一、光互连网络中排序算法研究（论文文献综述）
羊小苹[1]（2021）在《基于最小损耗路由算法的片上光网络的物理特性分析与优化》文中进行了进一步梳理随着工艺技术与硅基光子技术的迅速发展,晶体管的体积越来越小,集成在单一芯片上的晶体管数量也越来越多。电路的集成度日益增大,片上多核处理器系统（Multiprocessor systems-on-chips,MPSo Cs）应运而生并得到了广泛的关注,如何实现处理核之间的高效互连是MPSo Cs的研究重点。片上网络（Network-on-chip,No C）是一种新型的通信方法,其借鉴了分布式计算系统的知识并利用分组路由的方式进行片内通信,克服了MPSo Cs传统总线架构功耗高、面积开销大等缺点,因此,No C成为了一大研究热点。但是,随着对No C的深入研究,其逐渐显示出许多缺点,例如,电磁干扰大,信号损耗大,信号间串扰噪声大,时间延迟大等。所以,利用金属互连的No C已逐渐不能满足MPSo Cs快速发展的需求。这时,光互连技术出现在大众视野中,光互连相较于传统电互连,其具有损耗更低、串扰更小、延迟更低以及带宽更高等优点。随着光互连技术的不断发展,利用光连接代替电连接的芯片上光互连网络（Optical networks-on-chip,ONo Cs）被提出,其能有效克服No C所面临的难题。近年来,ONo Cs作为一种新型的片上多核互连技术被认为极具发展前景,因此深受研究者们的青睐,也得到了极大的发展。ONo Cs是指在绝缘衬底上的硅（Silicon on insulator,SOI）芯片上集成激光器、光调制器、光路由器和光电探测器等器件构成的网络。由于这些硅基器件在制造工艺中存在误差,且材料本身具有物理特性,所以当多路信号在ONo Cs中传输时,不可避免地会产生功率损耗以及受到串扰噪声的影响。而且功率损耗与串扰噪声会随着ONo Cs网络规模的扩大而累积,当累积到一定程度时,光信号会发生畸变,导致通信质量下降,严重时甚至会影响整个ONo Cs的通信性能并且限制网络规模的扩展。通过研发基于新型材料的光学器件以及设计新颖的光路由器与ONo Cs结构可以在一定程度上降低功率损耗与串扰噪声。此外,在硅基光子器件的类型以及光路由器和ONo Cs的结构确定后,通过使用路由优化算法选择功耗以及串扰小的路由路径也可有效提升通信质量,而且随着网络规模的逐渐扩大,优化算法在提升网络性能方面将表现更好。因此,本文将功率损耗与串扰噪声作为研究重点,提出了用于2D-Mesh ONo Cs中的路由路径选择算法,并以维序路由算法为参照,分析了在不同网络规模下使用两种路由算法时ONo Cs的物理特性。本文的主要研究内容如下:1.对光传输单元的组成部分,即硅基光波导、微环谐振器以及基本光开关元件进行了理论分析,并建立了基本光开关元件的损耗与串扰噪声的计算模型。2.基于光传输单元的分析,建立了光路由器级别的损耗计算模型,为了更好地对芯片上光网络进行建模,提出了五端口光路由器的近似最坏串扰噪声模型。3.基于基本光学器件以及光路由器的分析,建立了2D-Mesh ONo Cs级别的损耗、串扰噪声、光信噪比以及误码率的计算模型。4.基于损耗与串扰噪声的计算模型,五端口光路由器以及2D-Mesh ONo Cs的结构特点,提出了一种路由优化算法用于选择损耗与串扰小的光链路,将这个优化算法命名为最小损耗路由算法。5.利用Cygnus光路由器来构建2D-Mesh ONo Cs,使用Gurobi与Python进行联合仿真。分析比较了最小损耗路由算法与维序路由算法选择的光路由路径中的损耗、串扰噪声、光信噪比以及误码率。同时,利用Optisystem搭建仿真平台,对两种路由算法得到的数据进行处理得到信号的输入输出波形图、眼图以及最大Q因子。研究结果表明:在2D-Mesh ONo Cs中,当网络规模是5×5且输入光功率为1m W时,采用最小损耗路由算法选择的光路由路径相较于维序路由路径,在功率损耗方面平均降低了16.82%。当网络规模是6×6时,采用最小损耗路由算法选择的光路由路径相较于维序路由路径,在功率损耗方面平均降低了21.19%。除此之外,通过数值仿真可以发现,在串扰噪声、光信噪比、误码率等性能方面,最小损耗路由算法选择的光路由路径较维序路由路径表现出更好的性能。当光信号从处理核（1,1）传输到处理核（P,P）P∈{5,6,7,8,9,10,11,12}时,相较于维序路由算法,最小损耗路由算法能有效降低光信号的损耗、串扰噪声、误码率并提高信号的光信噪比,而且随着网络规模的逐渐扩大,二者差距将更明显。利用Optisystem搭建仿真平台,得到同一光信号经过不同路由算法选择的最长光链路后的输出波形图以及眼图。结果表明,在网络规模较大时,光信号经过最小损耗路由算法选择的最长光链路后仍然能拥有较为清晰的输出波形图以及眼图,可见本文提出的路由算法相较于维序路由算法更能适应网络规模的变化,这对未来大规模的ONo Cs有重要的应用价值。
杨雯[2]（2021）在《基于深度强化学习的数据中心光互连拓扑研究》文中提出随着数据流量需求的不断增大,以及下一代高性能数据中心对处理速率和链路带宽需求的不断提升,传统的电交换网络已经无法高效承载高速数据交互的需求。同时,随着云计算、物联网、流媒体行业的快速发展,部署在数据中心中的应用类型日趋多样化,其流量分布特征差异较大,传统的数据中心都是基于固定的网络连接结构与路由策略,其适应性和灵活性差,无法保证网络性能。近年来,在交换技术方面,得益于光交换对链路速率和数据的透明性,基于光电混合交换技术的互连架构打破了传统电交换网络在带宽和功耗等方面的局限性,同时避免了全光交换的快速控制和冲突解决问题。在网络控制方面,软件定义网络、深度强化学习、意图驱动网络等技术得到了长足的发展,使得在光电混合互连的数据中心中由一个统一的智能决策控制器来实现底层电、光交换设备的一体化管控成为可能,进而实现流量的精确调度。基于上述分析,光电混合组网技术具备灵活的链路连接特性,这为网络拓扑重构以适配不同应用和服务产生的各种流量分布提供了可能性。因此,本文针对传统数据中心电互连网络在应对业务动态流量时存在适应性差的问题,从路由优化和拓扑优化两个方面来对数据中心业务进行优化重构。（1）在优化策略方面,本论文采用DDPG深度强化学习算法,通过与基于OMNeT++的网络仿真系统与深度强化学习模型的迭代交互,来让模型学习复杂任务控制策略,实现对拓扑结构与业务流量分布关系的持续训练。（2）同时,为了实现网络重构的自动化控制,本文提出了一种新的网络架构,在光电混合网络的基础上使用SDN控制器来进行网络的规划,深度强化学习模型根据SDN控制器实时收集的业务流量分布信息,实现网络拓扑的自动优化重构,进而提升网络性能。实验结果表明,针对给定的流量强度,采用深度强化学习进行训练后的模型与未训练的模型相比,可以显着降低平均网络延迟和丢包率。
