改进PCNN在光网络RWA问题中的应用研究

"这篇论文探讨了基于改进脉冲耦合神经网络（PCNN）的光网络路由和波长分配（RWA）问题。作者杨勇和张晓萍提出了一种新方法，将改进的PCNN算法应用于光网络的路由选择，并结合分层图模型进行波长分配，以提高网络效率和资源利用率，降低呼叫阻塞率。通过改变PCNN神经元的点火方式和自动波的传播时间来模拟路径代价，实现并行处理。对比传统最短路径算法，该方法能获得全局最优解，且计算量小。论文还提到了RWA问题在光网络中的重要性，以及现有算法如禁忌遗传算法、蚁群算法和粒子群算法的不足。" 本文研究的焦点是波分复用（WDM）光网络中的路由和波长分配问题，这是一个关键的组合优化问题，需要在考虑网络资源和成本的情况下为业务选择最佳路径和波长。随着光网络技术的发展，如何有效地设计路由选择和波长分配算法以提升网络性能和减少呼叫阻塞率成为重要课题。 论文提出的方法是将改进的PCNN算法与分层图模型相结合。PCNN是一种具有并行处理特性的神经网络，已被证明在通信和决策优化等领域有优势。通过调整PCNN神经元的点火机制和自动波的传播时间，可以模拟不同路径的成本，从而在路由选择中体现这一特性。与传统的最短路径算法比较，这种方法能保证找到全局最优解，同时减少了计算负担，尤其适合大规模网络。 在WDM光网络中，动态业务的RWA问题尤为复杂，因为业务会随时间到达并拆除。传统的静态分配策略无法满足这种需求，因此需要动态的RWA算法。论文提出的改进PCNN算法为解决这一问题提供了新的解决方案，通过模拟仿真验证了其在无波长转换能力的WDM网络中的有效性和可行性。 这篇论文为光网络的路由和波长分配问题提供了一个创新的视角，利用改进的PCNN算法提高了网络资源利用率，降低了呼叫阻塞率，为未来研究大规模光网络的RWA问题开辟了新的途径。通过深入理解这种算法的工作原理和优势，可以进一步优化光网络的性能，以适应不断增长的通信需求。