0 引言

       传统基于波分复用（WDM）技术的光传送网（OTN）由于存在频谱固定栅格分割的固有缺陷，无法适应当前复杂且巨量的动态业务需求[1]。弹性光网络（EON）因其能灵活分配频谱和频谱高利用率而被认为是下一代光网络的重要发展方向之一[2]。路由及频谱分配（RSA）是EON的核心技术之一，由于需要满足频谱连续性和一致性等约束条件，已被证明是一个NP-hard问题[3]。国内外许多学者对此开展了大量研究并提出了一些改进和解决的措施。邱伟[4]提出对蚁群系统算法进行改进，将链路使用程度作为蚂蚁选路依据，继而寻找全局最优解，这种启发式算法虽有可能找到RSA问题的全局最优解，但因其较高的算法复杂度并不适用于实际的动态网络环境。YU J[5]结合深度神经网络模型提出了一种基于深度学习的RSA（D-RSA）算法，以期灵活和智能地解决到达服务的动态变化问题，但其仍以传统的K最短选路（KSP）算法作为路由选择算法，因此无法为业务提供最优路由策略，在网络阻塞率方面仍有改善的空间。本文作者在文献[6]中提出了一种深度神经网络辅助的RSA（DKA-RSA）算法，使D-RSA算法在阻塞率、频谱利用率以及频谱碎片化程度上有更好的性能。虽然该算法能够减少频谱碎片的产生，但未整合业务释放产生的空闲频谱资源。因此，若能采用适宜的频谱碎片整理策略，则可以进一步提升频谱资源利用率和优化网络性能。文献[7-13]分别提出了不同的频谱碎片整理策略，但其中一些策略过于频繁地整理，加大了网络运行负担，并且碎片整理或重构的效果不明显。

基于此，本文提出一种时频域和阻塞门限联合触发的周期碎片整理（PDT-TFDBT）策略。该策略通过简化碎片化指数的计算方法和改变门限触发条件，并采用DKA-RSA算法进一步优化了EON的性能。

3 结束语

      本文提出了一种PDT-TFDBT策略，并对其性能进行了仿真。仿真结果表明，该策略在NSFNET和USNET网络拓扑中相较于DKA-RSA算法（不整理）、PADAD策略、LPF-DAD策略以及PI-DAD策略，在业务阻塞率、频谱利用率和频谱碎片化程度等方面均表现出明显的优势。