随着网络业务量的爆炸性增长和高性能光网络设备(如光交叉连接器OXC、光分插复用器OADM)的出现,波分复用技术(Wavelength Division Multiplexing , WDM)成为下一代骨干网络的核心技术。在WDM光网络中,对业务量进行选路和疏导已经进行了广泛的研究,大多都是基于网络需求确知的情况。而在实际应用中,常常很难精确地给出网络中各个节点之间的业务需求(即业务量矩阵)。本文研究了在业务量矩阵不确知(软管模型)的情况下,WDM网状网的鲁棒资源配置和路由问题。研究过程中使用了Valiant负载平衡选路技术和业务量疏导的方法。软管(hose)模型最初在虚拟专用网(Virtual Private Network,VPN)中提出,本文将其应用于WDM网状网。在软管模型中,不需要给出网络具体的业务量矩阵,只需要知道通过每个节点进入网络的业务量之和以及通过该节点离开网络的业务量之和。Valiant负载平衡选路技术使用两段选路策略,从网络的某个节点进入网络的负载按负载分配因子分散到所有节点中,再从这些中间节点发送到目的节点。业务量疏导是将多个低速业务连接聚合起来用一个光路传输,可有效地为网络中的低速业务建立连接。本论文基于上述技术和方法,通过在WDM网状网中引入节点扇出的概念,提出了几种新的启发式选路算法。这些算法可以分为两类:一类是在网络各节点间业务量不确知的情况下,使网络资源(带宽)最小。另一类是在网络各节点间业务量不确知但网络资源确知的情况下,使网络所能接收的业务量最大。在网络各节点间业务量不确知的情况下,为了最小化网络资源(带宽),第三章中提出了两种新的启发式选路算法:最小化节点扇出之和的MTFO(Minimizing Total node Fan-Out)算法和最小化网络扇出的MNFO(Minimizing Network Fan-Out)算法。在网络各节点间业务量不确知但网络资源确知的情况下,为了最大化网络所能接收的业务量,第四章中提出了两种新的启发式选路算法:最大化扇出倒数之和的MTRF(Maximize Total Reciprocal Fan-out)算法和最大化最小扇出倒数的MMRF (Maximize Minimum Reciprocal Fan-out)算法。第五章中,将第四章中的两个选路算法和已有的SPR&MHF(Shortest PathRouting, Minimizing Hop First)和BR&MHF(Balanced Routing, Minimizing Hop First)算法相结合,得到了四种新的选路算法:MTRF-SPR(Maximize Total Reciprocal Fan-out, Shortest Path Routing)、MMRF-SPR(Maximize Minimum Reciprocal Fan-out, Shortest Path Routing)、MTRF-BR(Maximize Total Reciprocal Fan-out, Balanced Routing)和MMRF-BR(Maximize Minimum Reciprocal Fan-out, Balanced Routing)。第三章中还给出了与上述新的选路算法相关的光路业务量疏导的算法。选路算法和疏导算法相结合,较好的解决了WMD网状网的鲁棒规划问题。为了评估本论文中所提出的各种算法的性能,作者编写了计算机仿真程序,验证和比较了各种算法的性能。