一种适用于多颗粒度业务的光网络规划方法及系统

技术领域

本发明属于光网络业务规划技术领域，具体涉及一种适用于多颗粒度业务的光网络规划方法及系统。

背景技术

目前，随着光通信技术的发展，光网络中的业务颗粒由传统的低速率为主的业务(如2Mbps、155Mbps和622Mbps)逐渐发展为以高速率为主的业务(如2.5Gbps、10Gbps、40Gbps和波长级业务)。由于长久以来，低速率业务不断建立与拆除，导致光网络中传输系统的时隙出现碎片化严重的问题，因此迫切需要一种适用于多颗粒度业务的光网络规划方法及系统，以实现业务的规划与优化；另一方面，在一些自然灾害等特殊事件发生后，需要各类通信设备保障抢险救灾，其中就包括各种速率的通信设备的业务需求，也需要一种适用于多颗粒度业务的光网络规划方法及系统，以满足业务需求。

目前，现有的光网络业务规划方法大多针对一种类型或专门针对几种特定业务类型。例如文献“于广洲,赵莺,武文彦,郜利飞.自适应RWA算法解决WDM网络静态业务规划问题[J].军事通信技术,2012,33(02):21-25”中主要针对波分网络中路由和波长资源的业务规划问题；如公开的专利文献中：“CN201010559039.9一种光通讯网络中小粒度业务路径规划的方法及装置”，主要将相同传输起止节点的小粒度业务绑定为一个或多个虚拟业务进行规划；“CN202110971975.9一种基于多区域光网络系统的业务分域承载规划方法及装置”，主要判断最短业务路径包括的途径节点中是否存在业务跨域转接节点实现业务分域承载规划；“CN200810227372.2一种动态业务的波长路由光网络规划方法”，主要利用静态优化方法得到静态优化的光网络中每个光交叉节点的收发机数目和每根光纤的复用波长数，多次调用静态优化方法完成光网络规划；“CN201410267208.X一种基于OTN网络的规划及设计系统”，主要解决电力通信网络规划领域中的基于OTN网络的规划及设计问题。

简而言之，现有方法未涉及专门的方法处理光网络中多颗粒度业务规划问题。因此，本专利针对光网络中多颗粒度业务规划的需求，提出适用于多颗粒度业务的光网络规划方法。本方法通过改进蚁群算法实现所有业务规划顺序的优化，对于单个业务，将网络按颗粒度分层后形成对应业务需求的颗粒度网络，在颗粒度网络中进行业务路由和时隙/波长资源的分配，并更新其他各颗粒度网络的资源状态，以实现对多颗粒度业务需求的光网络规划与优化。

发明内容

本发明要解决的技术问题：针对现有技术的上述问题，提供一种适用于多颗粒度业务的光网络规划方法及系统，本发明旨在快速为已知的多个光缆网业务的连接请求分配路由和波长/时隙，实现业务的最少阻塞和最可靠的传输，并使全网业务保持最大的均衡度。

为了解决上述技术问题，本发明采用的技术方案为：

一种适用于多颗粒度业务的光网络规划方法，包括：

S1，确定光网络的拓扑和各链路的时隙/波长的资源状态，以及被规划业务的需求；

S2，根据被规划业务的业务颗粒度将光网络分层，形成多个业务颗粒度层次的网络；

S3，计算各个业务颗粒度层次的网络中任意节点对之间的最短路由路径；

S4，建立用于光网络规划的约束规划模型，所述约束规划模型包括执行光网络规划时的优化目标和约束限制；将业务规划顺序和路由路径构成的业务规划方案的决策变量作为蚁群算法中蚂蚁个体的编码，对所述约束规划模型采用蚁群算法优化业务规划顺序，最终得到最优的业务规划方案。

