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。     

基于网络单纯形的虚拟网络映射算法

在软件定义网络(SDN)架构中,虚拟网络映射是实现网络虚拟化的关键技术。针对虚拟网络映射算法映射成本高、执行时间长的问题,提出一种虚拟网络映射算法Simplex-VNM。在节点映射阶段,对虚拟节点按照资源需求进行排序,综合考虑节点连通性和映射成本选择映射节点。在链路映射阶段,采用网络单纯形算法求解最小费用流问题。实验结果表明,相比于NA-PVNM和Improved-vnmFlib算法,该算法具有更低的映射成本和更短的运行时间。     

具有高可靠特征的无线虚拟网络映射方法研究

针对虚拟网络映射过程中链路资源受限和网络生存性问题，分别提出一种基于节点扩展资源的节点映射方案和一种虚拟网络重映射方案。为克服节点映射后链路映射阶段的资源不足问题，通过将节点扩展资源大的节点作为承载节点以确保链路映射的可靠性和高效性，链路映射阶段采用一种基于最小链路代价的映射方案以获得高可靠映射，在此基础上针对网络故障采取一种重映射策略，将失效节点迅速重映射至候选节点集中以确保虚拟网络服务的连续性。通过仿真对几种算法性能进行对比，结果表明所提算法在虚拟网络映射成功率、虚拟网络恢复成功率和资源负载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.     

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。     

基于实时拓扑属性的虚拟网络映射算法（英文）

研究目的:基于虚拟网络请求和底层物理网络实时拓扑属性,提出一种高效的两步式虚拟网络映射算法。创新要点:分别利用中介中心性和物理节点相关性对虚拟网络请求和底层物理网络中节点进行重要性评估,在此基础上给出一种两步式映射算法(算法1,2)。研究方法:首先给出中间中心性、接近中心性以及节点相关性计算模型,结合节点本地资源分别提出虚拟网络请求和物理网络中节点排名计算方式。当虚拟网络请求到达后,根据虚拟节点排名,将其映射到拥有足够资源的物理节点中排名最靠前的节点。节点映射完成后,使用K-th最短路径算法进行链路映射。映射过程中采用文献(Yu et al.,2008)中所使用的时间窗口模式进行接入控制。重要结论:利用节点本地资源,针对性分析虚拟网络请求和物理网络实时拓扑属性,提出两步式映射算法。该算法提高请求接受率、开销收益比的同时减少算法映射时间,取得更好的映射效果(图3-10)。     

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。     

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。     

基于熵权VIKOR的安全虚拟网络映射算法

近年来,虚拟网络映射技术作为网络虚拟化的关键技术,成为学术界与工业界研究的重点之一。针对安全虚拟网络映射中因节点安全感知不全面、匹配不合理导致的映射性能较低问题,文章提出了一种基于熵权折衷排序法(VIKOR)的安全虚拟网络映射算法。该算法首先将安全虚拟网络映射问题构建为混合整数线性规划模型,设计了节点安全优先度指标,实现了虚拟网络节点与底层网络节点安全联合感知;其次在映射过程中综合考虑节点资源属性、拓扑属性和安全属性,采用熵权VIKOR进行节点排序;最后按照节点排序结果依次进行映射,其中链路映射采用k最短路径算法。仿真结果表明,在满足节点各项约束的前提下,文章算法提高了虚拟网络映射成功率和收益开销比。     

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。     

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。     

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。     

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%。     

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...