李子康[3]（2020）在《基于逆向设计和算法的弹性光网络光路集成器件研究与实现》文中认为弹性光网络能够根据业务需求情况,灵活动态地给业务分配带宽,有效提高了频谱资源利用率。要实现弹性光网络的灵活调度,需要关键光器件。在弹性光互连网络中,必然涉及到光路的不断变化,同一光路的方向更改,不同光路的交叉和连接。因此,光路器件是弹性光互连网络中必不可少的基础器件,研究与设计这些器件对建设弹性光网络至关重要。随着纳米工艺制造水平的提升,光器件的研究与设计开始向超紧凑小型化发展,并与纳米电子器件相集成,实现了光芯片的超高集成。为克服根据光的解析理论调节物理参数来设计光器件传统方法的局限性,光器件的逆向设计方式被提出。同时通过该思路与优化算法相结合,大大提高了设计光器件多样性的可能性。本论文根据对弹性光网络实现灵活动态分配带宽的关键光器件的认识,采用了逆向设计思路和优化算法相结合的方式,在片上对能实现光路反向改变,转换,交叉连接的微纳光路器件进行了研究和设计。本文的主要研究内容包括:（1）对本文研究背景及意义做了相关介绍,对弹性光网络光路器件的状况,逆向设计和算法研究现状进行了概括总结。并深入浅出研究了逆向设计理论知识和相关优化算法,以及用算法来逆向设计微纳光器件的优势和实现过程。（2）提出了一种能够应用在微纳光器件研究领域的遗传算法（Genetic Algorithm,GA）,克服了手工调节物理参数的弊端。并用此算法在绝缘衬底上硅（Silicon-On-Insulator,SOI）上设计出了大小仅为1.8μm×1.8μm且能实现94%反射效果的反射器和另一种在水中能实现84%反射效果的反射器,一种尺寸仅为2.4μm×2.4μm并能实现80%传输效率不同进出口的光路反向器件。在弹性光网络中,这些器件可以根据业务需求情况加载不同波长的光源,实现了光路的反向改变。它们在衰减器、滤波器和激光腔等场景中有着广泛的应用。（3）提出了一种收敛更快的具体直接二进制搜索算法（Specific Direct-Binary Search,S-DBS）,并用该算法成功设计了一种尺寸仅为2.4μm×2.4μm能实现了光路90°转弯且传输效率最高可达96%的波导弯曲结构,一种尺寸仅为2.4μm×2.4μm,插入损耗大于-0.5d B,串扰在-19d B以下的“十”字波导交叉结构和一种尺寸为2.4μm×3.6μm,插入损耗大于-0.56d B,串扰在-21d B以下的同方向波导交叉结构。这些器件结构在弹性光互连网络中,广泛应用于多种光路传输路径选择改变,交叉连接和重叠上,其作用的波长可以由弹性光网络业务情况决定。并且,用它们组成几种超紧凑的基础光互连结构,均实现了高的传输效率。
王岑[4]（2019）在《光互联网络资源调度算法研究》文中提出随着分布式计算、Web访问、搜索和数据备份等应用的迅猛发展,在数据中心和计算系统内,多种应用往往并发运行,其网络需求在时间和空间上呈现一定的关联和交叠,因而具有混杂性,这就对网络资源的合理调度提出了越发严峻的挑战。另一方面,以光交换技术为核心的光互联网络,因其高带宽、低时延、拓扑灵活、网络资源维度丰富和支持多粒度交换等优势,近年来,成为解决数据中心和计算系统等内部小尺度空间互联需求极具竞争力的技术方案。充分发挥光互联网络天然优势,提高其对混杂应用的支撑性能,被认为是未来光互联网络智能演进的重要方向。本文正是针对混杂应用需求对光互联网络资源调度带来的机遇和挑战,研究光互联网络中不同角度,不同层次的资源调度算法。具体地,论文主要工作可以归纳如下:第一,面向应用中关联性的流量特征,研究光互联网络拓扑感知的流量工程。具体通过虚拟机和应用任务合理放置的设计实现,重整网络节点间的流量分布,保证应用流量特征在映射到光互联网络拓扑时不被破坏,且能够发挥光互联网络高联通度拓扑对应用流量适配的优势。通过仿真对算法下的通信成本和应用流量传输完成时间进行评估,结果证明所提流量工程算法能够有效降低应用流通信成本,维持应用流的关联性;且相较于应用流优化策略,能够进一步加速应用流完成时间。第二,为降低系统复杂性,减少应用开发成本,增加网络自主智能,研究无先验知识场景下的光互联网络调度方案。具体提出了一套基于机器学习的无先验知识应用需求感知算法,以及其辅助的智能资源调度系统。这些算法包括基于决策树实现不同应用的数据流分类;基于卷积神经网络和谱聚类的模式识别算法实现2D层面流量特征的识别;基于长短期记忆循环神经网络实现流量预测。进一步地,将这些算法与调度策略相结合,设计和实现智能光网络资源调度系统IORSS,并验证了需求感知算法和资源调度算法组合的性能,证明应用需求感知的网络资源调度算法较无感知的调度策略,对应用性能具有显着提升。最后利用无先验知识的应用感知,设计并实现了面向分布式计算应用的故障定位和快速恢复。第三,研究面向混杂业务需求,光互联网络多维资源的联合调度方法,首先讨论了光互联网络联合调度模型,其次基于该模型,提出了基于深度强化学习的光互联网络资源联合调度方法,通过大规模仿真评估了该算法在提高应用流完成时间和网络带宽利用率上的性能。随后,提出了面向多维资源优化的传输控制层协议改进,通过实验证明了改进机制的有效性。最后,提出了面向泛化计算场景的融合资源调度方案,并进行了概念实验验证,对未来智能自塑光互联网络进行了展望。
杨丰源[5]（2019）在《基于SDN的数据中心光互连网络容错路由》文中提出光互连数据中心网络具有高带宽、高灵活性、低开销等优势,是一种非常有前景的数据中心网络架构。通过向光互连数据中心引入软件定义网络技术,将控制层与转发层分离,操作员可以使用逻辑上集中的软件控制整个网络,从全局的视角对网络资源进行优化,增强了数据中心网络的开放性、灵活性。数据中心光互连网络承载了大量业务,如果网络出现故障,必将出现重大的损失和影响,因此能否保证数据中心网络业务传输不受影响成为了至关重要的问题。网络的容错性是网络中出现故障后仍能保证成功传输的能力。本文针对该问题进行详细研究,提出了基于路径风险系数和拥塞感知的容错机制和基于优化蚁群算法的恢复方法。本文分别从保护策略和恢复策略两个角度展开分析。针对保护策略在多故障状态下易出现拥塞,造成故障恢复成功率较低的问题,本文提出了一种基于路径风险系数和拥塞感知的容错机制。通过计算网络链路上流的数量和带宽占用率,得出链路的风险系数,风险系数越高的路径,在网络故障状态下出现拥塞或故障的可能性越高。文中算法在选择保护路径时规避了风险等级较高的路径。并且在故障恢复过程中,加入了拥塞感知的调整机制,如果发现保护路径出现拥塞,则为受损业务重新计算一条路径进行传输。对该方案与PRS算法、分段路由算法、遇故障回溯算法进行仿真分析,证明该方案在网络高负载状态下拥有较低的故障恢复时延、较少的流表项,且提升了故障恢复的成功率。针对恢复策略使用的重路由算法计算时间较长,且容易出现恢复路径拥塞、负载不均衡的现象。本文提出了基于优化蚁群算法的恢复方法,凭借启发式算法求近似最优解速度快的优势,加入带宽相关性因子和负载均衡因子,对蚁群算法迭代过程中信息素浓度的更新方式进行优化,提高了蚁群算法的迭代速度,使得故障恢复业务能够被分配到带宽容量和负载较为合适的链路,实现了故障恢复过程中的负载均衡。对该方案和融合遗传算法的蚁群算法、自适应蚁群算法进行仿真,通过仿真证明,该方案能有效降低故障恢复时延和链路带宽占用率,能够实现故障恢复下的负载均衡。