可选地，步骤S4中的优化目标包括最大化业务满足度f

可选地，步骤S4中将业务规划顺序和路由路径构成的业务规划方案的决策变量的函数表达式为：

上式中，X为业务规划方案的决策变量，x

可选地，步骤S4中采用蚁群算法优化业务规划顺序包括：

S4.1，初始化蚁群中的蚂蚁个体及其信息素，初始化蚁群算法的启发选择比例参数；

S4.2，针对各个蚂蚁个体，依次按业务的需求分配路由和时隙/波长资源，并更新各个业务颗粒度层次的网络的时隙/波长资源，并计算优化目标以作为蚂蚁个体的适应度值；

S4.3，根据各个蚂蚁个体的适应度值，确定最优蚂蚁个体和除最优蚂蚁个体以外最优的精英蚂蚁个体，然后与上一代保留的最优蚂蚁个体和除最优蚂蚁个体以外最优的精英蚂蚁个体混合，筛选出混合后的最优蚂蚁个体和除最优蚂蚁个体以外最优的精英蚂蚁个体作为本代保留的最优蚂蚁个体和除最优蚂蚁个体以外最优的精英蚂蚁个体；

S4.4，判断迭代次数是否达到终止条件，若达到终止条件，则将最后一代保留的最优蚂蚁个体作为最终得到的最优的业务规划方案输出，结束并退出；否则跳转步骤S4.5；

S4.5，针对本代蚁群计算种群多样性，并根据计算出的种群多样性调整蚁群算法的启发选择比例参数；更新各个蚂蚁个体的信息素；

S4.6，根据启发选择比例参数和信息素生成新的蚂蚁个体，形成新的蚁群，跳转步骤S4.2。

可选地，步骤S4.5中种群多样性的计算函数表达式为：

步骤S4.5中调整蚁群算法的启发选择比例参数的函数表达式为：

q

上式中，D

可选地，步骤S4.5中更新各个蚂蚁个体的信息素包括：

S4.5.1，根据下式执行各个蚂蚁个体的信息素挥发：

上式中，

S4.5.2，根据下式执行各个蚂蚁个体的信息素增加：

上式中，τ

上式中，ω

S4.5.3，判断是否存在第j个蚂蚁个体的信息素的值大于预设的信息素最大值τ

上式中，

可选地，步骤S4.6包括：生成伪随机数，基于伪随机数和蚁群算法的启发选择比例参数，根据下式在被规划业务中选择业务以产生新的蚂蚁个体：

上式中，x

上式中，j为所产生新的蚂蚁个体i的可选业务表，表示新的蚂蚁个体尚未选择的业务编号集合；且第j个蚂蚁个体的选择期望值η

上式中，pri

可选地，所述资源依赖度Rely

上式中，Max表示取最大值，Link

上式中，

上式中，

此外，本发明还提供一种适用于多颗粒度业务的光网络规划系统，包括相互连接的微处理器和存储器，所述微处理器被编程或配置以执行所述适用于多颗粒度业务的光网络规划方法的步骤。

此外，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序用于被微处理器编程或配置以执行所述适用于多颗粒度业务的光网络规划方法的步骤。

和现有技术相比，本发明主要具有下述优点：本发明适用于多颗粒度业务的光网络规划方法包括确定光网络的拓扑和各链路的时隙/波长的资源状态，以及被规划业务的需求；将光网络分层并计算得到的各个业务颗粒度层次的网络中任意节点对之间的最短路由路径；建立用于光网络规划的约束规划模型，所述约束规划模型包括执行光网络规划时的优化目标和约束限制；将业务规划顺序和路由路径构成的业务规划方案的决策变量作为蚁群算法中蚂蚁个体的编码，对所述约束规划模型采用蚁群算法优化业务规划顺序，最终得到最优的业务规划方案。本发明旨在快速为已知的多个光缆网业务的连接请求分配路由和波长/时隙，实现业务的最少阻塞和最可靠的传输，并使全网业务保持最大的均衡度。

附图说明

图1为本发明实施例方法的基本流程示意图。

图2为本发明实施例中剥离波长网元节点获得时隙业务网元间的连接关系的示例。

图3为本发明实施例剥离时隙业务网元获得波分网元间的连接关系的示例。

图4为本发明实施例中蚁群算法求解过程的流程示意图。

具体实施方式

如图1所示，本实施例适用于多颗粒度业务的光网络规划方法包括：

S1，确定光网络的拓扑和各链路的时隙/波长的资源状态，以及被规划业务的需求；

S2，根据被规划业务的业务颗粒度将光网络分层，形成多个业务颗粒度层次的网络；

S3，计算各个业务颗粒度层次的网络中任意节点对之间的最短路由路径；

S4，建立用于光网络规划的约束规划模型，所述约束规划模型包括执行光网络规划时的优化目标和约束限制；将业务规划顺序和路由路径构成的业务规划方案的决策变量作为蚁群算法中蚂蚁个体的编码，对约束规划模型采用蚁群算法优化业务规划顺序，最终得到最优的业务规划方案。

