基于量子力学基本原理的量子密钥分发(Quantum Key Distribution,QKD)技术可以实现保密通信理论上的信息绝对安全。目前点对点的QKD技术已经取得了巨大的进步,为了进一步推进QKD技术实用化,将QKD技术与现有的WDM(Wavelength Division Multiplexing)光网络相融合势在必行。目前,融合型光网络中存在以下两个问题亟待解决:1.如何减小网络中噪声对量子信号传输的影响;2.如何有效地解决量子信号与经典光信号之间的资源竞争。针对上述问题本文分别研究了单芯光纤静态光网络、单芯光纤动态光网络以及多芯光纤静态光网络中量子信号的资源分配机制,主要研究内容如下:(1)针对单芯光纤静态WDM光网络提出了一种基于时间-波长碎片的量子信号资源分配方案(Ti me-Wa vele ngth-F rag ment-Based QKD,TWF-QKD),并设计了基于禁忌搜索算法的启发式优化算法来求解构建的时间-波长碎片数学模型。传统的固定波长分配方案只考虑为量子信号分配固定的波长,这使得量子加密业务与经典光业务之间存在资源竞争。与经典光业务不同,量子加密业务能够利用网络中的时间-波长碎片生成量子密钥。本方案以量子密钥池(Quantum Key Pool,QKP)和可信任中继技术为基础,充分利用了静态网络中已知的时间-波长碎片来传输量子信号以解决融合型网络中量子信号与经典光信号之间的资源竞争问题。仿真结果表明,与传统的量子信号固定波长分配方案(Fixed-Wavelength-Based QKD,FW-QKD)相比,本方案能够在满足网络量子加密需求的同时最小化经典光业务的阻塞率。此外为了优化方案中数学模型的求解时间,本文提出了一种基于禁忌搜索算法的启发式优化算法。仿真结果显示,与传统的混合整数线性规划算法相比,提出的启发式算法能够在求得较优解的同时极大地降低求解时间,求解时间最大可降低146倍。(2)针对单芯光纤动态WDM光网络提出了一种基于机器学习的最优量子信道预测方案。动态网络中的经典光信号产生的噪声是时变的,这使得传统固定波长分配方案无法保证量子信道始终受到较低的噪声影响。针对这一问题,本文提出了一种基于LightGBM算法的最优量子信道预测方案。仿真结果表明,本方案在4节点和6节点和14节点网络拓扑中最优量子信道的预测准确率分别可达95%、90%和86%。(3)针对多芯光纤静态WDM光网络提出了一种能够降低芯间串扰对量子信号影响的启发式纤芯分配方案,同时设计了基于遗传禁忌搜索算法的启发式优化算法来求解构建的时间-波长碎片数学模型。多芯光纤中的芯间串扰噪声对量子信号的传输会产生极大的干扰,然而传统由外向内的纤芯分配方案并未在纤芯维度对经典光信号和量子信号的资源分配进行优化,这会降低量子信号可用的网络资源。针对这一问题本文提出了一种能够降低芯间串扰的启发式纤芯分配方案。仿真结果表明当纤芯耦合系数在10-6～10-9范围内时,本方案产生的量子密钥生成速率高于传统由外向内的纤芯分配方案,最大可提升59%。此外,本文还提出了一种基于遗传禁忌搜索算法的启发式优化算法来优化多芯光纤静态WDM光网络中时间-波长碎片数学模型的求解时间。仿真结果显示,该启发式算法能够在稳定地获得较优解的同时有效地降低算法的求解时间。