تخصیص منابع نوری مبتنی بر همواری سیگنال‌های گرافی

زارعی, محمدحسین; پاک روان, محمدرضا; هادی, محمد

تخصیص منابع نوری مبتنی بر همواری سیگنال‌های گرافی

نوع مقاله : مخابرات - سیستم

نویسندگان

¹ دانشجوی دکتری، دانشگاه صنعتی شریف، تهران، ایران

² دانشیار، دانشگاه صنعتی شریف، تهران، ایران

³ استادیار، دانشگاه صنعتی شریف، تهران، ایران

چکیده

با پیشرفت روزافزون فناوری‌، حجم ترافیک شبکه نیز به طرز چشمگیری افزایش داشته‌ است. شبکه‌ی نوری به عنوان بخش اصلی شبکه‌ی زیرساخت، نقش بسزایی در انتقال ترافیک شبکه دارد. با توجه به محدودیت منابع موجود در شبکه، تخصیص بهینه‌ی منابع در شبکه‌های نوری، مسئله‌ی بسیار مهمی است که می‌تواند باعث افزایش بهره‌وری شبکه و کاهش هزینه‌ها شود. حل مسائل بهینه‌سازی تخصیص منابع، به یک ابزار کارآمد نیاز دارد. از آنجا که ابزار پردازش سیگنال گرافی یکی از ابزارهایی است که در سال‌های اخیر کاربرد بسیاری در حل مسائل گوناگون پیدا کرده‌ است، در این مقاله قصد داریم مسئله‌ی مسیریابی و تخصیص طول موج را به کمک این ابزار حل کنیم. به این منظور، پس از معرفی مسائل و مفاهیم مرتبط با شبکه‌های نوری و ابزار پردازش سیگنال گرافی، به مدل‌سازی منابع شبکه در قالب سیگنال‌های گرافی پرداخته و سپس، روشی مبتنی بر همواری سیگنال‌های گرافی برای حل مسئله‌ی مسیریابی و تخصیص طول موج ارائه می‌کنیم. برای نشان دادن مدیریت بهینه‌ی منابع این روش‌، شبیه‌سازی‌های متعددی انجام شده است. نتایج این شبیه‌سازی‌ها نشان می‌دهد که روش‌ ارائه شده در مقایسه با روش‌های رایج، قادر است در زمان اجرای معقولی، احتمال انسداد درخواست ترافیک را به اندازه‌ی قابل توجهی کاهش دهد.

کلیدواژه‌ها

موضوعات

مخابرات- سیستم

عنوان مقاله [English]

Optical Resource Allocation Based on Graph Signal Smoothness

نویسندگان [English]

Mohammad Hossein Zarei ¹
Mohammadreza Pakravan ²
Mohammad Hadi ³

¹ PhD student, Sharif University of Technology, Tehran, Iran

² Associate Professor, Sharif University of Technology, Tehran, Iran

³ Assistant Professor, Sharif University of Technology, Tehran, Iran

چکیده [English]

With the advancement of technology, the volume of network traffic has also increased dramatically. The optical network, as the main part of the backbone communication system, plays a significant role in the transmission of network traffic. Due to the limited network resources, an efficient resource allocation in optical networks is required to increase network performance and reduce costs. To solve resource allocation optimization problems, an effective tool is needed to provide a suitable solution in a reasonable time. Graph signal processing is one of the tools that has been used a lot in recent years to solve various problems. Therefore, in this paper, we intend to use graph signal processing to solve routing and wavelength assignment problem. In this regard, after introducing the problems and concepts related to optical networks and graph signal processing tool, we model network resources in the form of graph signals, and then. we present a method based on graph signal smoothness to solve the mentioned resource allocation problem. In order to demonstrate the optimal resource management of this method, we perform numerous simulations. The simulation results show that the proposed method significantly reduces request blocking probability at a reasonable execution time compared to the common benchmark methods.

کلیدواژه‌ها [English]

Optical networks
Resource allocation
Graph signal processing
Routing
Wavelength assignment
Smoothness

مراجع

[1] Simmons, J. M. “Optical Network Design and Planning”; Springer Cham, 2016. doi: 10.1007/978-3-319-05227-4

[2] Zang, H.; Jue, J. P.; Mukherjee, B. “A Review of Routing and Wavelength Assignment Approaches for Wavelength-Routed Optical WDM Networks”; Opt. Netw. Mag. 2000, 1(1), 47–60.

