CLARA+ : affectation des ressources optimisée par apprentissage machine pour les SDM-EON translucides

Les réseaux optiques élastiques multiplexés par division de l'espace (SDM-EON) améliorent la fourniture de services en offrant une capacité de fibre accrue grâce à l'utilisation d'une allocation de spectre flexible, de modes spatiaux multiples et de modulations efficaces. Dans ces réseaux, le problème d'allocation des ressources pour les connexions implique l'attribution de routes, modulations, cœurs et spectre (RMCSA). Cependant, la présence de diaphonie intercœurs (XT) entre les connexions en cours sur des cœurs adjacents peut dégrader la transmission du signal, nécessitant une gestion appropriée lors de l'attribution des ressources. L'utilisation de multiples modulations dans les réseaux optiques translucides pose un défi pour équilibrer l'utilisation du spectre et l'accumulation de XT. Dans cet article, nous proposons un algorithme RMCSA à double optimisation appelé l'Algorithme d'Affectation des Ressources Sensible à la Perte de Capacité (CLARA+), qui optimise l'utilisation de la capacité du réseau pour améliorer la disponibilité des ressources et les performances du réseau. Une optimisation en deux étapes, rendue possible par l'apprentissage machine, est utilisée pour améliorer les allocations de ressources en équilibrant le compromis entre l'utilisation du spectre et l'accumulation de XT, avec l'aide d'extraction de caractéristiques du réseau. Des simulations étendues montrent que CLARA+ réduit considérablement la probabilité de blocage de bande passante et améliore l'utilisation des ressources dans divers scénarios. Nous montrons que notre stratégie appliquée à quelques algorithmes de la littérature améliore la probabilité de blocage de bande passante jusqu'à trois ordres de grandeur. L'algorithme équilibre efficacement l'utilisation du spectre et l'accumulation de XT plus efficacement par rapport aux algorithmes existants dans la littérature.