光网络中通信量的疏导是光网络研究领域的一个重要的前沿和热点问题,也是一个科技含量和商业价值并重的研究课题。通信量的高效疏导能有效的降低网络的建造成本和费用,因而一直倍受研究人员的关注。随着网络通信量的爆炸性增长以及高性能的光网络设备的出现,智能光网络中每个波长上传输的通信速率越来越高。然而在实际应用中,每个通信量的通信速率往往远远低于一个波长的最高传输速率,因而需要研究如何有效的为这些低速通信量建立连接。通信量疏导是一种将低速通信流组合到高速波长信道上的技术,可以极大地提高Internet的带宽资源利用率。通信量疏导问题已证明是NP难解问题,需要采用启发式算法或智能优化算法来解决。针对静态通信量疏导,本文把服务质量QoS的概念引入到通信量疏导中来,以最小化网络资源占用率和最大化用户整体QoS满意度为目标,基于博弈论和分层图的思想,建立了可应用智能优化算法的通用框架结构,并在该框架中应用量子免疫算法,对该问题进行求解。量子免疫算法采用量子位的编码方式来表达种群中的抗体,针对这种编码方式采用量子旋转门和动态调整旋转角度策略对抗体进行演化,加速原有免疫算子的收敛；引入浓度调节操作和优质串保留策略,提高种群的多样性防止早熟。针对动态通信量疏导问题,文章研究了网络节点具有光收发器数目限制及不具有波长变换能力时的动态业务下的选路与波长分配问题,提出了基于改进分层图模型的量子粒子群算法的通信量疏导算法,为新到达的通信量分配带宽等网络资源和请求路由,在考虑用户QoS满意度的同时最小化满足该通信量请求的网络费用。为了评价本文设计算法的性能,用VC++6.0开发了仿真软件,并基于多种拓扑进行了仿真。仿真结果表明,本文设计的通信量疏导机制可以有效地解决光网络中智能通信量疏导问题,具有良好的性能。