0 引言
       根据权威机构预测[1]，2022年全球将会有超过120亿个终端接入移动网络，届时网络流量将会是2017年的4倍，大幅增长的流量给光网络带来了巨大挑战。传统的波分复用光网络扩展性差、传输效率低，已经不能满足新型网络应用的需求[2]。为了解决这一问题，学术界提出了具有更小颗粒度——频隙（FS）的弹性光网络（EON）。EON在承载业务时，根据业务需求的带宽灵活地分配频隙资源，与传统光网络相比，EON能有效提升传输效率[3]。在光网络中为业务选路并分配频隙资源（RSA）是EON的基础。传统的RSA算法主要考虑网络当前的状态信息并进行资源分配的优化，而对业务的历史信息或特征并不关注。近年来，许多具有已知业务持续时间特点的新型应用在EON中得到广泛使用，如数据迁移、边缘计算等[4]。若对这类业务的时间信息加以利用，可以优化RSA算法，改善网络性能，如文献[5-6]均利用业务持续时间信息设计出了更高效的路由算法和节能策略。
　　 学术界针对光网络中RSA问题开展了许多研究[6-11]。文献[8-10]提出在选路阶段综合考虑频域资源使用情况（如可用频谱状态、频谱碎片化程度和路径长度等）以优化并求解RSA问题，但没有考虑业务的时间信息。文献[7，11]采用预测技术解决EON中的RSA问题，在选路时考虑了业务的时间信息，但没有考虑到候选路径相邻链路的频谱资源使用情况。文献[6]在选路时考虑了业务持续时间、资源利用率及链路状态，但没有结合预测功能对已承载业务的时间信息进行充分利用。总之，已有的工作多基于当前网络信息状态进行资源优化，但在引入业务时间特性预测时对资源当前使用情况缺乏全面考虑。
      本文提出一种改进的结合预测的多维感知RSA算法，利用BP神经网络（BPNN）挖掘业务的历史信息并预测业务未来的到达时刻和持续时间，结合当前网络的频谱状态在业务的候选路径中选择在时间域、频域和相邻链路这3个维度上资源争用程度最小的路径作为工作路径，从而降低网络的阻塞率。

3 结束语
       本文提出了一种EON中结合预测的多维感知RSA算法，采用BPNN的预测功能计算链路的时间争用程度，再结合频域、相邻链路的资源使用情况为当前业务选择资源争用程度最小的工作路径，理论分析和数值仿真结果表明：与D+FF算法、KSP+FF传统RSA算法以及仅考虑频谱资源的DF算法相比，本文所提的多维感知RSA算法能有效降低BBP。