占朋[6]（2019）在《机载传感器光互连网络资源分配算法研究》文中指出随着机载系统信息化程度的快速提升,对机载传感器网络的性能也有了更高的要求。由于光网络高带宽、低时延、传输协议透明、灵活可扩展等优点,波分复用（Wavelength Division Multiplex,WDM）光网络逐渐成为下一代机载传感器网络的研究方向。基于此,本文针对WDM光网络架构的机载传感器网络资源分配相关技术进行研究。其中针对机载传感器网络中的多播需求,重点研究了多播路由与波长分配以及多播流量疏导算法。在机载传感器WDM网络中,为了满足机载网络的特定业务需求以及业务中的服务质量（Quality of Service,QoS）约束,同时最小化多个网络资源的消耗,本文研究其满足机载环境QoS要求的多播路由与波长分配（Routing and Wavelength Assignment,RWA）算法。在对该问题进行了系统的描述和分析的基础上,本文提出一种非支配排序遗传算法（Nondominate Sorting Genetic AlgorithmⅡ,NSGA2）和禁忌搜索算法（Tabu Search,TS）结合的多目标进化算法,将其应用于解决提供QoS保证的多播路由与波长分配问题。在该算法的应用中,针对本文研究的特定问题,本文设计了特定的个体编码方案,并针对具体问题重新定义了带约束条件的个体间支配关系。同时,针对进化算法中使用的遗传操作,本文设计了特定的初始化策略、选择策略、以及交叉和变异策略。对设计的算法,本文通过仿真比较了算法的解在目标空间中的分布特性以及针对该问题定义的收敛性参数、多样性参数,结果表明本算法平均收敛性比对比算法NSGA2MRWA和SPEAMRWA算法增加40%和78%,多样性参数在请求规模较大的情况下平均减少3.84%和5.11%。针对机载传感器光网络中存在多种速率的数据传输且低速数据与波长带宽不匹配等问题,本文对其流量疏导问题进行了研究。在本文中,建立了基于光树的流量疏导的数学模型,提出了一种基于对逐级递减的带宽进行共享的光树共享流量疏导算法,并在其中使用遗传算法进行了路由与波长分配。本文针对不同的拓扑、不同规模以及类型的业务进行了仿真分析,并同其他算法进行了对比。首先分别对比了其他算法与本算法在波长资源和收发射机资源、分路器资源等光器件资源上的消耗。最后综合上述因素,比较了网络代价。仿真结果表明,本文提出的流量疏导算法在业务规模较大的情况下,网络资源的使用要显着少于另外两种与之对比的算法。在平均情况下,本文的流量疏导算法比不使用该算法网络代价低58%,比对比的算法SLTSG、LTSG分别低17%和29%。
罗森[7]（2018）在《光互连数据中心网络结构与控制平面技术研究》文中认为云计算是一种利用互联网实现随时、随地、按需、便捷地访问共享资源池的计算模式。数据中心网络是数据中心内互连大量服务器,用于服务器间海量数据传输和交换的网络。随着云计算的发展,数据中心网络成为各界关注的热点。传统数据中心网络是基于电以太网交换机的分层树形结构,存在等分带宽低、网络能耗高、分组时延大等问题。光网络具有高带宽、低时延等优势,因此光电混合与全光互连的数据中心网络结构被相继提出。这些结构中光网络主要应用于机架间通信,机架内通信仍然使用电架顶交换机,存在诸多问题。架顶交换机的能耗占数据中心网络设备总能耗的90%,机架内通信的流量占数据中心全网流量的80%。因此,如何设计数据中心机架内光互连网络结构及其控制平面机制成为亟待解决的关键问题之一。论文首先设计了软件定义的机架内无源光互连网络结构SD-POIRN（Software Defined-Passive Optical Intra-Rack Network）。数据平面采用光耦合器互连同一机架的服务器,并提供了四种服务器光源方案。控制平面采用软件定义的集中控制器协调机架内的数据通信。为避免数据传输发生碰撞,提出了软件定义的介质访问控制机制SD-MAC。SD-MAC利用服务器发送分组与接收分组的思想,通过最大-最小公平共享带宽分配算法为服务器分配波长与时隙。仿真结果表明:当机架内的服务器数目为64时,SD-POIRN的能耗相比于传统架顶交换机方案下降了78.4%;SD-POIRN采用2×2光耦合器组网相比于3×3光耦合器更具扩展性,单个机架内网络能支持128台服务器;SD-POIRN有效提高机架网络的吞吐量并降低分组时延。另外本论文提出了基于波长选择开关的机架内光互连网络结构WSSIRN（Wavelength Selective Switch based Intra-Rack Network）。数据平面采用波长选择开关与光耦合器的级联结构互连机架内的服务器。该结构既能提供数据中心机架内服务器间的单播、组播与广播通信,又能提供服务器与机架外服务器间的数据通信。控制平面采用软件定义的波长调度机制,利用了轮询调度与最大-最小公平共享带宽分配算法为服务器分配波长。仿真结果表明:当机架内的服务器数目为64时,WSSIRN的成本和能耗相比于传统架顶交换机方案分别下降25.9%和74.1%;WSSIRN相比于SD-POIRN结构具有更高的网络吞吐量。仿真结果显示本论文设计的光互连数据中心网络结构及相应控制平面技术在成本、能耗及网络性能上都具有优势,为今后数据中心网络的研究奠定了基础。
保金桢[8]（2017）在《软件定义光电混合数据中心网络关键技术研究》文中进行了进一步梳理近年来,作为承载云计算和大数据等多种新型计算和应用的核心基础设施,数据中心得到快速发展。业务和通信模式的转变对连接大规模服务器、存储设备等硬件资源的数据中心网络提出新的挑战。传统电交换网络架构面临网络带宽受限、能量消耗过大等问题,难以满足大规模数据中心网络的需求。光电混合数据中心网络结合光交换和电交换的优势,按照需求动态调整网络拓扑和带宽,能够有效提升网络的性能、降低功耗和布线复杂度等。本文面向软件定义光电混合数据中心网络,针对当前光互连网络架构扩展性和性能的不足、组播资源利用率低、链路调度未考虑短流等问题,分别对新型光互连网络架构、高效组播优化机制、带优先级的光电混合调度机制等挑战性问题展开研究,论文的主要工作包括:（1）针对目前光交换网络架构在可扩展性、灵活性以及性能方面的不足,提出一种高性能的光交换网络架构DETOUR。DETOUR设计为分布式光交换网络架构,将光交换机按照2D-Torus拓扑连接,有效提升光交换网络的规模,支持网络的动态扩展。DETOUR基于“广播-选择”光交换机制,能够灵活的支持单播、组播、广播等多种通信模式。DETOUR设计一种支持在两个维度上进行光信号交换的光交换机,每个光交换机广播的光信号能够到达DETOUR中任意的光交换机,从而支持在任意光交换机之间建立直连的光链路。根据DETOUR网络架构的特性,提出一种基于递归的冲突波长调整算法,并通过理论证明DETOUR光交换网络的无阻塞特性。与其它光交换网络架构相比,DETOUR能够同时满足扩展性、灵活性以及高性能的要求。实验表明,与OvS和Jellyfish相比,DETOUR能有效减少34%和57%的平均流完成时间,降低21%和30%的能量消耗。（2）针对现有数据中心组播优化方案资源利用率低、可扩展性差的问题,提出一种物理层分光组播和报文复制电组播协同优化机制iCAST。