目前通信技术、大数据、AI、Io T、边缘计算等前沿科技在各行各业有着广泛的应用和良好的发展前景。由于这些科技的发展都离不开光通信作为基础的技术支撑,因此在信息通信系统中保持光通信网络的稳健性是当前面临的任务与挑战的重中之重。不言而喻,相对于曾经普遍应用的电缆通信技术,光通信网络已经是一种发展成熟、铺设便捷、节约成本、组网灵活、更强的可管理性、可靠性高的网络通信技术。如今,光网络通信技术已在世界范围内广泛应用于通信网络的主干部分。假如光网络出现故障,若未及时发现及修复,将会给行业造成重大的损失。近十几年比较流行的光网络故障检测系统将会消耗大量的人力和物力,因此在本文中借用光缆自动检测系统实时检测光纤状态以及当发生异常或者故障时获取相关信息。在该系统中,为了实现光网络中的所有光纤链路状态都被监测的目标,本文提出了一种解决光纤故障测试设备布设点选择问题和光纤纤芯连接方式问题的联合优化方法。该问题被建模为一个决策变量比较特殊的整数线性规划问题,其有两类决策变量且这两类决策变量相互关联。第一类决策变量由分配给每条潜在测试路由的并行光纤纤芯数组成,另一类决策变量仅用于表示是否将某个网络节点确定为测试设备的放置位置。联合优化的目标是最小化放置基于光时域反射技术的光纤故障测试设备的节点数量。目标函数就是第二类决策变量的和,需要两种类型的线性约束。第一类约束描述了这两类变量之间的相互关系,另一类约束描述了每根光纤链路内的备芯数对第一类决策变量的影响。最后通过实例验证了联合优化方法比启发式优化方法的优越性。在一个具体的光网络中,利用联合优化方法实现了监测整个光网络链路状态的目标,接着本论文利用网络管理系统从而动态更新网络拓扑和动态地规划一条时延最低且网络负载均衡的数据包传输路径。本文提出了一种混合算法规划最优路径。该算法既引入了粒子群算法也引入了遗传算法。在该算法中关于粒子更新部分摒弃了常规的粒子更新策略,而是将表现较差的粒子向历史最优粒子或者是局部最优的粒子学习,并且使用自适应惯性权重扩大粒子的搜索范围,解决种群过早陷入局部最优的缺点;然后当种群后期陷入局部最优时,利用具有自适应的交叉算子和自适应的变异算子能力的遗传算法让种群跳出局部最优。与传统的粒子群算法和遗传算法作比较验证了本算法具有更好的性能。无论是静态网络或者是动态网络,数据包传输最优路由都可利用混合算法实时地搜索出来。