针对室内用户在非均匀分布时选择最高信号强度接入点（AP）导致系统总速率和用户服务质量较低的问题，提出联合AP和功率分配的方法。考虑多个LED作为AP的可见光通信（VLC）网络，根据用户分布设计了一个基于用户信道增益权重回溯（BM）的AP分配算法，使权重较低的用户接入到其他AP，降低资源竞争严重的LED上的用户负载；为了使所有用户均能满足通信需求，提出改进逐维动态正余弦算法（IDDSCA）的转换参数，并引入基于最优解方向的自适应搜索策略。利用IDDSCA动态调整每个AP下行链路的功率分配，同步优化系统总速率和用户服务质量。仿真结果表明，所提BM-IDDSCA方案相较于BM-DDSCA、SLCG-IDDSCA、BM-αPA、MT-PA与SLCG-QTPA方案在总速率方面分别提升2.94%、4.20%、2.03%、62.90%、4.89%。

电力线载波通信面向广泛的设备对设备的数据交互和通信应用，具有免于部署，易于直连通信的优势，成为一种有效快捷的新型通信方式。但在使用中经常由于通信拥塞或电力干扰，造成各种通信故障，故需要高效的恢复机制保证数据可靠传输。本文引入多标记交换协议 (MPLS)技术，设计了一种新型的电力线载波通信可区分故障恢复算法 Diff_RECV，在考虑不同生存性服务质量(QoS)要求的同时，将保护恢复机制和重路径恢复机制结合，实现了区分流量保护与恢复。通过实验验证，所提出的 Diff_RECV算法能够全部恢复故障业务流量，并且比扩散法有更高的恢复速度。

In this paper, we proposed a quality of transmission (QoT) prediction technique for the quality of service (QoS) link setup based on machine learning classifiers, with synthetic data generated using the transmission equations instead of the Gaussian noise (GN) model. The proposed technique uses some link and signal characteristics as input features. The bit error rate (BER) of the signals was compared with the forward error correction threshold BER, and the comparison results were employed as labels. The transmission equations approach is a better alternative to the GN model (or other similar margin-based models) in the absence of real data (i.e., at the deployment stage of a network) or the case that real data are scarce (i.e., for enriching the dataset/reducing probing lightpaths); furthermore, the three classifiers trained using the data of the transmission equations are more reliable and practical than those trained using the data of the GN model. Meanwhile, we noted that the priority of the three classifiers should be support vector machine (SVM)>K nearest neighbor (KNN)>logistic regression (LR) as shown in the results obtained by the transmission equations, instead of SVM>LR>KNN as in the results of the GN model.

根据IEEE 802.3ca新标准中对50 Gbit/s-以太网无源光网络(EPON)上行链路的说明, 网络上行链路中需要对多波长进行动态带宽分配。文章采用长短时记忆神经网络对网络流量进行预测, 旨在提高带宽分配的效率; 同时, 考虑到网络中不同类型业务对网络时延和带宽要求的差别, 分别对不同优先级的业务采取不同的分配方案。仿真实验表明, 基于神经网络预测的方法可以有效降低网络的延迟; 对不同业务采取不同分配方案时, 高优先级业务的延迟降低, 并且随着网络负载的提高, 延迟变化幅度较小。文章所提算法满足了高优先级业务的需求, 虽然低优先级业务延迟与之前方式相比有所增大, 但考虑到低优先级业务对延迟要求并不高, 因此对于网络整体服务质量影响不大。

针对系统保护通信专网局部节点与链路业务负载过重的问题，提出一种考虑负载均衡的系统保护通信专网路由规划方法。首先，阐述了系统保护通信专网的概念，分析了局部节点和链路业务负载过重的问题；然后，构建了综合考虑业务特性和备份路径的负载均衡路由规划优化模型，实现了模型的负载均衡路由规划求解；最后，以某省系统保护通信专网光传送网（OTN）拓扑为仿真网络，采用PSCPlanner电力通信网规划平台与K条最短路径（KSP）算法进行了对比实验。仿真结果表明：该方法均衡了链路容量，降低了业务请求拒绝率，有效地分配了网络资源。

为了提升量子保密网络对数据流量的适应匹配能力以及提升网络服务质量(QoS)和用户体验, 提出基于马尔科夫决策过程(MDP)安全策略的软件定义量子保密网络(SDQSN)。SDQSN可根据网络流量变化自适应地选择不同的量子密钥管理策略, 通过对量子链路的实时监测, 基于MDP计算网络收益, 决策系统的安全策略, 让系统在量子加密和经典加密的安全策略间进行灵活切换, 在维护网络安全的同时保证网络的QoS收益。仿真结果表明: SDQSN比传统量子保密网络更具灵活性和动态可调性, 能够有效保证网络的全局收益, 提升用户体验。

针对室内超密集可见光通信网络多小区资源分配算法中存在的吞吐性能与算法复杂度之间的矛盾,提出一种吞吐性能近似最优且复杂度低的资源分配算法。通过建立各小区资源分配问题的最优化模型,得出该问题是凸优化问题的结论;在合理近似处理后,推导了终端资源分配归一化比例因子的解析式,在此基础上提出一种资源分配算法;算法复杂度分析表明本文算法具有多项式复杂度,低于经典最优化内点法。仿真表明,相比于请求速率占比分配法,本文算法的吞吐量性能提升了57%,服务质量满意度性能提升了67%。

提出一种在OBS（光突发交换）网络中基于优先级并考虑路径关联的BS（突发数据分组分片）方法，所提BS方法能够较好地支持多业务并充分考虑多路径冲突情况。仿真结果表明：路径长度和关联路径数目都会对OBS网络数据丢失产生影响。

针对多域光网络环境下传统的多点对多点(MP2MP)组播路由和波长分配(RWA)算法未考虑最优化组播域序列选择的问题，以及所导致的网络资源占用量过高和难以满足实时业务服务质量(QoS)要求的问题，提出了一种面向多域光网络、计算可并行化、基于时延和最小代价约束的多核点共享树RWA 启发式算法(MSTDC)。该算法通过构造虚拓扑的方式将多域的问题转化到单域中求解，从而实现了多核点共享树最小化核心点的个数及其所在域的准确计算。在多域间并行地将源和目的节点按照特定的QoS选择策略和算法加入到不同的共享树中。仿真验证了在网络节点数为50个且均匀地分布在9个域内的多域光网络环境下，MSTDC 算法与传统组播树算法相比波长资源占用率降低可达51.1%，路由成功率提高可达24.8%，算法执行时间降低可达64.6%。