基于机器学习的弹性光网络频谱路由分配与频谱碎片机制研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题背景与研究意义 | 第11-12页 |
| 1.2 光网络应用与发展现状 | 第12-16页 |
| 1.3 论文主要研究内容及结构安排 | 第16-18页 |
| 第二章 弹性光网络中的RSA问题 | 第18-33页 |
| 2.1 概述 | 第18-23页 |
| 2.1.1 弹性光网络体系架构 | 第18-21页 |
| 2.1.2 弹性光网络关键技术 | 第21-23页 |
| 2.2 路由与频谱分配 | 第23-27页 |
| 2.2.1 路由问题 | 第24-25页 |
| 2.2.2 频谱分配问题 | 第25-26页 |
| 2.2.3 RSA研究现状及挑战 | 第26-27页 |
| 2.3 时间序列预测 | 第27-29页 |
| 2.3.1 时间序列 | 第27页 |
| 2.3.2 预测模型 | 第27-29页 |
| 2.4 循环神经网络 | 第29-32页 |
| 2.4.1 LSTM模型 | 第30-31页 |
| 2.4.2 GRU模型 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 弹性光网络中的流量预测机制 | 第33-43页 |
| 3.1 问题描述 | 第33-34页 |
| 3.2 路径和链路拥塞度 | 第34-35页 |
| 3.3 预测过程 | 第35-40页 |
| 3.3.1 数据集的构建 | 第35-36页 |
| 3.3.2 数据预处理 | 第36-38页 |
| 3.3.3 特征选择 | 第38-39页 |
| 3.3.4 模型结构及训练 | 第39-40页 |
| 3.4 仿真结果与分析 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于流量预测的弹性光网络路由分配算法 | 第43-56页 |
| 4.1 网络拥塞控制概述 | 第43-45页 |
| 4.1.1 开环控制策略 | 第43-44页 |
| 4.1.2 闭环控制策略 | 第44-45页 |
| 4.2 基于流量预测的改进RSA算法 | 第45-50页 |
| 4.2.1 K最短路径算法 | 第45-47页 |
| 4.2.2 链路流量预测算法 | 第47-50页 |
| 4.3 仿真及结果分析 | 第50-54页 |
| 4.3.1 仿真环境 | 第50-51页 |
| 4.3.2 算法性能评估 | 第51-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 结束语 | 第56-58页 |
| 5.1 论文主要工作总结 | 第56-57页 |
| 5.2 下一步研究工作展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 致谢 | 第62页 |