步骤S1中，光网络的拓扑包括网元站点以及网元站点之间的链路的信息。本实施例中，采用输入的方式来确定光网络的拓扑信息，输入的信息包括：网元编号、网元类型、链路编号、链路长度。定义光网络的全拓扑(完整的拓扑)为G(V,E)(以下简称全拓扑光网络)，其中V为光网络全拓扑的节点集合，E为光网络全拓扑的链路集合。由于在实际网络中各网元站点、链路均有其实际的名称及编号，为了便于蚁群算法的求解，首先将全网中网元站点和链路进行编号。因此，节点最大编号即为此网络的节点数。若同一光网络站点中存在多个网元，则依次也对多个网元进行依次编号。网元类型主要区分为SDH(Synchronous DigitalHierarchy，同步数字体系)网元、ASON(Automatically Switched Optical Network，自动交换光网络)网元、波分网元和OTN(Optical Transport Network，光传送网)网元。光缆线路中若存在光放中继站点，由于此类站点不进行业务处理，因此忽略，不作为网络中的网元输入。相同网元对之间存在多芯光纤或多个时隙/波长通道时，命名为同一连接，在此连接中，再编号不同的时隙/波长资源数量进行区分。

步骤S1中，各链路的时隙/波长的资源状态，包括该链路时隙或波长资源总量、可用的时隙或波长资源。为了便于蚁群算法的求解，本实施例中对每一个链路的时隙或波长资源进行编号，分别以不同的颗粒度表示。如某链路为2芯光纤，每芯光纤可使用48波长通道；两芯光纤均已开通4个波长，每个波长包含10Gbps的时隙带宽；10Gbps的时隙带宽可表示为64个155Mbps时隙，每个155Mbps时隙又可表示为63个2Mbps时隙。因此，对该链路的资源采用2Mbps时隙进行表示时，第1芯光纤中的、第1个波长中的、第1个155Mbps时隙中的、第1个2Mbps时隙编号为“00000001”，按照“00000002”、“00000003”、“00000004”依次类推，直到本链路开通的2Mbps时隙最大编号为“00032256”，本链路2Mbps时隙的总量为32256个；对该链路的资源采用155Mbps时隙进行表示时，第1芯光纤中的、第1个波长中的、第1个155Mbps时隙编号为“000001”，按照“000002”、“000003”、“000004”依次类推，直到本链路开通的2M时隙最大编号为“000512”，本链路155Mbps时隙的总量为512个。对链路的资源按不同颗粒度进行编号表示后，根据各资源的使用状态，若为空闲，则将其编号纳入可用资源集合中，并统计总可用资源数。当高速率颗粒度资源中有部分低速率时隙被使用是，该高速率颗粒度资源视为不可用。例如，某155Mbps时隙中有1个2Mbps时隙被使用，则该155Mbps时隙在155Mbps颗粒度层次上视为被使用，不纳入可用资源集合中。

步骤S1中，被规划业务的需求包含源节点、宿节点、业务颗粒度、优先级、保护路由需求标识。本实施例中，定义光网络某次所有被规划业务的集合为：

也以向量flow

flow

上式中，f

上式中，Z

对于业务需求资源的分配，当完全满足业务需求时，表示资源分配完成。那么完全满足业务需求，包括两个方面的约束：第一约束是具有可达路由，第二约束是该路由上具备业务需求的颗粒度资源。

对于第一约束，具有可达的路由，量化方法如下。设对于由任意源节点s到宿节点d的某一业务需求分配的路由路径为Path＝(s,v

其中，link(v

其中，右侧带下标的V表示下标所对应业务颗粒度层次的网络中的节点集合，右侧带下标的E表示下标所对应业务颗粒度层次的网络中的链路资源集合，例如V

步骤S2用于根据被规划业务的业务颗粒度将光网络分层，形成多个业务颗粒度层次的网络。本实施例中，光网络主要业务颗粒度包括2Mbps、n*2Mbps、155Mbps、622Mbps、2.5Gbps、10Gbps、40Gbps和波长级业务。因此，在光网络中，对应不同颗粒度，定义各层次网络为：