[3] Natalino, C.; Panahi, A.; Mohammadiha, N.; Monti, P. “AI/ML-as-a-Service for Optical Network Automation: Use Cases and Challenges [Invited]”; J. Opt. Commun. Netw. 2024, 16(2), A169–A179. doi: 10.1364/JOCN.500706

[4] Ortega, A. “Introduction to Graph Signal Processing”; Cambridge University Press, 2022. doi: 10.1017/9781108552349

[5] Asadi Ghanbari, A.; Alaei, H.; Mohammadnia, M. “A Multi-Stage Modelling Approach for Allocation of Defense Resources to Invading Targets”; J. Adv. Defense Sci. Technol. 2020, 11(2), 167–173 (In Persian). dor: 20.1001.1.26762935.1399.11.2.5.6

[6] Gu, R.; Yang, Z.; Ji, Y. “Machine Learning for Intelligent Optical Networks: A Comprehensive Survey”; J. Netw. Comput. Appl. 2020, 157, 102576. doi: 10.1016/j.jnca.2020.102576

[7] Pinto-Ríos, J.; Calderón, F.; Leiva, A.; Hermosilla, G.; Beghelli, A.; Bórquez-Paredes, D.; Lozada, A.; Jara, N.; Olivares, R.; Saavedra, G. “Resource Allocation in Multicore Elastic Optical Networks: A Deep Reinforcement Learning Approach”; Complexity 2023, 2023(1), 4140594. doi: 10.1155/2023/4140594

[8] Yang, M.; Zhang, Q.; Yao, H.; Gao, R.; Xin, X.; Tian, F.; Feng, W.; Chen, D.; Wang, F.; Tian, Q.; Qian, J. “Bee Colony Optimization Algorithm for Routing and Wavelength Assignment Based on Directional Guidance in Satellite Optical Networks”; China Commun. 2023, 20(7), 89–107. doi: 10.23919/JCC.fa.2022-0804.202307

[9] Vajd, F. S.; Hadi, M.; Bhar, C.; Pakravan, M. R.; Agrell, E. “Dynamic Joint Functional Split and Resource Allocation Optimization in Elastic Optical Fronthaul”; IEEE Trans. Netw. Serv. Manag. 2022, 19(4), 4505–4515. doi: 10.1109/TNSM.2022.3166100

[10] Ahmadi, M.; Hadi, M.; Pakravan, M. R. “Power-Efficient Joint Dynamic Resource Allocation in Virtualized Inter-Data Center Elastic Optical Networks”; IEEE Access 2024, 12, 75599–75609. doi: 10.1109/ACCESS.2024.3406206

[11] Hadi, M.; Pakravan, M. R. “Resource Allocation for Elastic Optical Networks Using Geometric Optimization”; J. Opt. Commun. Netw. 2017, 9(10), 889–899. doi: 10.1364/JOCN.9.000889

[12] Hadi, M.; Pakravan, M. R.; Agrell, E. “Dynamic Resource Allocation in Metro Elastic Optical Networks Using Lyapunov Drift Optimization”; J. Opt. Commun. Netw. 2019, 11(6), 250–259. doi: 10.1364/JOCN.11.000250

[13] Cheung, M.; Shi, J.; Wright, O.; Jiang, L. Y.; Liu, X.; Moura, J. M. F. “Graph Signal Processing and Deep Learning: Convolution, Pooling, and Topology”; IEEE Signal Process. Mag. 2020, 37(6), 139–149. doi: 10.1109/MSP.2020.3014594

[14] Lohani, V.; Sharma, A.; Singh, Y. N. “Dynamic Routing and Spectrum Assignment Based on the Consecutive Sub-Channels in Flexible-Grid Optical Networks”; IEEE Access 2022, 10, 128354–128365. doi: 10.1109/ACCESS.2022.3227438

[15] Chatterjee, B. C.; Sarma, N.; Sahu, P. P.; Oki, E. “Routing and Wavelength Assignment for WDM-Based Optical Networks: Quality-of-Service and Fault Resilience”; Springer Cham, 2017. doi: 10.1007/978-3-319-46203-5