iCAST面向应用层感知组播需求,提出一种贪心的组播树构建算法和灵活的组播流切换策略。在构建组播树的过程中,iCAST优先为大流量组播组分配光组播链路,如果不能完全覆盖,则寻找可用的电组播。在构建完组播树配置的过程中,iCAST通过灵活的路由策略将组播流量在电交换网络和光交换网络之间切换,避免为等待光链路资源而阻塞组播流。通过自由空间光和光分束器搭建光电混合组播原型系统,并重新设计高性能计算框架MPICH以支持iCAST。实验表明,与MPICH中现有的环形算法相比,iCAST减少一个数量级的组播流完成时间。（3）针对当前光链路调度算法优化平均流完成时间,尤其是短流完成时间存在的不足,提出一种流调度和链路调度联合优化机制HyFabric。HyFabric采用最短剩余处理时间（Shortest Remaining Processing Time,SRPT）优先策略优化平均流完成时间。为了支持SRPT策略,HyFabric重新设计了柜顶（Top of Rack,ToR）交换机中的队列,能够根据SRPT策略进行报文出队列和丢弃。ToR交换机包含虚拟输出队列将不同目的ToR交换机的报文累积,经过ToR交换机上的调度器选择光交换或者电交换网络。HyFabric提出一种基于优先级的多级稳定婚姻算法为虚拟输出队列中累积的报文分配光链路,优先级根据累积报文中的优先级信息计算。与以往工作相比,HyFabric能够有效结合光交换和电交换网络,共同实现SRPT策略,最小化平均流完成时间。实验表明,与ProjecToR和Solstice相比,HyFabric能减少平均流完成时间93%以上,降低平均能量消耗32%以上。
吴际[9]（2017）在《基于Power-gating的片上互连网络功耗优化研究》文中研究说明随着微处理器技术的发展,处理器计算核的数量不断增多,为核间提供高效的、可扩展的通信越来越重要。片上互连网络（Network-on-Chip,No C）相对于传统的总线互连结构,是一种弹性的、可扩展的多核通信解决方案,在现代高性能微处理器中得到广泛应用。随着处理器性能的不断提升,核的数量不断增加,片上网络规模和复杂度不断增加,使得片上网络的功耗不断上升,已成为制约片上网络发展的重要因素。如何降低片上网络的功耗,已成为国际上的热点研究方向。Power-gating技术通过动态关闭空闲的网络部件来降低片上网络的功耗,是片上网络功耗优化的一个热点研究方向。如何在关闭网络部件时保证网络连通性、如何避免频繁开关网络部件带来性能损失、如何对网络负载变化快速反应以保证网络性能等,都是Power-gating技术研究的难点。本文重点研究了面向片上网络的基于Power-gating技术的功耗优化问题,主要工作和创新概述如下:1.提出了采用异构虚通道的片上网络路由器功耗优化方法。传统片上网络的路由器中包含多个虚通道,每个虚通道都带有一定数量的缓存。缓存的作用是对报文进行暂时存储,从而减缓报文对路由器端口的竞争。基于缓存转发的路由器设计获得了较高的网络性能,然而,研究表明在功耗方面,路由器的缓存功率消耗较大。国际上最近的研究提出了无缓存路由器的设计,该设计在片上网络的路由器中不包含虚通道和缓存。这种设计极大降低了路由器的静态功耗,但由于无缓存带来的报文绕道或者报文丢弃重传情况,使得在网络负载流量较大时,无缓存路由器的性能很差。本文首次提出了采用异构虚通道的路由器设计HVC-Router,将路由器的虚通道设计为包含带缓存的和不带缓存的异构形式。相应的,本文提出了根据网络流量负载对虚通道,以及虚通道中的缓存进行动态开/关的算法。实验表明,HVC-Router在网络流量较低时,能有效地节省静态功耗。当网络流量增加时,能保证网络的性能不降低。2.提出了基于混合Mesh拓扑结构的低功耗多层片上网络设计。传统片上网络多采用单层网络结构。由于需要保证网络连通性,即使在网络负载很轻时,片上网络的很多部件也不能被关闭,从而较大的限制了Power-gating技术的应用,难以有效地降低功耗。国际上最新研究提出基于多层网络的低功耗片上网络设计Catnap,由于采用多层网络结构,在保证一层子网连通的情况下,可以对其它子网进行动态开关,实验表明,相对传统的单层网络可以有效降低功耗。但Catnap采用的是同构设计,即所有子网采用相同的Mesh拓扑结构。本文首次提出采用混合Mesh拓扑结构的多层异构片上网络设计HM-Mesh。HM-Mesh的第一层子网采用CMesh拓扑结构,其它层子网采用Mesh拓扑结构。CMesh拓扑结构在相同核数的情况下,因为网络规模比Mesh网络小,在低流量负载的情况下,功耗比Mesh网络低,而且由于报文的平均跳步数少于Mesh网络,报文延迟也较Mesh网络有优势。本文提出相应的Power-gating及流量分配算法,使得网络在低负载时,仅通过CMesh网络即可满足通信需求,而随着负载的升高,由Mesh网络来负载通信。3.提出了采用组合路由算法的低功耗多层片上网络设计。多核微处理器芯片采用关闭空闲计算核的策略来降低系统功耗。但由于要保证报文的可达性,与计算核相连的路由器不能被关闭,使得片上网络的功耗难以降低。本文首次提出将CBCG动态无规则拓扑路由算法用于片上网络低功耗优化中。CBCG是国际上面向片上网络路由器容错提出的路由算法。采用CBCG路由算法,使得可以更加激进的关闭片上网络中的路由器而不会引入报文不可达或死锁/活锁等问题,在网络负载较轻时,可以大大降低功耗。但如果单纯采用CBCG路由算法,在网络负载升高时,网络性能将急剧下降。因此,本文提出采用CBCG和维序路由算法同时工作的多层片上网络设计CRA结构。CRA根据网络流量变化,动态地开/关网络层,以及CBCG路由网络层的路由器,达到保证网络性能的前提下,节省更多的网络功耗。4.提出了采用多维度Power-gating技术的低功耗片上网络设计。当前国际上基于Power-gating的功耗优化技术,分别面向缓存、路由器、子网等不同的维度进行。本文首次提出结合多维度Power-gating技术的异构多层片上网络设计Chameleon,同时从多种维度对片上网络进行功耗优化。Chameleon采用异构的无缓存网络和有缓存网络相结合的设计方法,并采用了动态自适应细粒度Power-gating算法,对网络负载变化迅速响应。结合流量分配算法,实验表明,Chameleon取得了良好的功耗优势,且网络性能也得到了保证。
