高效节能虚拟网络映射多反馈控制模型及算法

网络虚拟化使得智能能耗感知网络部署成为可能.由于虚拟网络请求到来以及退出等动态性,引起底层网络资源分配以及回收,会对底层网络激活资源数量与集合范围产生影响;虚拟网络映射不仅决定了当前激活的底层网络资源数量与集合大小,而且作用于后续的虚拟网络映射.本文利用自动控制原理的反馈控制理论,研究不同虚拟网络映射之间的关系以及当前虚拟网络映射对激活底层网络资源集合产生的影响,并提出一种新的高效节能虚拟网络映射多反馈控制模型及算法.以控制底层网络休眠链路数量作为主反馈,消除主动休眠的底层网络链路数量与被动休眠的链路数量的偏差,抑制虚拟网络映射动态特征对求解最小底层网络激活资源集合的干扰;并以节点和链路映射为局部反馈,由大到小逐步调整主动休眠底层链路数量,快速地找到适合当前虚拟网络请求的最小底层网络资源集合.多反馈控制模型能够把虚拟网络映射在一个较小的节点和链路集合中,从而提高休眠节点和链路数量,实现高效节能虚拟网络映射.系统仿真结果验证了在非饱和状态下虚拟网络映射多反馈控制算法能够提高底层节点和链路休眠数量,显著减少系统能耗;且在负载周期性动态变化的饱和状态下,提高了虚拟网络接收率以及系统收益.     

面向物联网的能耗感知虚拟网络映射算法

物联网中传感器节点间规模庞大的数据交互使得能耗过大问题日趋严重,传统能耗感知算法无法适用于节点能耗不均的物联网环境。针对该问题,重新构建基于无线传感器网络的能耗模型,在考虑节点异构性和链路时效性的同时保证能耗最小。在此基础上,提出一种改进的能耗感知虚拟网络映射算法,在节点映射阶段,基于最接近剩余容量原则将虚拟节点映射至同类型且能耗最小的物理节点上,并为不同时延下的链路分配合适的资源。仿真结果表明,相比EA-VNE、EA-VNEH算法,该算法通过资源整合的方式,可以提高底层资源利用率,降低虚拟网络映射能耗,且随着引入参数的增加,能够实现更细粒度的资源分配。     

基于中心度寻核的能效优化虚拟网映射算法

虚拟网映射是网络虚拟化技术的关键问题,以往研究常关注供应商的收益与开销,而网络设备的大量能源浪费使得供应商开始关注节能.将紧密中心度概念引入虚拟网映射问题中,同时考虑节点的位置和能力,优先使用已工作节点和缩短链路长度来降低能耗,提出了一种寻找核心节点优先映射(寻核)算法.该算法通过检验确保所选底层核心节点满足虚拟核心节点要求,节点和链路映射同步进行,同时根据贪婪策略保证所选底层网络节点跳数较小.仿真实验结果表明,该算法能够提高映射接收率约10％、改善收益开销比和收益能耗比10％以上.     

基于拓扑预配置的公平虚拟网络映射算法

虚拟网络映射是实现云环境下资源多租赁运营及弹性计算资源服务的关键基础环节,其目的是在满足虚拟网络资源需求的前提下将虚拟网络植入到合适的底层物理节点和链路.现有虚拟网络映射算法的研究成果大多以极大化物理资源利用率为目标,对虚拟网络请求排队中的公平性问题考虑较少.为此提出了一种基于虚拟拓扑预配置及可重用技术的虚拟网络映射算法以提高映射公平性.将虚拟网路映射过程分为2步骤：拓扑预配置过程和映射过程.1)对在线队列中较大的虚拟网络拓扑进行等价变换,将其变换为节点及链路数目更小的拓扑,减少虚拟网络请求在拓扑上的差异从而提高公平性;2)建立形式化的虚拟网络映射模型,并利用离散粒子群算法对优化模型进行求解;为了充分利用可重用技术能在求解过程中节省带宽资源的特性,引入粒子位置分配增强机制以提高物理网络资源利用率.仿真实验结果表明：提出的算法在物理网络资源利用率、收益/成本比及虚拟网络接受公平性等方面均优于已有同类算法.     

基于GSA算法的WVN资源映射数学模型

由于传统方法没有从满足成本最小需求角度出发,建立虚拟网络映射目标,导致底层链路利用率较高,剩余带宽较低以及请求接受率不高的问题,于是研究基于GSA算法的无线虚拟网络资源映射数学模型.充分考虑无线虚拟网络资源映射成本、映射收益以及虚拟网络请求接受率建立数学模型,设置节点CPU资源约束、节点映射位置约束、链路带宽资源约束等...     

