Hybrid Discrete Grey Wolf Optimization Approach for solving Spectrum Assignment Problem in Elastic Optical Networks

तकनीकी सारांश: इलास्टिक ऑप्टिकल नेटवर्क्स में स्पेक्ट्रम असाइनमेंट के लिए हाइब्रिड डिस्क्रीट ग्रे वुल्फ ऑप्टिमाइजेशन

समस्या विवरण
यह शोध पत्र इलास्टिक ऑप्टिकल नेटवर्क्स (EONs) में रूटिंग एंड स्पेक्ट्रम असाइनमेंट (RSA) चुनौती के भीतर स्पेक्ट्रम असाइनमेंट (SA) उप-समस्या को संबोधित करता है। जैसे-जैसे उच्च-बैंडविड्थ अनुप्रयोग ट्रैफ़िक वृद्धि को संचालित कर रहे हैं, पारंपरिक फिक्स्ड-ग्रिड वेवलेंथ डिवीजन मल्टीप्लेक्सिंग (WDM) नेटवर्क अपर्याप्त होते जा रहे हैं। EONs छोटे ग्रैनुलैरिटी का उपयोग करके लचीले स्पेक्ट्रम आवंटन के माध्यम से एक समाधान प्रदान करते हैं। हालाँकि, RSA समस्या NP-hard है, विशेष रूप से बड़े पैमाने के नेटवर्क में, क्योंकि इसमें तीन महत्वपूर्ण बाधाओं को एक साथ पूरा करने की आवश्यकता होती है:

1. स्पेक्ट्रम निरंतरता (Spectrum Continuity): फ्रीक्वेंसी स्लॉट इंडेक्स को एक पथ के सभी भौतिक लिंकों में समान रहना चाहिए।
2. स्पेक्ट्रम संटिग्युइटी (Spectrum Contiguity): आवंटित बैंडविड्थ को बिना विखंडन (fragmentation) के आसन्न फ्रीक्वेंसी स्लॉट्स का एक निरंतर ब्लॉक बनाना चाहिए।
3. अतिव्यापन न होना (Non-overlapping): एक लिंक पर एक फ्रीक्वेंसी स्लॉट एक समय में केवल एक ही कनेक्शन अनुरोध को सेवा दे सकता है।

इस कार्य का विशिष्ट उद्देश्य नेटवर्क क्षमता और दक्षता को बढ़ाने के लिए फ्रीक्वेंसी स्लॉट्स (FSs) के कुल उपयोग को कम करना है।

कार्यप्रणाली
लेखक एक हाइब्रिड डिस्क्रीट ग्रे वुल्फ ऑप्टिमाइज़र (GWO) का प्रस्ताव करते हैं जिसे सिमुलेटेड एनीलिंग (SA) के साथ एकीकृत किया गया है, जिसे SA-GWO कहा जाता है।

• ग्रे वुल्फ ऑप्टिमाइज़र (GWO): मूल एल्गोरिदम ग्रे वुल्व्स (अल्फा, बीटा, डेल्टा और ओमेगा) के सामाजिक पदानुक्रम और शिकार व्यवहार की नकल करता है। इसे इसकी मजबूत वैश्विक अन्वेषण (global exploration) क्षमताओं के लिए चुना गया है। हालाँकि, लेखक नोट करते हैं कि मानक GWO समय से पहले अभिसरण (premature convergence) और स्थानीय मिनिमा (local minima) में फंसने से ग्रस्त हो सकता है, विशेष रूप से बड़े खोज स्थानों में।
• डिस्क्रीट अनुकूलन (Discrete Adaptation): चूँकि SA समस्या अनुरोधों के डिस्क्रीट ऑर्डरिंग से संबंधित है न कि निरंतर वेरिएबल्स से, लेखक GWO को अनुकूलित करते हैं। वे समाधान वेक्टर्स (अनुरोधों के क्रमपरिवर्तन) के बीच असमानता को मापने के लिए हैमिंग डिस्टेंस (Hamming distance) का उपयोग करने के लिए मानक वेक्टर-आधारित दूरी गणनाओं को प्रतिस्थापित करते हैं।
• सिमुलेटेड एनीलिंग (SA) के साथ हाइब्रिडाइजेशन: मानक GWO की सीमाओं को दूर करने के लिए, SA को GWO स्थिति अपडेट तंत्र में शामिल किया गया है।
  • केवल अल्फा, बीटा और डेल्टा लीडर्स के आधार पर भेड़ियों की स्थिति को नियत रूप से (deterministically) अपडेट करने के बजाय, एल्गोरिदम हैमिंग डिस्टेंस के अनुपात में एक स्वैप म्यूटेशन (swap mutation) का उपयोग करके प्रत्येक भेड़ के लिए एक पड़ोसी समाधान उत्पन्न करता है।
  • इस नए समाधान की स्वीकृति मेट्रोपोलिस मानदंड (Metropolis criterion) का पालन करती है। यदि नया समाधान बेहतर है, तो इसे स्वीकार किया जाता है। यदि यह बदतर है, तो इसे प्रायिकता $P = e^{-\Delta E/T}$ के साथ स्वीकार किया जाता है, जहाँ $\Delta E$ फिटनेस अंतर है और $T$ वर्तमान तापमान है।
  • यह संभाव्य स्वीकृति एल्गोरिदम को स्थानीय ऑप्टिमा से बाहर निकलने की अनुमति देती है, जो अकेले GWO की तुलना में अन्वेषण (exploration) और दोहन (exploitation) को अधिक प्रभावी ढंग से संतुलित करती है।
• मूल्यांकन: समाधानों का मूल्यांकन गार्डबैंड आवश्यकताओं सहित DSA मॉडल बाधाओं का पालन करते हुए उपयोग किए गए अधिकतम फ्रीक्वेंसी स्लॉट्स के आधार पर किया जाता है।

