随着信息技术的高速发展和移动通信应用的全面普及,网络正在向大带宽、高速率、高灵活性和高可靠性发展。基于空分复用的多芯光纤弹性光网络(Elastic Optical Networks with Multi-core Fiber,MCF-EONs)可实现网络容量的大幅度提升、网络资源的动态配置以及网络架构的灵活扩展,其中的网络资源配置问题是MCF-EON的研究热点。由于纤芯维度的增加以及纤芯间串扰的影响,MCF-EON中该问题的求解比单芯光纤弹性光网络中的更为复杂且更具有挑战性。不同链路上纤芯可变能够使网络运营商更加灵活地分配网络资源,从而降低资源受限下的网络业务阻塞率。面对差异化的网络环境和多样化的用户需求,网络运营商未来需要优化相互牵制的多个目标,为此资源分配算法必须提供目标值互不占优的多种资源分配方案。本文研究基于纤芯可变的路由、频谱和纤芯分配(Routing,Spectrum and Core Assignment based on Core Switching,RSCA/CS)问题建模及其多目标智能求解算法。论文前两章简要概述传统光网络、弹性光网络(Elastic Optical Networks,EONs)及其国内外研究组织,介绍EON组成部件和关键技术、MCF-EON技术及架构、纤芯可变及其约束和串扰感知,讨论MCF-EON中路由、频谱和纤芯分配(Routing,Spectrum and Core Assignment,RSCA)问题及其研究现状。本文的主要工作包括以下两大部分:(1)综述基于分解的多目标进化算法(Multiobjective Evolutionary Algorithms based on Decomposition,MOEA/D)。分解方法和进化机制使得MOEA/D能够有效地解决许多复杂实际优化问题。自从MOEA/D提出以来,许多学者对其展开了充分的研究,但已有工作尚欠深入与系统的总结。本文首先简介其基本思想、特性及算法框架,然后从其关键组件改进和在超多目标及约束多目标优化领域的扩展等方面对当前已有研究进行较为系统的综述,最后提出了其在理论研究、实际应用和热点领域中所面临的挑战和未来研究方向。此工作为本文后续模型求解算法的研究奠定基础。(2)构建RCSA/CS问题模型并设计多目标智能求解算法。本文首先分析总结MCF-EON中已有的RSCA算法,大多为启发式算法,鲜少有同时考虑纤芯可变和串扰感知的智能算法。在资源有限的MCF-EON中,本文建立了基于纤芯可变和串扰感知的双目标资源优化模型,同时最小化网络业务阻塞率和串扰率。为求解该模型,首次设计了纤芯可变下的路由和纤芯联合编码方案,并提出多策略融合自适应MOEA/D算法(MOEA/D with Adaptation and Multi-strategy Fusion,MOEA/D-AMSF),其主要特征包括:利用将启发式算法和均匀设计法相结合的混合算法来生成初始种群,采用适合所提编码方案的单点交叉、多层变异和修复算子生成解集,并根据不同进化阶段而自适应地调整交叉和变异概率,还在算法运行初期采用单点交叉,而在进化到一定程度后采用多点变异以加大搜索到新解的概率。所提算法融合了前述多种机制以提升算法收敛性并增强解的多样性。最后,在NSFNET网络拓扑中完成算法的性能仿真,结果显示所提算法能够在一定程度上取得比对比算法更占优且更多样的解,纤芯可变能够考虑整个网络中每个纤芯上频谱资源的利用以降低网络业务阻塞率和串扰率,从而验证了所提编码方案和算法的有效性。