基于强化学习的高可靠性多域虚拟网络映射算法

现有的虚拟网络映射算法大多是依赖于人工规则对节点进行排序,决定节点先后映射的顺序,来优化节点映射从而提高虚拟网络请求的成功率。而在链路映射阶段普遍采用广度优先搜索算法,忽略了节点资源和链路资源具有强相关性的特点,从而只能取得局部最优的映射结果。针对上述问题,基于5G多域异构网络环境,从网络的可生存性的保护角度出发,提出一种使用双层强化学习的虚拟网络映射算法。将强化学习同时应用于网络映射的节点和链路两阶段,使用梯度策略和反向传播的方法对该网络模型进行训练,并使用此训练模型完成映射。仿真结果表明,与对比算法相比,该算法在优化节点映射的同时优化了链路映射,且在映射成功率、长期收益率、节点和链路的利用率等方面均取得较好结果。     

考虑节能的拓扑聚合虚拟网映射算法

网络虚拟化的关键问题是虚拟网映射,能耗开销的快速增长使得节能成为底层设施供应商关注的目标。针对虚拟网映射中的节能问题,提出一种集中使用网络拓扑的节能虚拟网映射算法。该算法引入接近度中心度概念和节点能力共同表征节点的重要程度,优先使用已工作节点进行资源整合使用,同时通过检验保证底层链路距离不会过长,有利于减少能耗和开销。实验仿真结果表明该算法在接受率达到70%、长期收益开销比达到75%的同时,使收益能耗比提高20%以上,与之前算法相比具有优势。     

基于服务拓扑切分机制的无线传感网虚拟映射算法

为解决无线传感网部署过程中存在资源调度困难、映射成功率较低及传输性能不佳等问题,提出了一种基于服务拓扑切分机制的无线传感网虚拟映射算法。首先,基于图论思想,构建了物理网络与虚拟网络的映射关系,将网络按能耗、带宽、时延等指标进行切分,再构建多约束评估机制,达到整合优化评估网络映射的效果。随后,将业务请求拆分为若干个拓扑服务片,对传输链路进行逐项映射,并结合时延最小化原则对链路匹配排序,将业务进行精准匹配并优化传输质量。依据节点能耗及节点剩余能量最优匹配原则,选取服务能力最佳的节点。最后,构建多参数评估机制,将带宽较高且时延较低的链路置于较高优先级别并进行匹配带宽映射,进而提高网络传输及服务承载性能。仿真实验表明,与常用的网络虚拟映射算法相比,所提算法具有更高的节点链路映射成功率和网络传输带宽,以及更低的节点能耗。     

企业级网络虚拟映射带宽与能耗优化平衡策略

利用现有的网络环境运行大规模数据分析和处理任务是企业当前的实际需求。满足需求的途径之一是网络虚拟化技术。相比于云平台虚拟网络映射以最大化收益为出发点,企业级网络虚拟映射要以降低运行费用为目标,同时考虑节点间链路的带宽小的特点。以能源和带宽消耗优化为目标,建立了整数线性规划模型,第一步确定虚拟节点和链路映射到底层物理节点和链路的位置,第二步确定采用哪条链路传输所需镜像。实验参数来源于实际值,分析了单一优化模型和本文模型在实验数值上的差异,最终证明本文模型可以在带宽消耗优化和能耗消耗优化取得较好的平衡。     

优化的虚拟网络两阶段协同映射算法

虚拟网络映射问题是网络虚拟化的关键问题,以往的研究多采用节点映射和链路映射两阶段分离的启发式算法。本文以降低映射的资源花费为依据,以提高映射成功率和底层资源利用率为目的,提出一种采用两阶段协同映射思想,并结合链路分流和路径迁移技术的映射算法。模拟实验表明,该算法具有较高的映射成功率和较高的收益花费比。     

A Global Optimal Mapping Method of Network based on Discrete Optimization Firefly Algorithm

In order to solve the current network rigidity and optimize the resource requirements of multiple virtual networks for synchronous mapping, improve the success rate of virtual network mapping requests, the long-term revenue and overhead ratio of the substrate network, node resource utilization rate and link resource utilization rate. A global optimal mapping method based on discrete optimization firefly algorithm is presented. Analyze the problem of virtual network mapping, map virtual nodes to physical nodes, and map virtual links to physical paths. According to the resource constraints of the virtual network and the substrate network, a multi-objective optimization model of the virtual network mapping is constructed, and the discrete fireflies optimization algorithm is used to obtain the global optimal solution of the virtual network mapping model to achieve the optimal allocation of global resources. The experimental results show that the discrete optimization firefly algorithm has a good performance in solving the virtual network mapping problem, and can effectively improve the virtual network request acceptance rate, node resource utilization rate, link resource utilization rate, and long-term revenue and cost ratio of the substrate network, ensuring Optimization of virtual network resources.     

