一种面向节点负载均衡的虚拟网络重构算法

为提高虚拟网络请求接受率,针对物理节点负载不均衡的问题,提出一种面向节点负载均衡的虚拟网络重构算法。根据物理节点的平均可用计算资源和最小可用计算资源,设置一个阈值,对超过阈值的物理节点进行重配置,动态地选择需要迁移的虚拟节点,在均衡物理节点负载的情况下,尽可能地减少虚拟节点的迁移数量。仿真结果表明,所提方法均衡了物理节点负载,提高了物理网络资源利用率和虚拟网络请求接受率。     

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...     

基于两次优先级排序的虚拟网络映射算法

为解决现有的虚拟网络映射算法忽略网络本身属性,仅按照请求到达的顺序分配资源而导致物理资源利用率低的问题,利用时间窗模型,提出了基于两次优先级排序的虚拟网络映射算法。在第一次排序中,粗化虚拟网络请求的同时根据业务类型、属性参数计算请求优先级,初步确定窗口中虚拟网络映射顺序;在第二次排序中,综合考虑链路带宽资源需求和节点途径跳数,通过链路权重来确定优先级,计算最佳映射路径。仿真结果表明,该算法降低了虚拟网络请求的平均等待时间,提高了请求接受率及收益开销比。     

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。     

基于最优连通功率的无线传感器网络路由算法

为了延长网络生存时间,保持节点的能耗平均衡,提出了一种最优连通功率的无线传感器网络路由算法。首先根据最优连通功率选择最优的邻居节点集合,然后根据节点剩余能量选择簇首,并采用自适应的簇间通信方式,最后在Matlab 2012工具箱进行仿真测试。实验结果表明,相对于当前经典路由算法,提出的最优连通功率路由算法解决了传感器节点耗能不均衡难题,提高了无线传感器节点的能量利用率。     

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。     

软件定义承载网中基于负载均衡的虚拟网络重配置方法*

在软件定义承载网(Carrier-SDN)中应用网络虚拟化技术为虚拟网络请求分配资源是解决传统网络结构僵化问题的重要方法之一。针对虚拟网络初次配置产生的瓶颈节点和瓶颈链路造成的底层网络负载不均衡问题,提出一种基于负载均衡的虚拟网络重配置方法(Load Balance Virtual Network Reconfiguration,LB-VNR)。该方法着重设计了虚拟节点的迁移算法、虚拟链路的迁移算法以及重路由映射路径规划算法。仿真结果表明,所提方法在虚拟网络请求接受率、网络收益代价比和虚拟网络负载均衡性方面均具有良好的性能。     

基于预留的动态机会路由算法

本文对无线Mesh网络机会路由进行研究。传统机会路由会导致网络链路负载不均衡、带宽利用率低等问题,而且在候选节点的选择、排序方面会给网络带来负担。针对以上问题,本文提出一种基于预留的动态机会路由算法（BRDOA）。转发节点通过学习候选节点状态提前设定局部节点集合,从而减轻选择候选节点给网络所带来的负担。实验结果表明,使用该算法能够有效地改善网络的吞吐量和时延等,对提高无线网络QoS有显著效果。     

基于节点综合重要度排序的服务功能链部署优化方法

为满足5G网络环境下高可靠性、低时延的要求，同时降低网络带宽资源消耗，面向流量与可靠性优化提出一种基于节点综合重要度排序的服务功能链（SFC）部署方法。首先，基于流量改变率聚合虚拟网络功能（VNF），从而减少部署的物理节点，提高链路可靠性；其次，通过节点的度、可靠性、综合时延与链路跳数定义节点综合重要度，并依据该重要度对物理节点排序；然后，将VNF依次映射到底层物理节点上，同时通过约束链路条数以减少“乒乓效应”并优化流量；最后，通过k-最短路径算法映射虚拟链路，从而完成整个SFC的部署。相较于原有聚合方法，所提方法的SFC平均可靠性提升2%,SFC端到端平均时延降低22%，平均带宽开销降低29%，长期平均收益开销比提高16%。实验结果表明，所提方法能有效提高链路的可靠性，降低端到端的时延与带宽资源消耗，起到了良好的优化效果。     

