现在,弹性光网络由于具有灵活的频谱管理特性吸引了很多研究者的目光。但是与此同时,由于频谱分配粒度变小,使得频谱碎片问题变得严重,该问题已经成为公认的影响弹性光网络性能的因素之一。目前有很多工作开始研究怎样较小带宽碎片化程度。然而,解决该问题有很多方面的挑战。第一,是算法扩展性问题。很多现有工作,并没有对所设计的算法进行可行性分析。而在实际中,频谱去碎片问题通常规模较大,需要在合理的时间内得到解决。第二,除了去碎片性能,在去碎片过程中发生的延时和流量打断等也同样需要考虑,因为这些因素是决定一种去碎片方案是否在实际中可行的判断标准,而现在缺少量化这些物理量的模型。第三,我们不但要关心怎样整理频谱,还要同时注意所设计方案的可行性。可行性指的是虽然我们可以按照设计的算法进行频谱整理,但是如果这种方案会造成大量的流量打断也是不可接受的。综上,本课题除了考虑去碎片算法在减小阻塞率方面的性能,同时尽量最小化去碎片带来的延时和流量打断。首先,本课题提出了系统的串行去碎片流程,包括去碎片对象选择算法,基于碎片避免的路由和频谱分配算法,请求迁移算法。仿真结果表明,我们的算法不但在减小阻塞率方面具有较好的性能,同时能够有效的减小流量打断的比例。其次,本课题对基于软件定义弹性光网络体系架构下的去碎片延时和流量打断进行了建模,分别给出了并行和串行去碎片的延时和流量打断的量化分析方法。再次,本课题研究了并行去碎片算法。首先,我们证明被动并行去碎片问题是一个strong NP-hard问题,并且需要最优解。因此我们主要研究主动并行去碎片问题。尽管这个问题为APX-hard问题,但是不需要求得最优解。我们设计了基于拉格朗日松弛的启发式算法。仿真结果表明,我们的算法能够在较少的迭代次数内得到高质量的解。通过比较串行和并行去碎片方案,我们发现串行去碎片可以更好的整理频谱从而更大程度的减小阻塞率。相比之下,并行去碎片算法牺牲了一些去碎片的性能,却能够取得最小的去碎片延时和流量打断。服务提供商可以根据我们的算法和量化分析,结合需求选择合适的去碎片算法。