基于网络资源相关性的虚拟网络映射算法

针对网络虚拟化环境中资源利用率较低的问题,通过建立资源相关性度量模型,刻画虚拟节点和物理顶点之间的匹配程度,根据虚拟节点和物理顶点之间的资源相关性,将虚拟节点映射到资源相关性较强的物理顶点上;为了降低虚拟链路的映射路径长度,通过建立节点间邻接关系模型,将相邻的虚拟节点映射到邻接的物理顶点上。实验结果表明,提出的虚拟网络映射算法均衡了物理网络资源的分布状态,降低了虚拟网络映射的资源代价,提高了虚拟网络请求接受率。     

基于资源整合的节能虚拟网络重配置算法

针对虚拟网络映射中能耗过高、接收率偏低和负载不够均衡等问题,提出一种基于虚拟资源整合的综合性重配置算法——HEAR算法。该重配置算法分为两个阶段:节点重配置阶段优先将映射虚拟节点最少的物理节点上的虚拟节点及其相连虚拟链路迁移,挂起或关闭空负载的物理节点来达到节能的目的;此外对这些迁移节点的目标物理节点进行筛选,避免选择过度拥塞的物理节点达到提高接收率和均衡负载的目的。链路重配置阶段采用能耗感知的方法选择可用于迁移的物理链路集合,再用Dijkstra算法选择最短物理路径并将相关路径迁移过去。实验结果表明,HEAR算法比启发式重配置算法平均能耗下降约20%,接收率提高约10%。     

一种双网同步搜索的虚拟网络映射算法

针对虚拟网络映射中的资源分配问题,通过建立双网同步搜索映射模型,采用普里姆最小生成树算法思想,同步搜索虚拟网络中的待映射虚拟节点和物理网络中的可映射物理节点,将相邻的虚拟节点依次映射到邻接的物理节点上,协调完成节点及其邻接链路的映射操作,使虚拟网络映射具有拓扑一致性。仿真实验表明,提出的DS-VNM算法能有效地降低虚拟链路的映射路径长度,提高网络收益与网络代价比、虚拟网络请求接受率,获得了较好的资源分配性能。     

一种基于约束优化的虚拟网络映射方法

虚拟网络映射问题将不同的虚拟网络应用映射到相同的基础设施网络中,这是一个极具挑战性的问题.针对该问题,提出了一种基于约束优化的虚拟网络映射方法,将映射问题分解为节点映射和链路映射两个阶段,其中,前者是将虚拟节点映射到物理节点上,后者将虚拟链路映射到物理路径上,它们都是NP难问题.针对节点映射和链路映射分别提出了node-mapping算法和link-mapping算法.node-mapping算法基于贪婪算法的思想,映射时考虑了物理节点所能提供的资源数量以及物理节点间距离两个因素,该算法能够保证基础设施网络中各节点间的负载相对均衡;同时,通过采用访问控制机制,过滤一些异常的虚拟网络请求,能够有效地提高资源的使用效率.link-mapping算法基于人工智能领域中的分布式约束优化思想,其能够保证得到的解是全局最优的,即映射链路的代价最小.最后,通过模拟实验对该方法进行验证,实验结果表明该方法在求解虚拟网络映射问题时的性能良好.     

Efficient Online Virtual Network Mapping Using Resource Evaluation

Network virtualization is a promising solution that can prevent network ossification by allowing multiple heterogeneous virtual networks (VNs) to cohabit on a shared substrate network. It provides flexibility and promotes diversity. A key issue that needs to be addressed in network virtualization is allocation of substrate resources for the VNs with respect to their resource requirements and the topologies of the substrate and virtual networks, namely the VN mapping (VNM) problem. Efficient VNM algorithms aim to maximize the number of coexisting VNs, and increase the utilization and revenue obtained from the substrate resources. In this paper, we present an online VNM algorithm (OVNM) that maximizes the number of coexisting VNs leading to good utilization and revenue of the substrate. Using the OVNM algorithm, we estimate the VN mapping and evaluate the associated substrate resources to map the VN within a proper region on the substrate by using the FVN_Sort (first virtual node sorting) function. This improves the probability of a VN mapping success. Furthermore, by mapping the virtual nodes and links in a coordinated fashion, the resource consumption while mapping is minimized. We evaluate the performance of our approach by using simulation, and show that the algorithm has an acceptable run time and leads to a better blocking probability performance, which means more coexisting VNs.     

A virtual network mapping algorithm based on integer programming

The virtual network （VN） embedding/mapping problem is recognized as an essential question of network virtualization. The VN embedding problem is a major challenge in this field. Its target is to efficiently map the virtual nodes and virtual links onto the substrate network resources. Previous research focused on designing heuristic-based algorithms or attempting two-stage solutions by solving node mapping in the first stage and link mapping in the second stage. In this study, we propose a new VN embedding algorithm based on integer programming. We build a model of an augmented substrate graph, and formulate the VN embedding problem as an integer program with an objective function and some constraints. A factor of topology-awareness is added to the objective function. The VN embedding problem is solved in one stage. Simulation results show that our algorithm greatly enhances the acceptance ratio, and increases the revenue/cost （R/C） ratio and the revenue while decreasing the cost of the VN embedding problem.