基于节点连通性排序的虚拟网络映射算法

对当今云环境下的数据中心来说,以虚拟资源租赁的运营方式具有极大的灵活性,尤其是以虚拟网络为粒度的资源租赁能够为用户提供更好的个性化需求支持。虚拟网络映射问题是指依据用户资源需求,合理分配底层主机和网络资源。现有的虚拟网络映射算法大多是针对随机拓扑设计的通用算法,未针对数据中心拓扑结构进行优化,映射效率有很大提升空间。针对数据中心的结构特点,提出了一种基于节点连通性排序的虚拟网络映射算法BS-VNE算法。首先,设计了一种最大生成算法来对虚拟节点重要程度进行求解和排序。该算法不仅基于虚拟节点的带宽和连通度,还基于虚拟节点在整个虚拟网络中的连通性来进行节点连通性的计算,以获得更加合理的排序结果。然后,根据虚拟节点连通性排序结果利用离散粒子群优化算法求解虚拟网络的映射解。在求解过程中,引入了针对数据中心结构的物理网络拓扑启发式规则,并将其组合到粒子搜索过程中,以提高映射算法的收敛速度。仿真实验结果表明,与现有算法相比,本文提出的算法可以提高物理网络的收益/成本比和资源利用率。     

COVE: Co-operative Virtual Network Embedding for Network Virtualization

Network virtualization provides a promising solution for next-generation network management by allowing multiple isolated and heterogeneous virtual networks to coexist and run on a shared substrate network. A long-standing challenge in network virtualization is how to effectively and efficiently map these virtual nodes and links of heterogeneous virtual networks onto specific nodes and links of the shared substrate network, known as the Virtual Network Embedding (VNE) problem. Existing centralized VNE algorithms and distributed VNE algorithms both have advantages and disadvantages. In this paper, a novel cooperative VNE algorithm is proposed to coordinate centralized and distributed algorithms and unite their respective advantages and specialties. By leveraging the learning technology and topology decomposition, autonomous substrate nodes entrusted with detailed mapping solutions cooperate closely with the central controller with a global view and in charge of general management to achieve a successful embedding process. Besides a topology-aware resource evaluation mechanism and customized mapping management policies, Bloom filter is elaborately introduced to synchronize the mapping information within the substrate network, instead of flooding which generates massive communication overhead. Extensive simulations demonstrate that the proposed cooperative algorithm has acceptable and even better performance in terms of long-term average revenue and acceptance ratio than previous algorithms.     

EE-CTA: Energy efficient,concurrent and topology-aware virtual network embedding as a multi-objective optimization problem

Network virtualization provides the substruction of various heterogeneous Virtual Networks (VNs) on a single physical infrastructure which is called Virtual Network Embedding (VNE) and is known as an Np-hard problem. The VNE includes two sub-problem; virtual node mapping and virtual link mapping. Related works do not consider network topology and energy efficiency in the embedding process. This paper proposes Energy Efficient, Concurrent, and Topology-Aware (EE-CTA) algorithm as a new concurrent VNE method. Also, EE-CTA is energy-efficient due to using servers status and renewable energy resources when they are available. Our proposed EE-CTA has focused on network topology with assigning reachability rank to resources. In order to achieve all of these goals, we model VNE as a multi-objective optimization problem and solve it by Non-dominated Sorting Genetic Algorithm (NSGA-II). We compare EE-CTA with Presto, Ant Colony Optimization (ACO), Topology and Migration-Aware Energy Efficient (TMAE), and RW-Max match methods. The evaluation results demonstrate our method improves revenue, acceptance ratio, cost, and energy usage.     

基于混合群智能优化的虚拟网络映射算法

网络虚拟化是突破网络发展僵局的一项重要技术,而虚拟网络映射(VNE)是网络虚拟化的一个主要问题。提高底层网络资源的利用率和收益是虚拟网络映射的主要目标。针对底层网络支持路径分裂的情况,建立了整数线性规划(ILP)模型,并提出基于混合群智能优化的虚拟网络映射算法。该算法在兼顾映射开销和映射均衡性的基础上利用粒子群优化算法(PSO)和遗传算法(GA)迭代优化映射方案。仿真实验结果表明,与现有的主流研究成果相比,该算法显著地提高了底层网络长期平均运营收益与虚拟网络请求接受率。     

基于离散粒子群的节点可重用虚拟网络映射算法

虚拟网络映射问题是网络虚拟化要解决的重点问题,也是云计算环境下实现资源多租赁运营的技术基础。现有的映射算法在计算效率上有待提高,不能充分利用可重用技术以节省网络带宽资源。提出一种可重用的虚拟网络映射算法,首先构建以提高底层物理网络利用率为目标的资源优化分配模型;然后再充分利用可重用技术以内存交换替代网络交换并针对效率问题设计增强的粒子初始位置分配算法,进而通过离散粒子群算法对优化问题进行求解。仿真实验结果表明,提出的算法相较已有的普通粒子群算法在物理网络收益上有显著提高,增强的初始位置分配机制也有助于计算效率的提升。     

