基于资源区域聚集度的虚拟网映射算法

虚拟网映射是网络虚拟化研究中亟待解决的问题,针对已有映射算法中存在的对于网络拓扑信息利用不足的现状,该文提出了基于资源区域聚集度的虚拟网映射算法(RCI-VNE)。在映射预处理阶段,根据局部拓扑信息和区域资源聚集度提出节点区域资源聚集评价算法。在节点映射阶段,提出一种基于节点区域资源聚集排名的2-近邻聚集映射算法,该算法将虚拟网节点集中映射到底层网络中可用资源丰富的区域,减小承载链路的长度。实验结果表明,该算法降低了虚拟网映射开销,且具有较高的虚拟网请求接受率和较低的平均执行时间。     

区分服务QoP的可生存虚拟网络映射算法研究

用户对虚拟网保护需求呈现多样化的趋势,针对如何实现不同需求的可生存虚拟网映射是当前研究亟待解决的问题。建立了区分保护质量（QoP）的可生存虚拟网络映射问题的数学模型,然后提出了一种启发式算法进行求解。该算法包括广度优先搜索的节点映射策略和区分QoP的链路映射策略。模拟实验表明,该算法不仅能满足用户不同的虚拟网保护需求,而且相比现有算法降低了底层网络资源开销。     

环境自适应的拓扑联合感知虚拟网映射算法

针对虚拟网映射算法环境适应度低、拓扑关联性较差且映射开销较大的问题,该文提出一种环境自适应的拓扑联合感知虚拟网映射算法。首先提出一种加权相对熵排序方法对具有多指标的节点进行量化处理,依环境变化赋予节点指标不同的权值;在虚拟节点排序阶段采用加权相对熵和广度优先搜索算法双重排序,物理节点排序中引入就近度与加权相对熵算法配合使用,实现了对虚拟拓扑和物理拓扑的联合感知;最后利用k-最短路径算法完成虚拟链路映射。仿真结果表明,该算法依据环境变化自适应调整指标权值,提高了虚拟网映射成功率和收益开销比。     

基于滑动区域的粒子群虚拟网节能映射算法

针对传统虚拟网节能映射中存在的节点映射分散、链路映射跳数多等问题,利用虚拟网请求的最小生成树拓扑将节点和链路同时映射,该文提出了基于滑动区域的粒子群虚拟网节能映射算法(EVNE_SRPS)。当一个虚拟网请求到达时,生成其最小生成树拓扑,根节点为路径和最短的节点;在底层网络随机选取多个区域作为粒子对象,并在区域中心映射虚拟网请求的最小生成树拓扑;计算粒子的适应度,求出群体和个体最优解,并在最优解的指导下确定滑动方向、更新区域位置,经过迭代后得到虚拟网的映射方案。实验结果表明,与现有算法相比,该算法降低了网络能耗,提高了运营商的收益成本比。     

一种基于拓扑势的虚拟网络映射算法

该文针对现有的虚拟网络映射算法对网络中节点的拓扑属性考虑不够周到,导致其请求接受率和收益开销比较低的问题,将物理学里的场论思想引入了虚拟网络映射,并提出一种基于拓扑势的虚拟网络映射算法。该算法在节点映射阶段,通过计算节点的拓扑势、节点的资源能力、待映射节点与已映射节点之间的距离,将虚拟节点映射至最佳的物理节点。在链路映射阶段,通过计算物理路径的可用带宽和路径跳数,将虚拟链路映射至最佳的物理路径。仿真实验表明,该算法在多种虚拟网络到达强度下的请求接受率和收益开销比均优于当前的虚拟网络映射算法。     

虚拟网络映射模型和算法研究

虚拟网络映射是网络虚拟化的关键问题之一,其目的是在满足虚拟网络资源需求的前提下,为该虚拟网络分配合适的底层网络节点和链路资源,从而在共享的物理网络基础设施之上构建彼此隔离的多重异构虚拟网络,为网络基础创新研究提供实验环境和平台,为网络新应用提供承载服务。论述了虚拟网络映射模型和映射算法,并提出基于最小割集理论设计VN映射算法。     

节点可重复映射和链路可分流的虚拟网映射算法

在已有映射算法的基础上,结合虚拟网节点映射原则,提出了物理节点可重复映射的映射算法,即在同一虚拟网映射过程中,物理节点可以接受不同虚节点的映射.该算法不仅减少了部分虚链路的映射过程,降低了映射的复杂度,而且节约了链路映射的成本,使物理网可以接受更多的虚拟网请求,有效地提高了映射效率.另外,针对算法中链路映射的不足,对链路映射采取链路分流措施,有效地利用了零散带宽资源,进一步提高了虚拟网的映射率.模拟实验表明,新算法在执行时间、映射率以及映射收益等指标上都有着明显优势.     