G

各颗粒度层次网络是在全拓扑光网络G(V,E)中的部分网络，是全网络在各个颗粒度层次存在直接链路资源的网络。如图2所示，在时隙层次网络中，全拓扑光网络G(V,E)剥离波长网元节点，获得时隙业务网元间的连接关系。即根据SDH、ASON等时隙业务网元与波长网元中的波道设置关系，确定各SDH、ASON等时隙业务网元间的连接关系及带宽容量，网元间连接距离为包括中间波分节点间距离之和。在时隙层次网络基础上，再判断各直接连接的网元间是否存在对应2Mbps、n*2Mbps、155Mbps、622Mbps、2.5Gbps、10Gbps、40Gbps等颗粒度的资源。若存在对应颗粒度可用的链路资源，则在对应颗粒度层次网络中，存在该连接，否则，对应层次网络删除此连接。因此，各颗粒度层次网络中节点和链路的约束量化为：

其中，V为光网络全拓扑的节点集合，E为光网络全拓扑的链路集合。

如图3所示，全拓扑光网络G(V,E)剥离SDH、ASON等时隙业务网元，获得波分网元间的连接关系，即为波分层网络G

步骤S3用于计算各个业务颗粒度层次的网络中任意节点对之间的最短路由路径。多颗粒度业务的路由规划，可以按照某种顺序(例如按照优先级或业务产生先后顺序)依次对业务进行路由计算，但按照固定的顺序依次分配路由资源，难以确保整体规划方案最优，因此需要采用优化算法对资源分配顺序进行优化。然而，在采用优化算法进行优化过程中，需要大量计算不同规划方案的效果(即评估不同方案的效果)，因此，需要不断的计算网元节点间的路由。针对于此，本专利方法中，在获知网络拓扑和资源状态后，预先计算不同颗粒层次网络中所有节点间的路由，以备优化过程中直接调用。若在网络初始状态下，计算两节点间的一条最短路由存储以便调用，由于每分配一次路由资源，网络状态将发生变化，可能导致预先计算的最短路由并不可用，因此，先计算出不同颗粒层次网络中任意两节点间的K条最短路由存入数据库，以备在规划优化中选择和快速查询。作为一种可选的实施方式，本实施例中采用现有的传统的Yen's算法计算各个业务颗粒度层次的网络中任意节点对之间K条的最短路由路径，毫无疑问，也可采用其他方法计算得到K条最短路由路径。一般而言，K的取值需根据光网络的规模和系统的计算能力综合考虑，通常取值范围为[1,100]，例如作为优选，本实施例中K的取值为20。

步骤S4中的优化目标和约束限制可根据需要进行指定。作为一种优选的实施方式，为使输出的规划方案达到最优化，本实施例中分别从业务满足度、资源消耗代价、业务路由长度代价、业务可靠性计算和业务均衡性代价来设计优化目标以使输出的规划方案达到最优化。步骤S4中的优化目标可根据需要选择最大化业务满足度f

规划方案最优化的首要目标是确保所有业务的需求均满足，并且体现对高优先级的业务重点保障。因此本实施例的优化目标包含最大化业务满足度f

其中，pri

上式中，N

规划方案最优化的另一目标是确保完成所有业务需求后消耗的资源最少，因此本实施例的优化目标包含最小化资源消耗量f

上式中，N

规划方案最优化的另一目标是确保完成所有业务需求后总业务的路由长度代价最小，因此本实施例的优化目标包含最小化业务路由长度f

上式中，N

规划方案最优化的再一目标是确保完成所有业务需求后总业务的可靠性最大，因此本实施例中采用的优化目标包含最大化业务可靠度f

上式中，N

规划方案最优化的最后一个目标是确保完成所有业务需求后在网络中总业务分布较为均匀，网络扩展性更强，可承受更多的未知业务与突发情况，因此本实施例中采用的优化目标包含最大化业务均衡性f

上式中，N

正如前文所示，本实施例涉及的优化目标包括业务满足度、资源消耗代价、业务路由长度代价、业务可靠度和业务均衡性，并且有的目标为最大化优化，有的目标为最小化优化。对于同时包含最大化和最小化的问题可以采用求倒数或者取负数等方法同化处理。对于此类多目标优化问题，常用的方法有采用多目标优化算法对多目标并行处理求解非劣解集，或者对多目标进行加权合并再采用单目标优化算法处理。若采用多目标优化算法，则极大的加大了算法的复杂度和计算时间；若采用加权合并方法进行单目标处理，则各目标的权重难以选择。针对此问题，本实施例根据业务规划优化的需要，进行重要目标优先的层次化处理。在此5个优化目标中，首要目标是完成所有的业务需求，因此目标Max:f