张东旭[10]（2015）在《面向云服务的光互联网络技术研究》文中研究表明云服务本质上是基于数据中心和通信网络等基础设施,为用户提供如同水、电一样可按需取用的灵活信息服务。近年来依托云服务的互联网业务保持高速增长,这对数据中心内、外的通信网络提出了越来越多的需求和挑战。在数据中心内,上万台服务器之间的互联网络需要更高的扩展性、更大的吞吐量以及更低的时延,而传统的树形电交换网络架构已经难以持续满足这些需求;在数据中心之间或数据中心与用户之间,数据业务承载网络也需要变得更加灵活动态、支持智能便捷的服务提供和故障恢复等。在此背景下,光互联网络技术,特别是多粒度的全光交换技术,凭借其天然的高带宽和低能耗等优势,被认为是未来面向云服务提供高质量数据传送的重要基础网络技术之一。本文正是针对云服务带来的数据中心内、外光互联网络的机遇和挑战,研究相关的网络架构设计、控制调度机制等关键问题。具体地,论文主要工作可以归纳如下:第一,提出一种面向云服务数据中心内部机架间互联的OpenScale光交换网络架构。具体包括,分析数据中心内光交换架构设计需求和思路,描述OpenScale具体构建方式,提出利用复杂网络理论中“小世界拓扑”原理,实现网络任意扩展性,同时保持较低的成本代价;通过仿真分析,对OpenScale网络吞吐量、时延以及扩展性等各方面性能进行评估。仿真结果表明,OpenScale网络能发挥光交换的动态重构优势,可显着提升网络吞吐量并降低端到端时延。第二,提出面向云服务的集中控制LOBS-over-WSON城域光网络架构。首先讨论城域光互联网络的发展趋势和挑战,然后针对集中控制的LOBS-over-WSON网络模型,详细描述其overlay的多粒度组网方式、基于集中控制的连接控制机制和突发冲突避免机制等。通过实验演示,成功验证了所提网络架构和运作机制的可行性和高效性。最后,针对环形拓扑这一典型网络情景,设计一种新型保护倒换机制,并基于仿真分析证明了其比传统环网倒换更有利于提高资源利用率。第三,研究面向云服务的光互联网络异构资源软定义统一控制机理。具体包括,针对数据中心内的计算、存储和网络资源协同控制需求,提出从应用到光层资源的软定义控制回路,并基于OpenScale系统原型平台做出实验验证;针对城域IP+Optical多层异构网络,提出基于OpenFlow的层级式控制架构和跨层协同统一调度算法,并通过仿真分析与实验演示,论证了所提方案的有效性。
二、光互连网络中排序算法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、光互连网络中排序算法研究（论文提纲范文）
（1）基于最小损耗路由算法的片上光网络的物理特性分析与优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 芯片上光网络研究现状 |
| 1.2.1 芯片上硅基光子器件 |
| 1.2.2 芯片上光路由器 |
| 1.2.3 芯片上光网络 |
| 1.2.4 芯片上优化算法 |
| 1.3 本文的研究重点与主要内容 |
| 第二章 芯片上光网络相关结构与理论模型 |
| 2.1 引言 |
| 2.2 光路由器与芯片上光网络物理结构 |
| 2.3 硅基微环谐振器 |
| 2.4 器件级光信号传输理论 |
| 2.5 光路由器级光信号传输理论 |
| 2.6 芯片上光网络级光信号传输理论 |
| 2.7 本章小结 |
| 第三章 芯片上光网络中的路由算法 |
| 3.1 引言 |
| 3.2 维序路由算法 |
| 3.3 最小损耗路由算法 |
| 3.3.1 算法相关理论 |
| 3.3.2 算法流程图 |
| 3.3.3 算法伪代码 |
| 3.4 维序路由算法与最小损耗路由算法的具体实现 |
| 3.5 本章小结 |
| 第四章 基于最小损耗路由算法的芯片上光网络的仿真与分析 |
| 4.1 引言 |
| 4.2 芯片上光网络物理特性仿真与分析 |
| 4.2.1 传输损耗特性 |
| 4.2.2 串扰噪声特性 |
| 4.2.3 光信噪比特性 |
| 4.2.4 误码率特性 |
| 4.3 基于Optisystem的信道传输系统 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间已发表的论文和专利 |
| 攻读硕士期间参加的科研项目 |
（2）基于深度强化学习的数据中心光互连拓扑研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 数据中心网络互连技术发展 |
| 1.1.1 互连网络架构发展现状 |
| 1.1.2 关键技术进展 |
| 1.2 数据中心互连网络面临的问题与尝试 |
| 1.2.1 数据中心互连网络面临的问题 |
| 1.2.2 光交换技术引入的尝试 |
| 1.3 本文主要研究工作及结构安排 |
| 1.3.1 主要研究工作 |
| 1.3.2 论文结构 |
| 第二章 数据中心的光互连网络与技术 |
| 2.1 光交换与数据中心的互连网络 |
| 2.1.1 光互连网络的优势 |
| 2.1.2 光交换技术与光互连器件 |
| 2.2 数据中心的光互连网络架构 |
| 2.3 数据中心光互连网络的关键问题 |
| 2.3.1 数据中心网络流量控制问题 |
| 2.3.2 数据中心互连网络控制智能化的问题 |
| 2.4 基于软件定义网络的可重构光互连网络架构设计 |
| 2.5 本章小结 |
| 第三章 基于深度强化学习的可重构光互连网络路由算法设计 |
| 3.1 基于机器学习的网络重构 |
| 3.2 基于深度强化学习的可重构光互连网络架构 |
| 3.2.1 整体网络架构 |
| 3.2.2 DRL Agent机制 |
| 3.3 基于深度强化学习的路由算法设计 |
| 3.3.1 强化学习算法比较 |
| 3.3.2 基于DDPG的网络重构算法实现 |
| 3.4 仿真实验结果与性能分析 |
| 3.4.1 流量模型的选择 |
| 3.4.2 重构网络性能的评估 |
| 3.5 本章小结 |
| 第四章 基于深度强化学习的可重构光互连网络拓扑算法设计 |
| 4.1 整体架构介绍 |
| 4.2 拓扑算法设计 |
| 4.2.1 算法中动作选择策略的分析 |
| 4.2.2 算法中动作选择策略的改进 |
| 4.3 仿真实验结果与性能分析 |
| 4.3.1 实验平台设置 |
| 4.3.2 训练参数选择 |
| 4.3.3 不同流量强度下的训练结果分析 |
| 4.3.4 模型测试 |
| 4.4 本章小结 |
| 第五章 结束语 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（3）基于逆向设计和算法的弹性光网络光路集成器件研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩写、符号说明 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 弹性光网络微纳光路器件发展 |
| 1.2.2 逆向设计和算法国内外研究现状 |
| 1.3 论文研究内容及章节安排 |
| 第二章 逆向设计理论和优化算法研究 |
| 2.1 逆向设计理论基础 |
| 2.1.1 时域有限差分算法 |
| 2.1.2 完美匹配层 |
| 2.2 优化算法研究 |
| 2.2.1 遗传算法 |
| 2.2.2 S-DBS算法 |
| 2.3 逆向设计优化算法实现过程 |
| 2.4 本章小结 |
| 第三章 光路反向集成器件设计 |
| 3.1 光路反向集成器件概述 |
| 3.2 同进出口的光路反向器件研究 |
| 3.2.1 器件结构设计和优化 |