LIVE: Learning and Inference for Virtual Network Embedding

Network virtualization provides a promising tool for next-generation network management by allowing multiple heterogeneous virtual networks to run on a shared substrate network. A long-standing challenge in network virtualization is how to effectively map these virtual networks onto the shared substrate network, known as the virtual network embedding (VNE) problem. Most heuristic VNE algorithms find practical solutions by leveraging a greedy matching strategy in node mapping. However, greedy node mapping may lead to unnecessary bandwidth consumption and increased network fragmentation because it ignores the relationships between the mapped virtual network requests and the mapping ones. In this paper, we re-visit the VNE problem from a statistical perspective and explore the potential dependencies between every two substrate nodes. We define a well-designed dependency matrix that represents the importance of substrate nodes and the topological relationships between them, i.e., every substrate node’s degree of belief. Based on the dependency matrix generated from collecting and processing records of accepted virtual network requests, Bayesian inference is leveraged to iteratively select the most suitable substrate nodes and realize our novel statistical VNE algorithm consisting of a learning stage and an inference stage in node mapping. Due to the overall consideration of the relationships between the mapped nodes and the mapping ones, our statistical approach reduces unnecessary bandwidth consumption and achieves a better performance of embedding. Extensive simulations demonstrate that our algorithm significantly improves the long-term average revenue, acceptance ratio, and revenue/cost ratio compared to previous algorithms.     

基于拓扑分割与聚类分析的虚拟软件定义网络映射算法

针对目前大部分基于虚拟软件定义网络（vSDN）的映射算法未充分考虑节点与链路之间的相关性的问题,提出了一种基于网络拓扑分割与聚类分析的vSDN映射算法。首先,通过根据最短跳数进行拓扑分割的方法,降低物理网络的复杂度;然后,通过根据节点拓扑和资源属性进行聚类分析的方法,提升映射算法的请求接受率;最后,通过将链路约束分散到节点带宽资源以及节点的度进行约束考量,对不符合链路要求的节点进行重映射,从而优化了节点与链路映射过程。实验结果表明,该算法有效地提升了基于软件定义网络（SDN）架构的虚拟网络映射算法在较低连通概率物理网络下的请求接受率。     

基于软件定义网络的可靠性虚拟网络映射保障机制

在软件定义网络（SDN）虚拟网络映射中,现有研究者主要考虑请求接受率方面,而忽视了SDN中底层资源失效的问题。为此,针对SDN中可靠性虚拟网络映射（SVNE）问题,提出了一种联合先验式保护和后验式恢复的虚拟网络映射保障机制。首先,在虚拟请求接受之前,对SDN物理网络区域性资源进行感知;然后,采用先验式保护机制为映射域内相对剩余资源变小的虚拟网络元素预留备份物理资源,并将此扩展虚拟网络通过D-ViNE算法映射至物理网络中;最后,在未备份虚拟网络元素发生故障时,采用后验式恢复算法完成故障的恢复,对节点和链路分别采用重映射和重路由的方法完成恢复。实验结果表明,与基于SDN的生存性虚拟网络映射算法（SDN-SVNE）相比,在虚拟请求接受率方面提高了21.9%。另外,该保护机制在虚拟级别故障恢复率、物理级别故障恢复率等方面也具有优势。     

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。     

基于多目标粒子群优化的虚拟网络映射算法

在虚拟网络映射中,多数研究只考虑一个映射目标,不能体现多方的利益。为此,将多目标算法和粒子群算法结合,提出了一种基于多目标粒子群优化（PSO）的虚拟网络映射算法（VNE-MOPSO）。首先,在基本的粒子群算法中引入交叉算子,扩大了种群优化的搜索空间;其次,在多目标优化算法中引入非支配排序、拥挤距离排序,从而加快种群的收敛;最后,以同时最小化成本和节点负载均衡度为虚拟网络映射目标函数,采用多目标粒子群优化算法求解虚拟网络映射问题（VNMP）。实验结果表明,采用该算法求解虚拟网络映射问题,在网络请求接受率、平均成本、平均节点负载均衡度、基础设施提供商的收益等方面具有优势。