Max f

上式中，符号“＞”表示“优先于”，Max f

此外，本实施例步骤S4中的约束限制包括路由约束、带宽约束、波长一致约束以及业务保护资源约束，所述路由约束包括：①路由依次经过的网元站点具有从源端到宿端直接可达的链路，②路由中的节点不重复；所述带宽约束包括：①任意业务分配的时隙/波长带宽资源与该业务所需求的颗粒度一致，且小于链路的原可用带宽和新建链路带宽，②任何链路上分配给所有业务的时隙/波长带宽资源之和应在链路原可用带宽和和新建链路带宽范围内，③对任何链路的最大可新建带宽为该链路的实际新建带宽的最大值；所述波长一致约束是指当规划的业务为波长业务时，在不具备波长转换功能的网元站点前后链路的波长须保持一致；所述业务保护资源约束是指保护路由上的网元站点和链路必须与工作路由不完全相同。本实施例步骤S4中的约束限制的函数表达式为：

其中，C

本实施例中，步骤S4中将业务规划顺序和路由路径构成的业务规划方案的决策变量的函数表达式为：

上式中，X为业务规划方案的决策变量，x

参见图4，本实施例步骤S4中采用蚁群算法优化业务规划顺序包括：

S4.1，初始化蚁群中的蚂蚁个体及其信息素，初始化蚁群算法的启发选择比例参数；

S4.2，针对各个蚂蚁个体，依次按业务的需求分配路由和时隙/波长资源，并更新各个业务颗粒度层次的网络的时隙/波长资源，并计算优化目标以作为蚂蚁个体的适应度值；

S4.3，根据各个蚂蚁个体的适应度值，确定最优蚂蚁个体和除最优蚂蚁个体以外最优的精英蚂蚁个体，然后与上一代保留的最优蚂蚁个体和除最优蚂蚁个体以外最优的精英蚂蚁个体混合，筛选出混合后的最优蚂蚁个体和除最优蚂蚁个体以外最优的精英蚂蚁个体作为本代保留的最优蚂蚁个体和除最优蚂蚁个体以外最优的精英蚂蚁个体；

S4.4，判断迭代次数是否达到终止条件，若达到终止条件，则将最后一代保留的最优蚂蚁个体作为最终得到的最优的业务规划方案输出，结束并退出；否则跳转步骤S4.5；

S4.5，针对本代蚁群计算种群多样性，并根据计算出的种群多样性调整蚁群算法的启发选择比例参数；更新各个蚂蚁个体的信息素；

S4.6，根据启发选择比例参数和信息素生成新的蚂蚁个体，形成新的蚁群，跳转步骤S4.2。

本实施例步骤S4.1初始化蚁群中的蚂蚁个体时，所需初始化的参数包括：

N

Iter

Iter

Tubu

Allowed

P

η

τ

α：信息启发因子，表示信息素对选择概率的影响程度；

β：期望值启发因子，表示选择期望值η

Δτ

q

步骤S4.1初始化蚁群中的蚂蚁个体时，首先产生N

步骤S4.2针对各个蚂蚁个体，依次按业务的需求分配路由和时隙/波长资源，并更新各个业务颗粒度层次的网络的时隙/波长资源，并计算优化目标以作为蚂蚁个体的适应度值，即评估蚂蚁个体表示的规划方案，通过计算优化目标值F＝(f