प्रमुख योगदान

1. एल्गोरिद्मिक नवाचार: EONs में विशिष्ट डिस्क्रीट स्पेक्ट्रम असाइनमेंट समस्या के लिए तैयार किया गया एक हाइब्रिड मेटा-ह्यूरिस्टिक (SA-GWO) का विकास।
2. तंत्र एकीकरण: खोज प्रक्रिया को परिष्कृत करने और समय से पहले अभिसरण को रोकने के लिए GWO के स्थिति अपडेट चरण में सिमुलेटेड एनीलिंग का नवीन एकीकरण।
3. डिस्क्रीट फॉर्मूलेशन: निरंतर वेक्टर अंकगणित के बजाय हैमिंग डिस्टेंस और स्वैप म्यूटेशन का उपयोग करके डिस्क्रीट कॉम्बिनेटोरियल ऑप्टिमाइजेशन के लिए GWO का अनुकूलन।

प्रायोगिक परिणाम
प्रस्तावित SA-GWO एल्गोरिदम का मूल्यांकन निम्नलिखित द्वारा किया गया:

• टोपोलॉजी: पायथन लाइब्रेरीज़ (NetworkX और Matplotlib) का उपयोग करके उत्पन्न विभिन्न सिंथेटिक ग्राफ, जिनमें रैंडम ग्राफ और 14 से 25 नोड्स की संख्या वाले कम्पलीट ग्राफ शामिल हैं।
• तुलना: इसके परिणामों की तुलना एक मानक टू-फेज (Two-Phase) एल्गोरिदम, मानक GWO एल्गोरिदम और CPLEX 12.9.0 सॉल्वर (छोटे इंस्टेंस के लिए) द्वारा उत्पन्न इष्टतम समाधानों के विरुद्ध की गई।

निष्कर्ष:

• छोटे से मध्यम ग्राफ (14–19 नोड्स): SA-GWO एल्गोरिदम ने टू-फेज़ संदर्भ एल्गोरिदम को काफी पीछे छोड़ दिया। कई मामलों में, इसने CPLEX द्वारा पाए गए इष्टतम समाधानों के बहुत करीब परिणाम दिए।
• बड़े ग्राफ (20–25 नोड्स): हालांकि SA-GWO CPLEX के इष्टतम परिणामों तक नहीं पहुँच सका (जो NP-hard समस्याओं के लिए अपेक्षित है), इसने मानक GWO एल्गोरिदम की तुलना में महत्वपूर्ण श्रेष्ठता प्रदर्शित की, जिससे उपयोग किए गए अधिकतम फ्रीक्वेंसी स्लॉट्स में कमी आई।
• स्केलेबिलिटी: हाइब्रिड दृष्टिकोण ग्राफ के आकार बढ़ने के साथ बढ़ती जटिलता को प्रबंधित करने में मजबूत साबित हुआ, जबकि मानक GWO हाइब्रिड संस्करण की तुलना में बड़ा प्रदर्शन अंतर दिखाया।

महत्व और दावे
पेपर का दावा है कि प्रस्तावित SA-GWO दृष्टिकोण फ्रीक्वेंसी स्लॉट आवंटन को अनुकूलित करके नेटवर्क क्षमता को प्रभावी ढंग से बढ़ाता है। प्राथमिक महत्व वैश्विक अन्वेषण (global exploration) और स्थानीय दोहन (local exploitation) के बीच बेहतर संतुलन प्राप्त करने की एल्गोरिदम की क्षमता में निहित है। सिमुलेटेड एनीलिंग को शामिल करके, विधि स्थानीय मिनिमा में फंसने के जोखिम को कम करती है, जो बड़े पैमाने की RSA समस्याओं में एक सामान्य समस्या है।

लेखक निष्कर्ष निकालते हैं कि हाइब्रिड तकनीक पारंपरिक दृष्टिकोणों की तुलना में स्पेक्ट्रम विखंडन को काफी कम करती है और संसाधन उपयोग को अधिकतम करती है। वे इस कार्य को जटिल, बड़े पैमाने की RSA समस्याओं को हल करने की दिशा में एक कदम के रूप में देखते हैं जहाँ सटीक विधियाँ (जैसे CPLEX) कम्प्यूटेशनल रूप से निषेधात्मक हो जाती हैं, जो एक उच्च-गुणवत्ता वाला ह्यूरिस्टिक विकल्प प्रदान करता है।

भावी कार्य
लेखक भविष्य की दिशाओं को विनम्रतापूर्वक रेखांकित करते हैं, जिनमें शामिल हैं:

• वास्तविक समय के ट्रैफ़िक मांगों को संभालने के लिए एल्गोरिदम को डायनेमिक स्पेक्ट्रम असाइनमेंट परिदृश्यों तक विस्तारित करना।
• पावर खपत और लेटेंसी को एक साथ संबोधित करने के लिए मल्टी-ऑब्जेक्टिव ऑप्टिमाइजेशन की जांच करना।
• भविष्य कहनेवाला (predictive) स्पेक्ट्रम आवंटन में सुधार के लिए मशीन लर्निंग-आधारित ह्यूरिस्टिक्स के एकीकरण की खोज करना।