网络切片下基于遗传算法的虚拟网资源分配算法

在网络切片环境下,虚拟网络的资源分配是重要的研究内容.为降低底层网络的开销、提升虚拟网资源分配的成功率,本文提出了基于遗传算法的虚拟网资源分配算法.首先,本文对虚拟网资源分配问题进行建模,并设计了底层网络开销和底层收益两个评价指标.其次,为提升资源分配算法性能,设计了虚拟网节点资源需求规模的评价指标.最后,对遗传算法的关键要素进行定义,并提出了基于遗传算法的虚拟网资源分配算法.本文算法能够按照虚拟网的节点资源需求评估值确定资源分配的优先级,通过智能算法获得全局最优解.在实验部分,通过与传统算法比较,验证了本文算法降低了底层网络开销,提升了底层网络的收益和虚拟网络映射的成功率.     

支持接入控制的虚拟网映射近似算法

该文对网络虚拟化技术中的虚拟网映射问题及其研究现状进行介绍,指出当前虚拟网映射算法在接入控制和算法性能评估方面存在的问题,提出一种支持接入控制的虚拟网映射近似算法,并给出了算法的竞争比分析。实验表明,该算法能提高物理网资源的负载均衡度和利用率,从而提高了虚拟网构建请求的接受率和物理网提供商的收益。     

一种基于HAS拓扑的虚拟网络映射算法

在两阶段虚拟网络映射算法的基础上,针对现有的HAS算法在节点映射阶段存在局限性的缺点,提出了一种基于HAS拓扑的虚拟网络映射算法。该算法融合了HAS拓扑的特征,对节点映射阶段做了优化和改进,在节点映射阶段充分考虑其对链路映射带来的影响,使节点映射到相对集中的区域,降低链路映射阶段的求解难度。仿真结果表明,所提出的算法与已有的算法相比,在虚拟网络请求接受率、平均时间收益和收益开销比等方面均有明显提高。     

基于链路优先的快速协同虚拟网络映射算法

在网络虚拟化环境中,为了减少链路映射成本和提高收益,提出了一种链路优先的协同映射算法。该算法交替映射链路和节点,并使用贪心思想优先将带宽资源需求较大的虚拟链路映射到跳数较少的物理路径上,最终达到降低虚拟网络平均消耗和提高虚拟网络接受率的目的。仿真结果表明,与已有算法相比,所提算法节约了链路映射的成本,提高了虚拟网络接受率和物理网络收益,算法运行时间也有效缩短。     

信任感知的安全虚拟网络映射算法

针对网络虚拟化技术带来的新的安全威胁,将信任关系和信任度引入到虚拟网络资源分配中,量化分析了网络虚拟化环境中的安全问题,构建了安全虚拟网络映射的数学模型,并在映射过程中考虑节点的局部和全局重要性,采用逼近理想排序法方法对节点进行多属性重要度排序,提出了一种信任感知的安全虚拟网络映射算法。仿真结果表明,该算法在满足虚拟网络请求可信需求的条件下,获得了较好的映射成功率、映射收益和资源利用率。     

一种超额认购虚拟数据中心的嵌入算法

多租户数据中心环境下,保证云应用性能的一个重要因素是为租户应用提供可保证的通信带宽,这可以通过为每个租户提供一个独占的虚拟数据中心(VDC)来实现.研究了在物理数据中心网络中超额认购数据中心的嵌入问题.相对于一般虚拟数据中心,超额认购虚拟数据中虚拟机之间的流量模式更加复杂,因此首先利用线性规划方程阐述了流量模型及嵌入问题.对于虚拟机嵌入问题,提出了一种具有较低时间复杂度的启发式算法——分组扰动算法.最后,通过仿真实验将分组扰动算法和先前工作中提出的算法以及著名的first-fit进行了比较,实验表明所提算法在降低算法复杂度的同时提高了嵌入成功率.     

虚拟网络映射高效节能运输模型及算法

网络虚拟化使得智能能量感知网络部署成为可能,已有研究忽略了节点映射能耗最优化。本文把节点映射能耗优化问题转化为生产地与销售地之间物资运输代价最优化问题,建立高效节能节点映射运输模型。根据最大元素法,提出了混合一阶段与两阶段映射算法,在链路映射的约束下找到节点分配最小能耗代价最优解;利用主动休眠策略,提出了基于运输模型的主动休眠虚拟网络映射节能算法;利用节点可重复映射技术,提出了基于运输模型的节点可重复映射算法,进一步提高了底层网络资源休眠数量。仿真结果验证了本文所提算法能够显著降低系统能耗,适合大规模高效节能虚拟网络映射。     