步骤S4.2中针对各个蚂蚁个体，依次按业务的需求分配路由和时隙/波长资源包括：(1)作路由资源分配：依据获得的每个蚂蚁个体对各业务的选择顺序，即蚂蚁个体编码中

上式中，L

上式中，

步骤S4.2中更新各个业务颗粒度层次的网络的时隙/波长资源时，由于在光网络的一根纤芯的资源中，1个波长通道资源可包含40Gbps、10Gbps、2.5Gbps或者其他速率的时隙资源，而40Gbps可表示为4个10Gbps时隙资源，10Gbps可表示为4个2.5Gbps时隙资源，2.5Gbps时隙资源可表示为4个622Mbps时隙资源，622Mbps时隙资源可表示为4个155Mbps时隙资源，155Mbps时隙资源又可表示为63个2Mbps时隙资源。因此，在不同颗粒度中，高阶时隙资源包含的低阶时隙资源部分被使用后，对应该高阶时隙资源在相应颗粒度层次上也将不可用。同样，某一高阶时隙资源被使用后，其表示的所有低阶时隙资源也变为不可用。因此，在每次规划业务分配给各业务对应颗粒度时隙/波长后，需要更新受其影响的所有其他颗粒度层次的资源状态。如某个155Mbps时隙资源的第一个2Mbps时隙资源被使用，则需更新此155Mbps时隙资源为不可用状态；同理，若某个155Mbps时隙资源被使用，则需更新此155Mbps时隙资源包含的所有2Mbps时隙资源为不可用状态。

步骤S4.3用于实现最优个体选择与精英保留，在计算蚁群中各蚂蚁个体的优化目标值后，按照多优化目标(适应度)比较蚁群中蚂蚁个体编码的优劣。设最优蚂蚁为Ant

步骤S4.4中迭代次数是否达到终止条件是指迭代次数是否等于设定值，根据其初始值的设置，设定值可为一较大的值，或者接近0的值，具体可根据需要选择。迭代次数是否达到终止条件后，可将取出最优蚂蚁个体编码，输出并转换为业务规划方案，可表示为：

上式中，资源分配情况Flow由N

步骤S4.5用于实现多样性检测与自适应参数调整。为了保证蚁群的全局搜索能力，需要确保蚁群的种群多样性。定义种群多样性为D

步骤S4.5中调整蚁群算法的启发选择比例参数的函数表达式为：

q

上式中，D

步骤S4.5中还包括更新各个蚂蚁个体的信息素，且信息素更新过程中，本实施例中还设计了多样性检测与自适应参数调整方法。当算法迭代到一定阶段，信息素达到最大值时，信息素大量挥发，降低业务对信息素的依赖度，提高算法去全局搜索能力。在初始状态时，各业务flow

S4.5.1，根据下式执行各个蚂蚁个体的信息素挥发：

上式中，

S4.5.2，根据下式执行各个蚂蚁个体的信息素增加：

上式中，τ

上式中，ω

为上一轮蚁群中最优的蚂蚁个体Ant

为N

S4.5.3，判断是否存在第j个蚂蚁个体的信息素的值大于预设的信息素最大值τ

上式中，

本实施例中，步骤S4.6包括：生成伪随机数，基于伪随机数和蚁群算法的启发选择比例参数，根据下式在被规划业务中选择业务以产生新的蚂蚁个体：

上式中，x

上式中，j为所产生新的蚂蚁个体i的可选业务表，表示新的蚂蚁个体尚未选择的业务编号集合；本实施例中，j个蚂蚁个体的选择期望值η

上式中，pri

其中，资源依赖度Rely

上式中，Max表示取最大值，Link

其中，路由灵活度Flex

上式中，

业务冲突度Conflict

上式中，

综上所述，本实施例方法面向光网络中多颗粒度业务规划的需求，提出一种采用改进蚁群算法优化、按业务颗粒度进行网络分层的业务规划方法，首先采集网络拓扑、光网络资源状态和所有业务需求，根据业务需求对光网络进行处理，即按业务颗粒度对光网络分层，并计算各层网络各节点间的K最短路由；在此基础上，改进蚁群算法实现所有业务规划顺序的优化，基于优化的业务规划顺序，依次对单个业务在对应颗粒度网络中进行业务路由和时隙/波长资源的分配，并更新其他各颗粒度网络的资源状态，以实现对多颗粒度业务需求的光网络规划与优化。通过本实施例方法，可实现快速的多颗粒度业务的光网络规划，且可实现保护路由同时规划的特点。

此外，本实施例还提供一种适用于多颗粒度业务的光网络规划系统，包括相互连接的微处理器和存储器，所述微处理器被编程或配置以执行前述适用于多颗粒度业务的光网络规划方法的步骤。

此外，本实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序用于被微处理器编程或配置以执行前述适用于多颗粒度业务的光网络规划方法的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。