| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 电力通信光网络规划研究现状 | 第10-11页 |
| 1.2 电力通信光网络业务层优化需求现状 | 第11-13页 |
| 1.2.1 业务承载能力优化 | 第12页 |
| 1.2.2 负载均衡性优化 | 第12-13页 |
| 1.2.3 网络生存性优化 | 第13页 |
| 1.3 电力通信网业务模型研究现状 | 第13-14页 |
| 1.3.1 业务类型 | 第13-14页 |
| 1.3.2 业务带宽预测方法 | 第14页 |
| 1.4 本文的主要贡献和内容安排 | 第14-15页 |
| 第2章 路由波长分配算法研究 | 第15-22页 |
| 2.1 路由波长分配问题 | 第15-16页 |
| 2.2 RWA解决方案 | 第16-18页 |
| 2.2.1 RWA并行方案 | 第16页 |
| 2.2.2 RWA串行方案 | 第16-18页 |
| 2.3 RWA常用算法 | 第18-20页 |
| 2.3.1 线性规划算法 | 第18页 |
| 2.3.2 启发式算法 | 第18-19页 |
| 2.3.3 基于负载均衡的RWA算法 | 第19-20页 |
| 2.4 波长变换功能分析 | 第20页 |
| 2.5 本章总结 | 第20-22页 |
| 第3章 基于蚁群优化算法的RWA方案研究 | 第22-37页 |
| 3.1 蚁群算法基本原理 | 第22-23页 |
| 3.2 蚁群优化算法描述 | 第23-26页 |
| 3.2.1 业务分配问题定义 | 第23-24页 |
| 3.2.2 蚁群优化算法框架 | 第24-25页 |
| 3.2.3 蚁群优化算法数据结构 | 第25-26页 |
| 3.2.4 蚁群优化算法参数设置 | 第26页 |
| 3.2.5 蚁群优化算法算子 | 第26页 |
| 3.3 改进的蚁群算法主要流程 | 第26-28页 |
| 3.3.1 业务选择机制 | 第27页 |
| 3.3.2 自适应路由 | 第27页 |
| 3.3.3 更新信息素 | 第27-28页 |
| 3.4 基于改进蚁群算法的静态RWA解决方案 | 第28-36页 |
| 3.4.1 波长不可变换网络的BS-ACO算法 | 第28-30页 |
| 3.4.2 波长可变换网络的BS-ACO算法 | 第30-31页 |
| 3.4.3 负载均衡优化的BS-ACO算法 | 第31-32页 |
| 3.4.4 算法创新分析 | 第32-33页 |
| 3.4.5 BS-ACO算法优越性分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 改进的蚁群算法在电力通信光网络规划中的应用研究 | 第37-45页 |
| 4.1 网络性能评价指标体系 | 第37-40页 |
| 4.1.1 网络资源有效性指标 | 第37-39页 |
| 4.1.2 网络交换压力评估指标 | 第39页 |
| 4.1.3 网络抗毁性评价指标 | 第39-40页 |
| 4.2 极长路径处理 | 第40-41页 |
| 4.3 电力通信光网络生存性优化 | 第41-43页 |
| 4.3.1 业务保护机制 | 第41-43页 |
| 4.3.2 业务恢复策略 | 第43页 |
| 4.4 电力通信光网络抗毁性评估 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 电力通信网络业务分配算法仿真分析 | 第45-59页 |
| 5.1 JS省干OTN网络模型 | 第45-47页 |
| 5.2 网络资源配置情况分析 | 第47-48页 |
| 5.3 网络交换压力与保护方式的关系分析 | 第48-49页 |
| 5.4 网络业务适应性分析 | 第49-53页 |
| 5.4.1 网络整体性能的业务适应性分析 | 第49-50页 |
| 5.4.2 链路资源配置的业务适应性分析 | 第50-51页 |
| 5.4.3 网络负载分布的业务适应性分析 | 第51-53页 |
| 5.5 网络链路抗毁性分析 | 第53-58页 |
| 5.5.1 网络链路重要度分析 | 第53-55页 |
| 5.5.2 N-1 故障模拟 | 第55-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附录 | 第66-67页 |