尚曉凱 翟慧鵬 韓龍龍

（國家計算機網(wǎng)絡與信息安全管理中心河南分中心 河南省鄭州市 450000）

1 引言

隨著互聯(lián)網(wǎng)用戶和流量的激增，數(shù)據(jù)中心和電信運營商骨干網(wǎng)網(wǎng)絡承載面臨著前所未有的壓力，通過網(wǎng)絡設備擴容來提升骨干網(wǎng)的運載能力，不僅需要大量的物理設備購置、升級等建設成本，還需要考慮龐大的骨干網(wǎng)體系的生存性。彈性光網(wǎng)絡（EON）作為新一代全光技術成為重要研究方向，如何提高骨干網(wǎng)的資源使用效率、提升網(wǎng)絡可靠性、又靈活的處理各類業(yè)務服務效率已成為重要研究方向。

骨干網(wǎng)絡的互聯(lián)技術經(jīng)過了光電混合組網(wǎng)、波分復用（WDM）技術和EON 等發(fā)展階段。在光電混合組網(wǎng)骨干網(wǎng)互聯(lián)階段，電交換由于其能耗、交換容量等因素限制，逐步轉變?yōu)槿饨粨Q發(fā)展。WDM 技術原理是通過耦合器將多路波長耦合到一根光纖中進行傳輸，極大地提升了傳輸容量，能夠滿足數(shù)據(jù)中心之間的大容量業(yè)務傳輸需求，WDM技術憑借其大容量的優(yōu)勢，已被廣泛應用于骨干網(wǎng)和城域網(wǎng)中，WDM 光網(wǎng)絡在信道之間的最小間隔為50 GHz 或100GHz，當前單個WDM 信道可實現(xiàn)10Gbps、100Gbps、甚至400Gbps 的傳輸效率。然而，隨著數(shù)據(jù)中心的大量部署和運營商海量數(shù)據(jù)傳輸，這時采用固定信道寬度的WDM技術顯得力不從心，如圖1 所示，固定的柵格和信道間距較大，導致其網(wǎng)絡帶寬利用率低、靈活性差。

圖1： WDM 和EON 頻譜分配示意圖

EON 是將頻譜資源進行更加細化的分割，與傳統(tǒng)的WDM 技術相比，它采用正交頻分復用技術，將傳輸?shù)母黜棙I(yè)務數(shù)據(jù)分配到幾個低數(shù)據(jù)速率的子載波上，相鄰子載波的頻譜又是正交的，所以可以相互重疊，從而極大地提高網(wǎng)絡的頻譜效率。EON 不僅具有更小粒度的頻譜隙，同時EON將多個低速率子載波靈活的分配給網(wǎng)絡請求，具有高靈活性的業(yè)務傳輸能力。

EON 最大優(yōu)勢在于可根據(jù)業(yè)務實際需求分配相匹配的網(wǎng)絡資源，盡可能地減少不必要的損耗，資源分配算法是EON 最核心的問題之一，合理有效的資源分配算法不僅可以大大提高頻譜資源的利用率，而且提升光網(wǎng)絡的傳輸效率。近年來，一些智能算法也被引入到EON 的資源分配問題上，常見的智能算法有：蟻群算法、遺傳算法、機器學習、深度學習等一系列智能算法。智能算法在較大網(wǎng)絡規(guī)模、較苛刻約束條件等問題上具有較強的適用性。

本文針對彈性光網(wǎng)絡的頻譜利用率和阻塞率等性能，提出了DQN 資源分配算法，通過構建數(shù)學模型，對算法模型進行多次訓練，仿真實驗表明，該算法具有較好地提高頻譜資源利用率，同時降低網(wǎng)絡中的業(yè)務阻塞率。

2 深度強化學習算法

強化學習是機器學習的重要分支之一，強化學習通過利用代理與環(huán)境進行交互，在提供動作的評價反饋的基礎上，為不斷優(yōu)化其狀態(tài)，以獲得最大的累積獎勵，即通過把實際問題轉化為每次新狀態(tài)與舊狀態(tài)有關的迭代問題進行數(shù)學形式的求解。所以，也可描述為馬爾可夫決策過程，其過程主要組成包括：狀態(tài)空間、動作空間、回報函數(shù)以及狀態(tài)轉移概率等。深度強化學習（DQN）是在強化學習的基礎上引入深度學習，如圖2 所示為DQN 算法流程圖。

圖2： DQN 算法流程圖

2.1 建立網(wǎng)絡模型

首先，我們將彈性光網(wǎng)絡的拓撲定義成G(V,E,F)，V、E 分別是網(wǎng)絡節(jié)點和鏈路的集合，F(xiàn) 是每條鏈路中的頻隙，當頻隙狀態(tài)被占用時設置為1，空閑時為0。在狀態(tài)空間中添加了業(yè)務優(yōu)先級的標志位，因此狀態(tài)向量可表示為：

其中，o、d、t 分別是業(yè)務請求的源、目的節(jié)點和業(yè)務持續(xù)時間，w表示業(yè)務請求頻譜寬度，p為業(yè)務的優(yōu)先級標志，取值為1 或0。

在動作空間中我們通過KSP 算法為業(yè)務找到K 條可用的候選鏈路，并對每條鏈路選取J 個可用的候選頻譜塊，若可用鏈路數(shù)是0 時，代表有業(yè)務阻塞，同理J 個頻譜塊也是如此，那么動作空間大小是K×J。

