5G网络切片中基于离散粒子群和Kruskal算法的跨域虚拟网络映射

5G移动通信网将租用多个基础设施提供商的数据中心等资源共同合作构建网络切片,针对如何高效地进行跨域虚拟网络映射这一网络切片全生命周期管理中的关键问题,提出一种两阶段的跨域映射策略DPSO-K。首先基于资源竞价统筹考虑节点资源和域间带宽资源,然后提出基于优化离散粒子群算法的跨域虚拟网络映射,可以有效提高寻优能力;对于开销相对较小的域内映射来说,提出一种基于Kruskal最小生成树的快速算法,旨在缩短切片实例化时间,减小业务上线速度。相比于传统先进行虚拟网络映射划分请求再统一映射链路的方法,该策略在划分请求中考虑域间带宽开销,在映射链路中关注重点链路的映射,采用集中管理、分布控制的方式实现物理网络资源的有效利用。实验结果表明该算法能够以更小的额外开销、更短的划分时间实现更高的接受率。     

基于知识描述和遗传算法的跨域虚拟网络映射

网络虚拟化环境下的跨域虚拟网络映射是指当物理网络由多个自治域构成时,以最小化虚拟网络映射开销为目标,将虚拟网络请求恰当地划分为多个虚拟子网请求,并分别指派给相应自治域以完成映射。资源匹配和虚拟网络划分是跨域虚拟网络映射中的两个关键阶段。然而,现有的资源匹配算法无法支持精确的数值属性匹配,也无法满足虚拟网络用户对表达多样化映射约束的需求,故实用性不高。此外,虚拟网络划分属于NP问题,目前也缺乏高效的求解方法。针对上述两个阶段中存在的问题,分别提出了基于OWL及SWRL的资源匹配算法和基于遗传算法的虚拟网络划分算法。理论分析证明了该方法的正确性。仿真实验从效率、性能及稳定性方面验证了该方法的有效性。     

基于虚拟网节点迁移的虚拟网映射优化算法

网络虚拟化技术是未来网络结构中的重要技术,是在现有物理设施的基础上,对不同资源进行整合,按需提供一种更为高效、独立的网络业务环境。本文针对网络虚拟化技术中存在的虚拟网络映射问题进行了分析,找到现有虚拟网映射算法中的不足,提出基于虚拟节点迁移的虚拟网映射优化算法。基于虚拟节点迁移的虚拟网映射算法就是将资源竞争相似的节点划分为一个组,从而实现虚拟网折射结果全局最优,可以最大化地节省底层网络资源开销,有着更高的接收率与利用率。     

SDN网络虚拟化中规则映射研究

软件定义网络（SDN）为网络虚拟化提供了新的解决方案,通过网络虚拟化技术可以将一套基础设施虚拟化为多个逻辑网络从而满足不同的网络需求.本文研究了SDN网络虚拟化时多个物理交换机虚拟为一个大虚拟交换机的过程中,虚拟网络规则与物理网络规则的映射问题.综合考虑链路负载、规则分布以及节点负载,提出了三段式规则映射优化算法.首先根据虚拟网络的规则请求生成组播源节点和目的节点集,采用MPH算法生成规则映射树;然后采用入节点最近原则,将虚拟网络规则请求的指令序列部署到规则映射树中的中间节点和叶子节点中;最后考虑节点负载,对规则部署进行微调,最终生成虚拟规则映射策略.通过仿真实验,与直接边缘节点部署相比,平均降低了网络节点规则总数量40%以上.     

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。     

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.     

关于跨域虚拟网络的优化狼群映射研究仿真

虚拟网络映射的目的是将网络底层物理资源,以高可用低开销的方式配置到虚拟网络中,进而提高物理网络的业务扩展性能.针对分布式跨域带来的网络资源异构特性,现有映射算法往往存在节点或链路负载不均衡,资源开销过大,以及报文抖动等问题,提出了优化狼群的跨域虚拟网络映射算法.由于跨域虚拟网络映射过程中,额外的资源开销主要来源于域间,因此算法将映射处理分为域内与域间两部分进行独立分析.对于域内映射只引入元胞结构,增强单目标优化处理性能,将节点采用二进制表示,并设定每一位作为一个元胞,建立节点元胞模型,通过更新元胞与近邻得到域内节点与链路资源的最优配置;对于域间映射,则在元胞基础上,引入优化狼群算法,元胞结构提高搜索的分布能力,优化狼群提高全局寻优性能,利用探狼四处游走,在元胞向量中搜索解,同时得到头狼信息,头狼产生召唤行为通知猛狼目标解的信息,从而利用分工协作实现节点与链路最优解的搜索.仿真结果表明,提出的优化狼群网络映射算法能够有效应对跨域异构资源问题,均衡节点和链路的负载,显著降低网络映射开销和网络映射执行时间.     

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。     

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。     

云计算环境下虚拟网映射的膜计算模型

网络虚拟化作为云计算的核心支撑技术之一,通过将底层物理网络资源虚拟化,在共享的物理网络上支持多个异质的虚拟网络共存。虚拟网映射将虚拟网络中的虚拟节点和虚拟链路按照其约束条件,映射到底层共享物理网络的物理节点和物理路径上。而如何高效的映射虚拟网络并且在物理网或者虚拟网动态变化时进行有效的重配置,提升基础设施提供商的收益同时降低用户的开支是虚拟网映射模型的研究重点。本文设计了一种面向虚拟网映射的膜计算模型,实验结果良好。