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。     

基于节点可靠度的虚拟SDN网络映射算法

为应对网络故障,提升网络的可靠性,该文针对SDN网络环境设计了节点的可靠度指标,提出了基于节点可靠度的虚拟SDN映射算法。在初始可靠映射阶段,该算法根据节点可靠度指标进行vSDN映射,部署控制器时兼顾了控制器与交换机的时延,同时考虑控制网络的重要性,为控制网络构建相应的备份资源;在故障恢复阶段,针对物理SDN网络单节点或单链路故障,算法使用迁移方法应对控制节点失效的情况,使用重映射方法应对其他故障。仿真结果表明,算法在请求接受率、故障恢复率、有效承载率和平均控制时延等指标上取得了较好的结果。     

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。     

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。     

面向动态虚拟网络请求的虚拟网络映射算法

针对虚拟网络请求资源动态变化的实际情况,提出了面向动态虚拟网络请求的虚拟网络映射（DVNR-VNE）算法。以混合线性规划理论为基础,采用多队列的方式分别对不同类型的虚拟网络请求进行预处理,建立了以最小化映射代价和最小迁移代价为优化目标的映射模型,优先映射需要释放资源的请求以获得更多的资源支持其他的虚拟网络,对新到来的虚拟网络请求采用优化后的虚拟网络映射（WD-VNE）算法进行映射。仿真实验表明,该算法降低了链路映射成本和迁移成本并获得了较高的虚拟网络请求接受率。     

基于节点抗毁能力感知的虚拟网络可靠映射算法

为提高虚拟网络映射的可靠性,考虑影响底层物理节点抗毁能力的节点有效性、适应性、黏聚度及可用计算资源等因素,提出一种改进的虚拟网络映射算法。采用逼近理想解排序法对底层物理节点的抗毁能力进行排序,将虚拟节点映射至抗毁能力最强的物理节点上,当物理节点故障时重映射至抗毁能力次强的节点上应对物理节点失效的情况。仿真结果表明,在满足抗毁性约束的条件下,该算法能够有效降低底层物理网络的开销,提高虚拟网络映射成功率。     

基于广度优先搜索的虚拟网络映射算法分析

网络虚拟化是建立下一代Internet系统的重要技术.Internet服务商可以利用网络虚拟化技术在同一个网络建立更多虚拟网络,从而满足用户的多样化需求.虚拟网络映射问题就是对虚拟网络中的节点和虚拟链路资源进行有效分配的问题.但是由于物理网络部分的网络资源有限,怎样既能满足虚拟网络资源的需求,又能提高物理网络资源的使用率,成为了学者研究的方向.     

节点拓扑感知的高效节能虚拟网络映射算法

针对现有网络资源过度饱和的问题,提出一种节点拓扑感知的高效节能的虚拟网络映射算法。该算法在节点映射阶段,量化节点映射成本的同时考虑拓扑属性,通过改进后的节点排序方法对每个虚拟节点的候选物理节点进行资源评估,计算最佳映射节点。在链路映射阶段,采用Dijkstra算法,对于每条候选物理链路,综合考虑链路剩余带宽资源、途径节点剩余资源以及跳数,重新计算链路排序值,从而获得高效节能的最佳映射链路。仿真实验数据表明,该算法能有效降低能量成本,节省物理网络资源,在虚拟网络请求接受率和收益开销比等参数指标上具有显著提升。     

有线网络中虚拟网络映射算法研究

网络虚拟化是未来网络的关键技术之一,有助于克服当前网络的“僵化”问题,能够在无需对当前网络架构做出巨大改变的基础上配置新的网络协议和服务,实现多个虚拟网络共存于一个物理网络上,由此产生了新的问题,如何将有限的物理资源合理分配给不同的虚拟网络,即虚拟网络映射问题。根据网络环境,可以分为有线网络和无线网络下的虚拟网络映射。其中,有线网络下的映射是研究虚拟网络映射问题的基础和重点,已有大量算法提出。为了给该问题的研究提供一个全面的视野,从问题定义、存在挑战、映射目标方面对有线网络中虚拟网络映射算法进行综述,根据算法的不同特点进行分类,重点介绍几种典型的算法并进行比较总结,最后指出未来的研究趋势。     

基于虚拟网节点迁移的虚拟网映射优化算法

为提高虚拟网请求接收率和底层网络资源利用率,提出了基于虚拟网节点迁移的虚拟网映射优化算法,算法能够将资源竞争最大化的虚拟节点划分在一个组,实现虚拟网映射结果全局最优。通过时间复杂度分析和仿真实验验证了提出的算法能够显著降低虚拟网络节点迁移算法的运行时间;通过仿真实验,将提出的算法与No-Migration算法和Long-Duration算法进行对比,验证了提出的算法有更高的请求接收率、更高的平均收益,可以节省底层网络资源开销。     

基于拓扑感知节点排序的虚拟网络嵌入

在共享底层上嵌入多个虚拟网络(VN)是云计算平台和大规模可切片网络测试平台的一个挑战性问题。本文利用马尔可夫随机游走模型,根据网络节点的资源和拓扑属性对其进行排序,这种新的拓扑感知节点排序方法可反映节点的相对重要性。利用节点排序设计了两种VN嵌入算法：RW-MaxMatch和RW-BFS。仿真实验表明：与现有的嵌入算法相比,拓扑感知节点排序具有较好的资源度量,并且所提出的基于RW的算法增加了长期平均收益和接受率。     

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。     

基于云网络架构的虚拟网络映射算法研究

云网络架构采用控制与转发分离机制实现了资源的灵活分配,为了满足云网络架构的资源分配符合多业务的资源需求,提出了一种基于云网络架构的虚拟网络映射算法,提高了资源利用率。建立的虚拟网络映射算法模型,给出了虚拟网络映射算法的约束条件和优化目标。针对语音、视频和数据3种业务进行了仿真,结果表明,提出的算法提高了控制资源利用率、转发资源利用率和链路资源利用率。     

基于节点相似性和网络嵌入的复杂网络社区发现算法

社区发现算法对分析复杂网络的拓扑和层次结构、预测复杂网络的演化趋势等具有十分重要的意义.传统的社区发现算法划分精度不高,忽略了网络嵌入的重要性.针对这样的问题,提出了基于节点相似性和网络嵌入Node2Vec方法的无参数社区发现算法.首先,使用网络嵌入Node2Vec方法将网络节点映射成欧氏空间中低维向量表示的数据点,计...     

基于结构深度网络嵌入模型的节点标签分类算法

在海量数据呈现爆炸增长态势的互联网时代,传统算法已无法满足处理大规模、多类型数据的需求.近年来最新的图嵌入算法通过学习图网络特征,在链路预测、网络重构和节点分类实践中普遍取得了极佳的效果.文中基于传统自动编码器模型,创新地提出了一种融合Sdne算法与链路预测相似度矩阵的新算法,通过在反向传播过程中引入高阶损失函数,依据...     

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.     

基于改进蚁群算法的虚拟网络映射优化

优化了基于改进蚁群算法的虚拟网络映射结果。以最优化应用底层网络的资源,提升虚拟网络映射底层网络的资源利用效率为研究目标,在不需要支持路径分裂底层网络的情况下,提出一种新的基于改进蚁群算法的虚拟网络映射。通过引入高斯过程模型,加快蚁群优化算法的收敛速度,满足实际应用的实时性要求;并且以映射开销作为适应度函数,最终解决虚拟网络映射问题。实验结果表明,在满足相同准确度的前提下,该算法显著地降低了算法的求解时间,发挥了积极影响。