| 3.2.2 仿真结果与分析 |
| 3.3 不同进出口的光路反向器件研究 |
| 3.3.1 器件结构设计和优化 |
| 3.3.2 仿真结果与分析 |
| 3.4 本章小结 |
| 第四章 光路弯曲交叉集成器件设计 |
| 4.1 光路弯曲交叉集成器件概述 |
| 4.2 波导弯曲结构研究及结果 |
| 4.3 “十”字波导交叉结构研究及结果 |
| 4.4 同方向波导交叉结构研究及结果 |
| 4.5 集成结构设计 |
| 4.5.1 结构级联与设计 |
| 4.5.2 仿真结果与分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间已发表、录用论文及参与科研项目情况 |
（4）光互联网络资源调度算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 网络资源调度问题分析 |
| 1.3 面向应用的光互联网络调度复杂性分析 |
| 1.3.1 应用混杂性需求概述 |
| 1.3.2 光互联网络能力分析 |
| 1.3.3 面向应用的光互联网络资源调度建模 |
| 1.4 网络资源调度技术国内外发展现状 |
| 1.4.1 基于启发式的网络资源调度方法 |
| 1.4.2 基于人工智能的网络调度方法 |
| 1.5 本论文的主要工作及创新点 |
| 第二章 基于光互联网络感知的流量工程 |
| 2.1 虚拟机层面和任务层面的网络通信需求 |
| 2.2 光互联网络构建复杂拓扑及其对流量需求适配能力 |
| 2.2.1 光互联网络拓扑分析 |
| 2.2.2 拓扑和流量的关系分析 |
| 2.3 拓扑感知的应用流量工程 |
| 2.3.1 拓扑感知的虚拟机流量工程 |
| 2.3.2 拓扑感知的应用任务流量工程 |
| 2.4 流量工程的性能评估 |
| 2.4.1 虚拟机层面流量工程仿真评估 |
| 2.4.2 任务层面流量工程仿真评估 |
| 2.4.3 任务层面流量工程的实验验证 |
| 2.5 本章小结 |
| 第三章 应用需求可感知的光互联网络智能资源调度系统 |
| 3.1 无先验知识调度的挑战 |
| 3.2 混杂业务的流量模式识别和预测 |
| 3.2.1 基于决策树的流量分类 |
| 3.2.2 基于CNN-SC的流量关联性识别 |
| 3.2.3 基于LSTM的流量预测 |
| 3.3 基于智能流识别预测的IORSS光互联网络调度系统 |
| 3.3.1 需求分析 |
| 3.3.2 系统架构 |
| 3.3.3 系统内调度算法设计 |
| 3.3.4 仿真和实验验证 |
| 3.4 基于智能流识别的应用作业故障定位和快速恢复 |
| 3.4.1 故障定位和快速恢复流程设计 |
| 3.4.2 Proof-of-Concept实验验证 |
| 3.5 本章小节 |
| 第四章 光互联网络多维资源联合优化系统 |
| 4.1 多维资源联合调度需求和建模 |
| 4.2 光互连网络多维资源联合控制算法 |
| 4.2.1 基于强化学习的联合调度算法设计 |
| 4.2.2 算法性能评估 |
| 4.3 光互连网络多维资源联合调整下的传输控制协议优化 |
| 4.3.1 光层资源调度对传输控制协议的影响 |
| 4.3.2 面向光互联网络资源调整的传输控制算法 |
| 4.4 融合资源联合调度在泛化计算场景中的应用 |
| 4.4.1 算法设计 |
| 4.4.2 Proof-of-Concept实验验证 |
| 4.5 自塑光互联网络展望 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 缩略词索引表 |
| 致谢 |
| 攻读博士期间论文发表情况 |
（5）基于SDN的数据中心光互连网络容错路由（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 容错路由机制中存在的问题 |
| 1.4 本文研究内容 |
| 1.5 论文结构安排 |
| 第二章 基于SDN的数据中心光网络容错机制概述 |
| 2.1 数据中心光网络概述 |
| 2.1.1 光通信技术 |
| 2.1.2 数据中心光互连网络 |
| 2.2 软件定义网络技术概述 |
| 2.2.1 基于SDN的数据中心光网络架构 |
| 2.2.2 Openflow协议 |
| 2.3 容错机制概述及分类 |
| 2.3.1 容错机制 |
| 2.3.2 恢复策略和保护策略 |
| 2.4 本章小结 |
| 第三章 基于路径风险系数和拥塞感知的容错机制 |
| 3.1 软件定义光网络中的保护策略 |
| 3.1.1 1+1保护策略 |
| 3.1.2 1:1保护策略 |
| 3.1.3 M:N保护策略 |
| 3.2 问题描述 |
| 3.3 基于路径风险系数和拥塞感知的链路故障恢复机制 |
| 3.3.1 系统模型 |
| 3.3.2 基于路径风险系数的保护方法 |
| 3.3.3 基于拥塞感知的恢复机制 |
| 3.3.4 容错机制保护策略 |
| 3.3.5 算法复杂度分析 |
| 3.4 仿真验证与结果分析 |
| 3.4.1 仿真环境平台搭建 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 基于优化蚁群算法的恢复方法 |
| 4.1 软件定义光网络中的恢复策略 |
| 4.1.1 最短路由算法 |
| 4.1.2 最优路由算法 |
| 4.1.3 启发式路由算法 |
| 4.2 传统蚁群算法容错机制 |
| 4.2.1 蚁群算法的原理 |
| 4.2.2 传统蚁群算法 |
| 4.2.3 传统蚁群算法存在的问题 |
| 4.2.4 对传统蚁群算法的改进 |
| 4.3 基于优化蚁群算法的容错机制 |
| 4.3.1 算法步骤 |
| 4.3.2 算法的实现过程 |
| 4.4 仿真步骤与结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）机载传感器光互连网络资源分配算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究工作的背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本论文结构安排 |
| 第二章 机载传感器光互连网络资源分配关键技术概述 |
| 2.1 机载传感器WDM光网络技术概述 |
| 2.2 WDM光网络多播技术 |
| 2.3 光网络Qo S保证的多播路由与波长分配关键技术概述 |
| 2.3.1 WDM光网络RWA问题 |
| 2.3.2 多目标优化问题 |
| 2.4 光网络多播流量疏导关键技术概述 |
| 2.4.1 多播流量疏导问题 |
| 2.4.2 典型的多播流量疏导算法 |
| 2.5 本章小结 |
| 第三章 机载传感器光互连网络Qo S保证的MRWA算法研究 |
| 3.1 问题分析 |
| 3.1.1 机载传感器网络 |
| 3.1.2 机载传感器WDM网络和WDM网络资源分配问题的联系和区别 |