2.2 深度強化學習算法框架

依據(jù)馬爾可夫決策過程的概念，強化學習的策略搜索轉化為數(shù)學問題，其中狀態(tài)價值函數(shù)V(s)在當前狀態(tài)s時，通過策略π 的積累回報的期望值可表示為：

3 仿真結果與分析

3.1 性能指標

3.1.1 頻譜資源利用率

在EON 的資源分配過程中，衡量一個分配方案的有異性指標就是頻譜資源的損耗大小，即頻譜資源利用率（SU）。SU 公式如下：

3.2 實驗與分析

我們以國內典型的CERNET 網(wǎng)絡作為實驗拓撲進行仿真分析驗證，其網(wǎng)絡節(jié)點數(shù)有20 個，邊數(shù)有22 條，假設每條鏈路上的頻隙數(shù)設置為100 個。業(yè)務量的設置為業(yè)務到達率C 和業(yè)務持續(xù)時間t 的乘積，即A=C×t，A 代表業(yè)務量，單位為Erlang。

同時，假設業(yè)務請求達到設置滿足泊松分布，每項業(yè)務成功建立請求后的持續(xù)時間設置服從負指數(shù)分布，請求帶寬大小在1-5 范圍內隨機取整數(shù)值，源節(jié)點和目的節(jié)點在實驗的網(wǎng)絡拓撲的所有節(jié)點中隨機生成。

在深度強化學習模型中將對未來獎勵的衰減值γ 設為0.9，為了能夠進行算法性能的比較，我們與傳統(tǒng)的FF 算法[進行對比分析，F(xiàn)F 算法是基于最短路徑在可用頻隙索引號最小的位置建立業(yè)務請求，是一種經(jīng)典的頻譜分配算法。在實驗中，業(yè)務量設為200Erlang，候選路徑數(shù)K 和候選頻譜塊的數(shù)量J 設置為2，并以此判斷業(yè)務分配之前需提前訓練的次數(shù)。經(jīng)實驗，不同算法的分配訓練次數(shù)與業(yè)務阻塞率的關系如圖3 所示。

圖3： DQN 算法業(yè)務分配訓練次數(shù)

由圖3 可以看出： FF 算法在10000 次業(yè)務分配后業(yè)務的阻塞率逐漸穩(wěn)定在22.3%左右，DQN 算法在前5000 次業(yè)務分配時業(yè)務阻塞率呈指數(shù)型上升，后慢慢降低，最終在約50000 次業(yè)務分配后趨于平穩(wěn)。據(jù)此，后續(xù)實驗將對QDN算法模型進行50000 次的業(yè)務訓練的基礎上，再對業(yè)務分配的性能指標數(shù)據(jù)進行統(tǒng)計分析。

為了進一步對比分析兩種算法的性能，我們對兩種算法的頻譜利用率和業(yè)務阻塞率方面進行評估。其中，基礎參數(shù)選路徑數(shù)K=3，每條路徑上的候選頻譜隙數(shù)為J=1。當業(yè)務量在50-600Erlang 之間變化時，兩種算法進行業(yè)務分配時的頻譜利用率和業(yè)務阻塞率分別如圖4 和圖5 所示。

圖4： 頻譜利用率

圖5： 阻塞率

表1 和表2 統(tǒng)計了在業(yè)務量為100-600Erlang 時，兩種算法模型下實驗的頻譜利用率和業(yè)務阻塞率詳細數(shù)據(jù)。從上述圖5 和表2 中可以明顯看出，在業(yè)務量小于100Erlang時，兩種算法的業(yè)務阻塞率相差較小，其主要是由于在業(yè)務分配初期，網(wǎng)絡中頻譜資源相對豐富，業(yè)務阻塞率也相對較低，但隨著業(yè)務量的增加，兩種不同的算法對頻譜利用率和業(yè)務的阻塞率就有較大的差距。也就是當設置業(yè)務量從100Erlang 到600Erlang 時，DQN 算法的頻譜利用率相比于FF 算法分別提升了1.16%、2.46%、2.67%、6.43%、6.06%、8.95%，平均提升了4.62%；在阻塞率方面分別降低了2.53%、8.21%、11.32%、9.84%、9.79%、9.36%，平均約降低了8.51%。因此，DQN 算法的表現(xiàn)優(yōu)于FF 算法，能夠較好地提高頻譜資源利用率，降低業(yè)務阻塞率。

表1： 頻譜利用率

表2： 業(yè)務阻塞率

總體來看，本文提出的DQN 算法的光網(wǎng)絡資源分配方案始終表現(xiàn)出高頻譜利用率和低阻塞率，對其方案的綜合性能具有較大提升。這是因為我們提出的方案可以有效地預測業(yè)務請求，為未來任一時刻業(yè)務接入請求動態(tài)保留資源。

4 總結

本文提出了一種基于DQN 的EON 資源分配方案，利用DQN 中強化學習的決策能力和神經(jīng)網(wǎng)絡對特征的感知能力，將頻譜分配過程構建成為不同的狀態(tài)和動作集合，通過不斷的訓練迭代，將根據(jù)輸入的環(huán)境狀態(tài)得到最佳的頻譜分配模型。在仿真實驗中，通過與傳統(tǒng)的FF算法進行對比分析，在CERNET 網(wǎng)絡拓撲中，DQN 算法相比于FF 算法頻譜利用率平均提升4.62%，業(yè)務阻塞率平均降低了8.51%。實驗結果表明，本文提出的DQN 算法在頻譜利用率和阻塞率方面均優(yōu)于傳統(tǒng)的FF 算法，能夠更好地應用于彈性光網(wǎng)絡的資源分配。