2: 初始化網(wǎng)絡(luò),設(shè)定螞蟻數(shù)量和算法迭代次數(shù);3: repeat4: repeat5: 獲取螞蟻活動范圍并選取波長waveNo;6: while 當(dāng)前節(jié)點(diǎn)不是目的地 do7: 記錄當(dāng)前節(jié)點(diǎn)和waveNo,獲取下一跳可用節(jié)點(diǎn)集合Sava;8: ifSava ≠ ? then9: if 當(dāng)前節(jié)點(diǎn)部署了波長轉(zhuǎn)換器then10: 利用式(4)選擇下一跳節(jié)點(diǎn)且全部波長可用;11: else12: 利用式(4)選擇下一跳節(jié)點(diǎn)且只有waveNo可用;13: end if14: 得到下一跳節(jié)點(diǎn)與波長waveNo,利用式(6)更新信息素;15: 將當(dāng)前節(jié)點(diǎn)放入Tabu(t);16: 螞蟻移動至下一跳節(jié)點(diǎn); 17: else18: break;19: end if20: end while21: 利用式式(7)更新信息素;22: until 所有螞蟻都被發(fā)出23: 計算本次迭代的最佳波長鏈路;24: until 滿足停止條件25: if 最佳波長鏈路存在then26: 建立傳輸路徑;27: else28: 當(dāng)前服務(wù)請求被阻塞;29: end if30: end

當(dāng)節(jié)點(diǎn)具有波長轉(zhuǎn)換功能時,在最差的情況下,每個螞蟻的計算復(fù)雜度為Ο(VW),小于文獻(xiàn)[15]中的計算復(fù)雜度。由于SAC-RWA算法的最大迭代次數(shù)為Ni,螞蟻數(shù)為Na,因此整個算法的計算復(fù)雜度為Ο(VWNiNa)。

4 仿真結(jié)果與分析

以具有120個節(jié)點(diǎn)的2π星座為例,評估所提出算法的性能。為了簡化分析過程,假設(shè)衛(wèi)星網(wǎng)絡(luò)在一段較小的時間間隔內(nèi)被認(rèn)為是靜止的,網(wǎng)絡(luò)中各元素的連接關(guān)系在這段小時間間隔內(nèi)保持不變。2π星座參數(shù)如表1所示,采用稀疏全光波長轉(zhuǎn)換器部署方案。假設(shè)所有節(jié)點(diǎn)都沒有排隊等待機(jī)制,服務(wù)請求一旦被拒絕就立即將其丟棄。星間鏈路最大可用波長數(shù)為16[3],信號由節(jié)點(diǎn)的轉(zhuǎn)發(fā)而產(chǎn)生的處理延遲同一設(shè)置為10 ms[4],衛(wèi)星光網(wǎng)絡(luò)的傳輸延遲閾值設(shè)置為300 ms[16]。根據(jù)初步試驗(yàn),將算法中的參數(shù)設(shè)置如下α=0.3,β=0.5,φ=0.9,ρ=0.7和r0=0.5。將算法的迭代次數(shù)設(shè)為100,每個迭代周期釋放20只螞蟻。在2π星座中隨機(jī)選取源-目的節(jié)點(diǎn)對,算法能夠獲得統(tǒng)計平均的優(yōu)化結(jié)果。