基于链路可靠性的无线虚拟网络分配方法

针对无线网络链路可靠性差影响无线虚拟网络的分配这一问题,提出了一种基于链路可靠性的无线虚拟网络分配算法（WVNEA-LR）。该算法通过物理网络拓扑预处理和允许同一个虚拟请求中的多个虚拟节点映射到同一个物理节点上的方法,提高了Vn构建成功率和节约了物理链路资源。利用Q因子改善了因拓扑分配稀疏时Vn构建成功率低的问题。此外,WVNEA-LR的节点分配为链路分配作了准备,并通过选择可靠性高的承载路径保证了分配后的Vn具有高可靠性。仿真结果表明, WVNEA-LR获得较好的虚拟网络构建成功率、较高的收益成本比和资源利用率。     

A model for virtual network embedding using Artificial Bee Colony

In a network virtualization environment, a significant research problem is that of virtual network embedding. As the network virtualization system is distributed in nature, an effective solution on how to optimally embed a dynamically generated virtual network request on the substrate networks that are owned and managed by multiple infrastructure providers needs proper attention. The problem is computationally hard, and therefore, many approaches, implying heuristics/meta‐heuristics, have been applied for the same. A meta‐heuristic, Artificial Bee Colony algorithm is getting popular due to its robustness toward complex problem solving. A novel approach based on Artificial Bee Colony to address the dynamic virtual network embedding problem in a multiple infrastructure provider scenario is proposed in this work. Bee population is initialized by using a greedy heuristic in which the number of substrate networks together with virtual network requests constructs a bee. Generated solution, in the population, is improvised by using greedy selection that explores a local search method adopted by the bees. In greedy selection, the new candidate source is memorized by the bee if its fitness is better than the fitness of the existing source. The performance study of the proposed model is done by simulation over various metrics such as embedding cost, embedding time, and acceptance ratio. A comparative study is conducted with other nature‐inspired virtual network embedding algorithms on these metrics. The findings affirm that the proposed virtual network embedding approach performs well and produces better results.     

业务需求感知的虚拟数据中心映射方法研究(英文)

Virtualization is a common technology for resource sharing in data center.To make efficient use of data center resources,the key challenge is to map customer demands(modeled as virtual data center,VDC) to the physical data center effectively.In this paper,we focus on this problem.Distinct with previous works,our study of VDC embedding problem is under the assumption that switch resource is the bottleneck of data center networks(DCNs).To this end,we not only propose relative cost to evaluate embedding strategy,decouple embedding problem into VM placement with marginal resource assignment and virtual link mapping with decided source-destination based on the property of fat-tree,but also design the traffic aware embedding algorithm(TAE) and first fit virtual link mapping(FFLM) to map virtual data center requests to a physical data center.Simulation results show that TAE+FFLM could increase acceptance rate and reduce network cost(about 49%in the case) at the same time.The traffic aware embedding algorithm reduces the load of core-link traffic and brings the optimization opportunity for data center network energy conservation.     

New algorithm for hub-and-spoke topological virtual networks embedding problem

The virtual network embedding/mapping problem is a core issue of the network virtualization.It's mainly concerned with how to map virtual network requests to the substrate network efficiently.Previous ...     

VNE-AFS：基于人工鱼群的网络虚拟化映射算法

虚拟网络资源映射是云计算研究领域的一个难点问题。以降低底层网络映射开销为目标,提出一种基于人工鱼群的网络虚拟化映射算法VNE-AFS。根据虚拟网络请求对底层网络节点和链路的约束关系建立二进制组合优化模型,并利用人工鱼群算法实现虚拟网络资源向底层网络资源的近似最优映射。实验结果表明,与现有的虚拟网络映射算法相比,该算法有效地降低了底层网络的开销和求解时间,提高了虚拟网络映射的成功率、平均收益和资源利用率。     

Dynamic recovery for survivable virtual network embedding

Network virtualization is a promising way to overcome the current ossification of the Intemet. It is essential challenge to find effective, efficient and robust embedding algorithms for recovering virtual network. The virtual network mapping algorithm based on integer programming which was proposed months ago. But it did consider the faults of physical network resources, which is so called survivable virtual network embedding （VNE） problem. Previous strategies for enabling survivability in network virtualization focused on providing protection for the physical network or enhancing the virtual networks by providing backup physical resources in advance, and treated all the physical failures as link failures. In the article, a dynamic recovery method is proposed to solve the survivable virtual network embedding problem based on the integer programming VNE algorithm. The dynamic recovery method doesn＇t need to backup physical resources and it makes more substrate resources which can be used in the embedding. The dynamic recovery process will be activated only when physical failures occur. Different algorithms are used to recovery node and link failures. Simulations show that the method helps to recover almost all of physical failures by finding the substitute nodes and paths, and its performance is very close to that of pure VNE method without considering physical failures.