近年来网络流量呈爆炸性增长,光网络技术飞速发展,可以灵活分配频谱资源的弹性光网络应运而生。在弹性光网络中,资源分配问题是重要议题之一,但当前的资源分配方式存在资源利用率不高等问题,为了应对日益增长的流量,我们需要进一步优化资源配置,减少资源浪费。另外,光网络是互联网最重要的基础设施之一,为了保证网络的安全稳定运行,有必要进行综合评价。网络综合评价不仅可以反映网络的运行状态,还可以给网络规划与建设提供参考。本文以弹性光网络的资源分配问题和网络综合评价为核心方向进行研究,通过网络流量预测来提前获得业务信息,优化网络资源配置,提高网络的资源利用率;通过结合主客观来进行网络综合评价,将本文提出的资源分配算法应用于其中来验证有效性。主要的工作和成果如下:（1）提出了基于预测和链路状态的资源分配算法。其中构造了基于注意力机制的神经网络流量模型,提升了网络流量预测的稳定性和精确性。算法以时变业务为前提,通过对流量信息的预测并结合当前的链路状态来进行选择性的资源预留。通过建立模型仿真验证了算法的可行性,能够降低网络阻塞率,并且相应地改善业务重分配数。（2）提出了一种基于节点重要性的网络抗毁性能评价方法。该方法结合节点重要性和最短路径数来建立网络抗毁性能评价指标,以此来反映网络的抗毁性能的优劣程度,其中节点重要度以PageRank算法为基础来求解。通过不同网络拓扑的仿真结果证实了该方法能够正确反映网络的抗毁性能。（3）通过结合层次分析法和变异系数法两种主客观评价方法,提出了一种网络性能综合评价方法。将整个网络的性能分为基础性能指标和抗毁性能指标来建立评价的指标体系和评价等级,通过对不同的算法进行仿真得到各项指标的结果来验证其有效性。其中包括本文提出的资源分配算法,仿真结果显示,评价的结果能准确判断网络的状态,能够对网络的规划提供一定的参考意见。