表1 2π星座參數(shù)表

圖6比較了2π星座網(wǎng)絡(luò)中不同算法的擁塞率,每條鏈路都有8個可用波長。將業(yè)務(wù)強(qiáng)度定義為網(wǎng)絡(luò)每小時占用的波長信道數(shù)與每次占用的平均時間的乘積。從圖6可以看出,由雙主星DSC結(jié)構(gòu)SAC-RWA算法獲得的波長與路由分配結(jié)果的擁塞率最低,特別是當(dāng)業(yè)務(wù)強(qiáng)度為160 Erl時,相比于Dijkstra+FF算法,雙主星DSC結(jié)構(gòu)SAC-RWA算法將擁塞率降低了69.06 %。此外,隨著業(yè)務(wù)強(qiáng)度增加,雙主星DSC結(jié)構(gòu)SAC-RWA算法和考慮延遲約束的RWA算法(DRWA-DC)[9]之間的性能差距不斷變大。這是因?yàn)镈RWA算法在構(gòu)造轉(zhuǎn)移概率函數(shù)時沒有將式所示的波長空閑率考慮在內(nèi),造成了鏈路的波長負(fù)載不均衡,在業(yè)務(wù)強(qiáng)度高時鏈路的可用波長信道不足,致使擁塞率增長得更快。根據(jù)圖6還可以得出,小窗口策略RWA算法(SWS-RWA)[12]求出的波長與路由分配結(jié)果的擁塞率高于雙主星DSC結(jié)構(gòu)SAC-RWA算法獲得的擁塞率,這是由于在小窗口策略RWA算法中,螞蟻收集的信息素是整個鏈路的,沒有將信息素細(xì)化到鏈路上的各個波長,而且鏈路波長隨機(jī)選擇,未考慮鏈路上的波長負(fù)載狀態(tài)。

圖6 不同算法的擁塞率性能比較

圖7所示為2π星座網(wǎng)絡(luò)中不同算法得出的波長與路由分配結(jié)果的波長利用率,每條鏈路都有8個可用波長。當(dāng)業(yè)務(wù)強(qiáng)度為265 Erl時,與Dijkstra+FF,DRWA和單衛(wèi)星結(jié)構(gòu)SAC-RWA相比,雙主星DSC結(jié)構(gòu)SAC-RWA的資源利用率分別提高了31.37 %,9.56 %和13.28 %。因此可以得出結(jié)論,雙主星DSC結(jié)構(gòu)SAC-RWA算法優(yōu)于其他三種算法。隨著業(yè)務(wù)強(qiáng)度的增加,鏈路的可用波長數(shù)量減少,并且只能以較少的跳數(shù)建立光鏈路,長距離數(shù)據(jù)傳輸鏈路難以被建立。而對于雙主星DSC結(jié)構(gòu)SAC-RWA算法,一方面,在尋找最佳數(shù)據(jù)傳輸光路徑時會考慮波長空閑率,因此螞蟻選路時傾向于選擇鏈路波長負(fù)載較小的節(jié)點(diǎn)；另一方面,雙主星DSC結(jié)構(gòu)可確保在選擇下一跳時存在更多的候選節(jié)點(diǎn),網(wǎng)絡(luò)鏈路資源更多,從而在網(wǎng)絡(luò)負(fù)擔(dān)較重的場景下可建立長距離多跳數(shù)的光傳輸路徑。因此,雙主星DSC結(jié)構(gòu)SAC-RWA的波長利用率曲線在高業(yè)務(wù)強(qiáng)度下具有更好的表現(xiàn)。

圖7 不同算法的資源利用率比較

圖8所示為雙主星DSC結(jié)構(gòu)SAC-RWA算法的收斂性能,并與未采用RRA策略[13]和單衛(wèi)星結(jié)構(gòu)情況下的算法性能進(jìn)行了比較。仿真選擇了源衛(wèi)星節(jié)點(diǎn)(11,2)和目的衛(wèi)星節(jié)點(diǎn)(3,9)進(jìn)行收斂性能的分析。在收斂時,采用單衛(wèi)星結(jié)構(gòu)算法的迭代次數(shù)比采用雙主星結(jié)構(gòu)算法的迭代次數(shù)減少了8次。這是由于單衛(wèi)星結(jié)構(gòu)只有四條通信鏈路,選擇下一跳通信鏈路時可用的節(jié)點(diǎn)較少,所以單衛(wèi)星結(jié)構(gòu)容易陷入局部最優(yōu),而雙主星結(jié)構(gòu)可以避免這種情況。雖然采用單衛(wèi)星結(jié)構(gòu)的算法更早達(dá)到收斂,但是求出最優(yōu)光路徑的跳數(shù)增加了2跳。雙主星結(jié)構(gòu)的SAC-RWA算法具有更多的候選通信鏈路,從而增加了選路的多樣性與靈活性,能夠得出性能更好的波長分配結(jié)果和數(shù)據(jù)傳輸路徑,算法綜合性能更好。如圖8所示,在收斂時,采用RRA策略得出的迭代次數(shù)比沒有采用RRA策略時的迭代次數(shù)少10次,這表明RRA策略影響了算法的收斂速度。