| 3.2 数学模型 |
| 3.3 一种基于NSGA2和TS混合的多目标优化MRWA算法 |
| 3.3.1 算法描述 |
| 3.3.2 算法的评价参数 |
| 3.4 算法的仿真及结果分析 |
| 3.4.1 解在目标空间的分布 |
| 3.4.2 收敛性参数仿真 |
| 3.4.3 多样性参数仿真 |
| 3.5 本章小结 |
| 第四章 机载传感器光互连网络多播流量疏导算法的研究 |
| 4.1 问题分析及数学模型 |
| 4.2 一种基于光树共享的启发式的多播流量疏导算法 |
| 4.2.1 算法描述 |
| 4.2.2 算法步骤 |
| 4.3 算法的仿真及结果分析 |
| 4.3.1 波长资源消耗比较 |
| 4.3.2 发射机资源消耗比较 |
| 4.3.3 接收机资源消耗比较 |
| 4.3.4 分路器资源消耗的比较 |
| 4.3.5 网络代价比较 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间取得的研究成果 |
（7）光互连数据中心网络结构与控制平面技术研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 研究内容 |
| 1.4 论文结构与创新点 |
| 2 数据中心网络结构与控制平面技术研究 |
| 2.1 电交换数据中心网络结构 |
| 2.2 光互连数据中心网络结构 |
| 2.2.1 光电混合数据中心网络结构 |
| 2.2.2 全光互连数据中心网络结构 |
| 2.3 数据中心机架内光互连网络结构 |
| 2.4 数据中心网络控制平面技术综述 |
| 2.4.1 分布式控制 |
| 2.4.2 集中式控制 |
| 2.5 本章小结 |
| 3 基于光耦合器的机架内光互连网络设计 |
| 3.1 软件定义的机架内无源光互连网络结构SD-POIRN |
| 3.1.1 数据平面 |
| 3.1.2 控制平面 |
| 3.2 服务器光源部署方案 |
| 3.3 软件定义的介质访问控制机制SD-MAC |
| 3.3.1 服务器接收分组算法 |
| 3.3.2 服务器发送分组算法 |
| 3.3.3 最大-最小公平共享带宽分配算法 |
| 3.3.4 SD-MAC机制的案例 |
| 3.4 网络性能分析与仿真结果 |
| 3.4.1 流量模型 |
| 3.4.2 与POTORI结构的对比分析 |
| 3.4.3 SD-POIRN结构扩展性分析 |
| 3.4.4 不同光源方案的吞吐量对比分析 |
| 3.4.5 不同波长数目的吞吐量对比分析 |
| 3.5 本章小结 |
| 4 基于波长选择开关的机架内光互连网络设计 |
| 4.1 基于波长选择开关的机架内光互连网络结构WSSIRN |
| 4.1.1 波长选择开关独立组网 |
| 4.1.2 波长选择开关与光耦合器混合组网 |
| 4.2 软件定义的波长调度机制 |
| 4.3 网络性能分析与仿真结果 |
| 4.3.1 网络成本与能耗的对比分析 |
| 4.3.2 网络吞吐量的对比分析 |
| 4.3.3 WSSIRN与SD-POIRN对比分析 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A.作者在攻读硕士学位期间发表的论文目录 |
| B.作者在攻读硕士学位期间发表的专利目录 |
（8）软件定义光电混合数据中心网络关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号使用说明 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 云计算和数据中心 |
| 1.1.2 数据中心网络 |
| 1.1.3 软件定义光电混合数据中心网络 |
| 1.1.4 研究现状及不足 |
| 1.2 论文的主要工作 |
| 1.3 论文的组织结构 |
| 第二章 相关研究工作 |
| 2.1 光电混合数据中心网络架构 |
| 2.1.1 光网络技术介绍 |
| 2.1.2 典型的光电混合网络架构 |
| 2.2 数据中心网络组播优化技术研究 |
| 2.2.1 基于应用层的组播优化 |
| 2.2.2 基于网络层的组播优化 |
| 2.2.3 基于物理层的组播优化 |
| 2.3 本章小结 |
| 第三章 DETOUR:一种可扩展高性能的光交换网络架构 |
| 3.1 引言 |
| 3.2 DETOUR整体架构 |
| 3.2.1 整体架构 |
| 3.2.2 光交换原理 |
| 3.2.3 基本分析 |
| 3.3 控制通路 |
| 3.3.1 需求矩阵评估 |
| 3.3.2 拓扑和路由 |
| 3.3.3 波长分配 |
| 3.3.4 无缝重配置 |
| 3.4 实验结果与分析 |
| 3.4.1 仿真平台 |
| 3.4.2 仿真结果 |
| 3.5 本章小结 |
| 第四章 iCAST:光组播和电组播协同优化机制 |
| 4.1 引言 |
| 4.2 问题分析 |
| 4.3 混合数据中心网络架构 |
| 4.3.1 混合调度策略 |
| 4.3.2 贪心链路分配 |
| 4.4 实验结果与分析 |
| 4.4.1 系统实验 |
| 4.4.2 网络仿真 |
| 4.5 本章小结 |
| 第五章 HyFabric:流调度和链路调度联合优化机制 |
| 5.1 引言 |
| 5.2 问题分析 |
| 5.3 设计与实现 |
| 5.3.1 基于优先级的流调度设计与实现 |
| 5.3.2 基于稳定婚姻算法的链路调度设计与实现 |
| 5.3.3 端节点速率控制 |
| 5.4 实验结果与分析 |
| 5.4.1 仿真平台 |
| 5.4.2 仿真结果 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（9）基于Power-gating的片上互连网络功耗优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.1.1 多核处理器的发展 |
| 1.1.2 片上互连网络的发展 |
| 1.1.3 低功耗片上互连网络的研究现状 |
| 1.2 课题研究的目标和意义 |
| 1.3 论文主要内容和创新点 |
| 1.3.1 论文的主要内容 |
| 1.3.2 论文的主要创新点 |
| 1.4 论文的组织结构 |
| 第二章 低功耗片上互连系统的相关研究 |
| 2.1 基于Power-gating的低功耗优化技术 |
| 2.1.1 面向网络链路及路由器内部组件的Power-gating技术 |
| 2.1.2 面向路由器的Power-gating |
| 2.1.3 多层片上网络Power-gating |
| 2.2 基于微体系结构的低功耗优化技术 |
| 2.2.1 无缓存网络 |
| 2.2.2 无缓存网络与带缓存网络结合的技术 |
| 2.3 基于电压/频率调节的低功耗优化技术 |
| 2.4 基于新介质的低功耗优化技术 |
| 2.5 小结 |
