طراحي و بهينه سازي شبكه هاي نوري كم حاشيه با استفاده از يادگيري ماشين

دكتري

يكي از راههاي افزايش ظرفيت شبكه، تخمين دقيقتر عملكرد جاري شبكه و بهرهبرداري از آن با حاشيههاي كمتر است. براي دستيابي به مزاياي حاصل از كاهش حاشيهها، مولفههايي را بايد در نظر گرفت كه عبارتند از: مدلهاي فيزيكي بهتر، مديريت توان براي هر مسير نوري، نظارت بر عملكرد نوري، بهينهسازي مجدد شبكه و يك لايهي كنترلي تطبيقپذير. در اين راستا، براي كاهش حاشيهها و تطبيق سريعتر با عملكرد جاري شبكه در كاربردهاي پويا، بهبود دقت و كاهش زمان اجرا در پيادهسازي ابزار مورد نظر لازم و ضروري است. در حالت كلي، هر يك از موارد ذكر شده مسالهاي با درجه سختي NP است و لذا استفاده از ابزار يادگيري ماشين منطقي و كارآمد به نظر ميرسد. تخمين دقيق QoT براي به حداقل رساندن حاشيهها و بهينهسازي شبكه لازم و ضروري است. تخمين QoT مسيرهاي نوري براي تطبيق شبكه با شرايط جاري ترافيكي يا خرابيهاي آن كارآمد خواهد بود. به اين منظور، با استفاده از شبكههاي عصبي RBF، GRNN و PNN، ابزاري جهت تخمين QoT مسيرهاي نوري نصبنشده (پيشبيني نشده) ارائه گرديده است كه دقت 6/99% را در پي دارد. از سوي ديگر، از شبكههاي عصبي مدولار براي در نظر گرفتن توان راهاندازي و فرمت مدولاسيون كانالهاي همسايگي بهره گرفته شده است. بنابراين، شبكه ميتواند نزديكتر به شرايط واقعي عمل كند و لذا هزينههاي آن به ميزان چشمگيري كاهش يابد. علاوه بر اين، تخصيص دقيق توان كانالهاي نوري براي بهرهبرداري كامل از حاشيههاي سامانه ناشي از بارگذاري شبكه (اختلالات غيرخطي)، لازم و ضروري است. از اين رو، الگوريتم CEGA جهت تخصيص توان بهينه به كانالهاي نوري ارائه شده است كه نسبت به روش محدب، كاهش چشمگيري را در زمان اجراي الگوريتم نشان ميدهد (در حدود چند ده مرتبه). اين روش ميتواند در طرحريزي حساس به زمان شبكههاي نوري پويا كه مستلزم همگرايي سريع هستند، بسيار كارآمد باشد. در حالت كلي، مسالهي مسيريابي و تخصيص منابع يك مسالهي NP-كامل است كه نوعا با تجزيهي به زير مسائل مسيريابي، تخصيص طول موج و بهينهسازي توان راهاندازي، و به صورت مجرد حل ميشود. با اين حال، اين شيوه از حل كه با هدف كاهش پيچيدگي محاسباتي بهكار گرفته ميشود، ميتواند موجب عدم تخصيص بهينهي منابع گردد. جهت بهينهسازي توام منابع شبكه، الگوريتم CEDE پيشنهاد ميشود. اين الگوريتم نيز در كنار بهبود نرخ قابلحصول شبكه به ميزان 5%، قادر به كاهش چشمگير زمان اجرا خواهد بود (در حدود چند ده مرتبه). در كنار مولفههاي مطرح شده ميتوان از اطلاعات بدست آمده از ابزار نظارت بر عملكرد نوري براي كاهش بيشتر حاشيههاي طراحي استفاده نمود. علاوه بر اين، از اين اطلاعات ميتوان در زمينهي مديريت مسيرهاي نوري، همچون محليسازي خرابي، بهره گرفت. بنابراين، به عنوان يك مسالهي جانبي، با استفاده از الگوريتم ژنتيك راهكاري براي محليسازي چند-خرابيها ارائه ميگردد. اين روش تنها در چند ده ميليثانيه قادر خواهد بود تا خرابيها را با دقتي نزديك به 100% محليسازي كند. ابزار تخمين QoT ارائه شده در كاهش زمان محليسازي خرابيها بسيار كارآمد هستند. طراحي شبكههاي كمحاشيه مستلزم ابزار و راهحلهايي بلادرنگ براي تخمين و بهينهسازي عملكرد شبكه است. نتايج بدست آمده نشان ميدهند كه ابزار ارائه شده قادر هستند با تخمين دقيق، بهينهسازي و در پي آن بهبود عملكرد شبكه، راهحلي كارآمد براي كاهش حاشيههاي شبكه باشند. علاوه بر اين، با كاهش چشمگير پيچيدگي محاسباتي ميتوان ابزار ارائه شده را در طرحريزي شبكههاي نوري پويا با مقياس بزرگ، بهكار گرفت.

209817

دانشگاه علم و صنعت ايران

برق-الكترونيك

علي صدر