圖8 算法的收斂性

由于RRA策略限制了螞蟻在光網(wǎng)絡(luò)中尋找數(shù)據(jù)傳輸鏈路時的活動范圍,進(jìn)而減少了下一跳候選節(jié)點(diǎn)集中的無效節(jié)點(diǎn),因此提升了計算的效率。

圖9進(jìn)一步比較了有無RRA策略對數(shù)據(jù)傳輸鏈路長度和網(wǎng)絡(luò)擁塞率的影響,其中縱坐標(biāo)分別為50對源-目的節(jié)點(diǎn)的最優(yōu)光路徑的平均跳數(shù)和網(wǎng)絡(luò)擁塞率。由圖9可得,當(dāng)平均波長利用率為0.66時,使用RRA策略發(fā)現(xiàn)的波長鏈路跳數(shù)比不使用RRA策略的跳數(shù)少28.4 %,而使用RRA策略得出的擁塞率比沒有使用RRA策略得出的擁塞率高8.2 %。在不同的平均波長利用率下,使用RRA策略發(fā)現(xiàn)的波長鏈路跳數(shù)比不使用RRA策略發(fā)現(xiàn)的波長鏈路跳數(shù)短；但是,采用RRA策略后網(wǎng)絡(luò)擁塞率會略有下降。造成這種結(jié)果的原因是,RRA策略在指定螞蟻的搜索區(qū)域時會為下一跳的選路排除一些潛在的可用節(jié)點(diǎn)。這些潛在的可用節(jié)點(diǎn)一大部分是無效的,排除后能夠提高收斂效率并降低計算量,但是RRA策略影響了下一跳節(jié)點(diǎn)選擇的范圍和多樣性,算法性能的提升是以稍微降低的擁塞率為代價來實(shí)現(xiàn)的。此外對于光路徑平均跳數(shù)和網(wǎng)絡(luò)擁塞率,隨著平均波長利用率的提高,有RRA策略和無RRA策略算法之間的性能差距先增大后減小。

圖9 光路徑跳數(shù)和擁塞率隨波長利用率的變化情況

5 結(jié) 論

為解決衛(wèi)星光網(wǎng)絡(luò)中的路由與波長分配問題,本文提出了一種基于啟發(fā)式思想的SAC-RWA算法。在衛(wèi)星光網(wǎng)絡(luò)中引入了基于DSC的雙主星節(jié)點(diǎn)結(jié)構(gòu),以提升可供選擇鏈路的數(shù)量。建立衛(wèi)星光網(wǎng)絡(luò)系統(tǒng)模型時考慮了傳輸延遲和波長連續(xù)性對網(wǎng)絡(luò)性能的影響,將波長空閑率引入狀態(tài)轉(zhuǎn)移函數(shù)來實(shí)現(xiàn)鏈路上的波長負(fù)載均衡,同時利用RRA策略以提高算法計算效率。仿真結(jié)果表明,與不考慮波長空閑率和單衛(wèi)星結(jié)構(gòu)節(jié)點(diǎn)的情況相比,雙主星DSC結(jié)構(gòu)的SAC-RWA算法在擁塞率和資源利用方面具有更好的性能。在使用雙主星DSC結(jié)構(gòu)和RRA策略之后,網(wǎng)絡(luò)性能和收斂速度有了較大的提升。盡管RRA策略略微降低了擁塞率性能,但是算法的計算量因此大大降低,提升了螞蟻選路的效率,實(shí)現(xiàn)了擁塞率與收斂速度之間的折衷平衡。