随着当今社会流量的迅猛增长,原有的基于波分复用的光网络因为其频谱颗粒度大的缺点,造成了大量的频谱资源浪费,以至于难以满足如今的流量需求,于是弹性光网络应运而生。在弹性光网络中,最重要的研究问题就是频谱路由分配(Routing Spectrum Allocation,RSA)问题。本文主要研究了弹性光网络中的RSA算法,针对网络中出现的频谱碎片,提出了一种基于访问阻塞率的空闲频隙价值衡量方法,并在此基础上,提出了两种RSA算法PABR-RSA(RSA Algorithm based on Posterior Access Blocking Rate)算法和RL-RSA(RSA Algorithm based on Reinforcement Learning)算法。本文的主要研究工作如下:(1)针对RSA过程出现的频谱碎片问题,提出了一种考虑频谱碎片的空闲频隙价值衡量的方法,此种方法基于业务访问链路上某一个频隙的阻塞概率,并结合了流量模型中业务的带宽需求概率分布,量化了链路中的空闲频隙价值。(2)分析了网络产生频谱碎片的原因,提出了PABR-RSA算法。此种算法基于(1)中的结论,参考链路的频谱破碎化程度量化了空闲频隙的价值,并进一步量化了网络中的链路价值,以降低业务阻塞率为目标分配路由频谱资源。仿真结果表示,对比经典的基于最短路径+首次命中(Shortest Path+First Fit,SF)的RSA算法SF-RSA(RSA Algorithm based on Shortest Path+First Fit),PABR-RSA算法在不同网络拓扑和不同业务量的情况下,其业务阻塞率、网络平均链路价值、网络链路价值标准差三个指标均优于基准算法。(3)针对启发式RSA算法采用固定的RSA策略以至于在复杂多变的动态场景下表现不佳的问题。本文提出了一种应用强化学习的RSA算法RL-RSA(RSA Algorithm based on Reinforcement Learning),建立了RSA过程的强化学习模型,解决了RSA过程中动作空间不确定的问题,并通过实验确定了合适的超参数的值。其仿真结果表示,在不同网络拓扑和不同业务量的情况下其业务阻塞率、网络平均链路价值、网络链路价值标准差三个指标均优于基准算法,且通过实验验证了RLRSA算法的鲁棒性。