Optical networks with multi-core fibers can replace several electronics networks with a single topology. Each electronic link is replaced by a single fiber, which can save space, weight, and cost, while having better segregation and EMI resistance. This is, for instance, of high interest in safety-critical cyber-physical systems, such as aircraft avionics networks. Finding the optimal topology requires finding the optimal number of components, component locations, inter-meshing, and signal routing, while assuring the appropriate optical power level at each participating device. A Mixed-integer Linear Programming (MILP) representation is presented for the optimization of the topology of optical multi-core fiber networks. The optimization approach retrieves a globally optimal topology with respect to weight or cost, i.e. it builds the optimal network topology from a set of switch and cable types, which differ in the number of fibers, attenuation, connectors, and other properties. The novelty of our approach is the consideration of translucent and opaque optical switches as well as the representation of cable and device attenuation directly in the MILP constraints. Moreover, arbitrary installation and routing resource restrictions are considered. The application of the approach to five dedicated scenarios yields in each case an optimal solution and validates our method. The application to an excerpt of an aircraft cabin network shows the retrieval of the global optimum in less 30 min for a topology with 48 signals and 23 components.


翻译:使用多核心纤维的光学网络可以用单一的表层来取代若干电子网络。每个电子链接都由单一纤维取代,能够节省空间、重量和成本,同时能节省空间、重量和成本,同时具有更好的隔离和 EMI 阻力。例如,这是对安全临界网络物理系统的高度兴趣,例如飞机航空航空网络。找到最佳的地形学需要找到最佳数量的组件、部件位置、间断和信号路由,同时确保每个参与装置的适当光电水平。一个混合内插线程序(MILP)代表制是用来优化光学多核心纤维网络的表层学的,可以节省空间、重量和成本,同时可以节省空间、重量和成本。优化方法从一组开关和电缆类型建立最佳的网络地形学。 找到最佳的地形学需要找到最佳数量的组件、组件位置、连接器和信号路由,同时保证每个参与装置的适当光电量水平。 混合内插光导线程序(MILP)代表制(MILP)代表制(MILP)代表为光纤多核心纤维网络的顶部位学,在最佳的顶部和直压中直接缩缩图应用。在最优化的顶部应用中,任意安装和最优性地显示我们最优化的机轴压的机轴压和最低的机压方法。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
专知会员服务
60+阅读 · 2020年3月19日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
计算机 | ISMAR 2019等国际会议信息8条
Call4Papers
3+阅读 · 2019年3月5日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
统计学习与视觉计算组
17+阅读 · 2018年3月16日
2nd-order Updates with 1st-order Complexity
Arxiv
0+阅读 · 2021年5月27日
Scalable Optical Learning Operator
Arxiv
0+阅读 · 2021年5月26日
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
专知会员服务
60+阅读 · 2020年3月19日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
相关资讯
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
计算机 | ISMAR 2019等国际会议信息8条
Call4Papers
3+阅读 · 2019年3月5日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
统计学习与视觉计算组
17+阅读 · 2018年3月16日
Top
微信扫码咨询专知VIP会员