| 第三章 HVC-Router: 采用异构虚通道的片上网络路由器功耗优化 |
| 3.1 引言 |
| 3.1.1 缓存路由器体系结构 |
| 3.1.2 无缓存网络和弹性缓存Flexi Buffer |
| 3.1.3 本章贡献 |
| 3.2 HVC-Router路由器体系结构 |
| 3.3 Power-gating与虚通道分配 |
| 3.3.1 Power-gating算法 |
| 3.3.2 虚通道分配 |
| 3.4 实验评测 |
| 3.4.1 合成负载评测结果 |
| 3.4.2 Trace负载评测结果 |
| 3.5 小结 |
| 第四章 HM-Mesh: 基于混合Mesh结构的低功耗片上网络 |
| 4.1 引言 |
| 4.1.1 CMesh片上网络结构 |
| 4.1.2 多层片上网络 |
| 4.1.3 本章贡献 |
| 4.2 HM-Mesh体系结构 |
| 4.2.1 HM-Mesh-2 体系结构 |
| 4.2.2 HM-Mesh-4 体系结构 |
| 4.3 Power-gating与流量分配 |
| 4.3.1 两层HM-Mesh网络 |
| 4.3.2 四层HM-Mesh网络 |
| 4.4 实验评测 |
| 4.4.1 两层HM-Mesh网络与两层Catnap网络的比较 |
| 4.4.2 四层HM-Mesh网络与四层Catnap网络的比较 |
| 4.4.3 两层HM-Mesh网络与四层HM-Mesh网络的比较 |
| 4.5 小结 |
| 第五章 CRA: 基于组合路由算法的片上网络功耗优化 |
| 5.1 引言 |
| 5.1.1 CBCG动态路由算法 |
| 5.1.2 Router-Parking片上网络低功耗优化算法 |
| 5.1.3 本章贡献 |
| 5.2 CRA体系结构 |
| 5.3 Power-gating算法和报文分配机制 |
| 5.3.1 Power-gating算法 |
| 5.3.2 包分配机制 |
| 5.4 试验评测 |
| 5.5 小结 |
| 第六章 Chameleon: 采用多维度power-gating的异构低功耗片上网络 |
| 6.1 引言 |
| 6.1.1 Catnap多层片上网络Power-gating算法 |
| 6.1.2 本章贡献 |
| 6.2 Chameleon体系结构 |
| 6.3 子网管理及报文分配算法 |
| 6.3.1 细粒度子网管理算法 |
| 6.3.2 报文分配算法 |
| 6.3.3 死锁/活锁避免 |
| 6.4 实验评测 |
| 6.4.1 合成网络负载 |
| 6.4.2 Trace负载评测结果 |
| 6.5 小结 |
| 第七章 结束语 |
| 7.1 本文工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间的主要研究成果 |
| 发表的学术论文 |
| 参与的科研工作 |
（10）面向云服务的光互联网络技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 云计算数据中心及其互联网络发展趋势和需求 |
| 1.3 面向数据中心的光互联网络 |
| 1.3.1 光互联网络技术简介 |
| 1.3.2 光互联网络在数据中心领域的机遇和挑战 |
| 1.4 面向云服务数据中心的光互联技术国内外发展现状 |
| 1.4.1 数据中心内部光互联技术 |
| 1.4.2 数据中心之间光互联技术 |
| 1.5 本论文的主要工作及创新点 |
| 第二章 OpenScale—易扩展的数据中心内部光互联架构 |
| 2.1 云服务数据中心内网络架构存在的问题和改进需求 |
| 2.2 OpenScale网络物理架构设计 |
| 2.2.1 面向数据中心的小世界网络拓扑原理 |
| 2.2.2 OCS/OBS和电分组交换相结合的网络组建方式 |
| 2.2.3 OpenScale节点结构 |
| 2.3 OpenScale逻辑拓扑(ToR层拓扑)构建方式 |
| 2.3.1 流量无关的静态拓扑构建 |
| 2.3.2 流量自适应的动态拓扑构建 |
| 2.4 OpenScale网络性能分析评估 |
| 2.4.1 网络吞吐量 |
| 2.4.2 时延 |
| 2.4.3 网络扩展性 |
| 2.5 本章小结 |
| 第三章 面向云服务的城域子波长光交换网络 |
| 3.1 新业务带来的城域光互联网络挑战和机遇 |
| 3.2 基于集中控制的LOBS-over-WSON网络架构研究 |
| 3.2.1 Overlay的光交换组网形式 |
| 3.2.2 基于集中控制的连接控制机制 |
| 3.2.3 支持QoS的波长调度和突发冲突避免机制 |
| 3.2.4 实验验证和讨论 |
| 3.3 针对环形拓扑的时隙同步OBS网络保护恢复机制研究 |
| 3.3.1 需求分析 |
| 3.3.2 保护恢复机制设计 |
| 3.3.3 仿真分析 |
| 3.4 本章小结 |
| 第四章 光互联网络异构资源软定义控制 |
| 4.1 云服务带来的异构资源协同调度需求 |
| 4.2 数据中心内部的资源协同控制 |
| 4.2.1 基于OpenScale网络的软定义控制回路 |
| 4.2.2 原型平台介绍及概念验证实验演示 |
| 4.3 数据中心间IP+Optical软定义资源协同调度 |
| 4.3.1 基于层级式多控制器的控制平面结构 |
| 4.3.2 跨层统一资源维护和调度机理 |
| 4.3.3 光层损伤感知的虚拟网络提供 |
| 4.4 多重资源协同调度的分布式光互联数据中心展望 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 缩略词索引表 |
| 致谢 |
| 攻读博士期间论文发表情况 |
四、光互连网络中排序算法研究（论文参考文献）
- [1]基于最小损耗路由算法的片上光网络的物理特性分析与优化[D]. 羊小苹. 西南大学, 2021(01)
- [2]基于深度强化学习的数据中心光互连拓扑研究[D]. 杨雯. 北京邮电大学, 2021(01)
- [3]基于逆向设计和算法的弹性光网络光路集成器件研究与实现[D]. 李子康. 广西大学, 2020(03)
- [4]光互联网络资源调度算法研究[D]. 王岑. 北京邮电大学, 2019
- [5]基于SDN的数据中心光互连网络容错路由[D]. 杨丰源. 西安电子科技大学, 2019(02)
- [6]机载传感器光互连网络资源分配算法研究[D]. 占朋. 电子科技大学, 2019(12)
- [7]光互连数据中心网络结构与控制平面技术研究[D]. 罗森. 重庆大学, 2018(04)
- [8]软件定义光电混合数据中心网络关键技术研究[D]. 保金桢. 国防科技大学, 2017(02)
- [9]基于Power-gating的片上互连网络功耗优化研究[D]. 吴际. 国防科技大学, 2017(02)
- [10]面向云服务的光互联网络技术研究[D]. 张东旭. 北京邮电大学, 2015(02)