网络虚拟化是未来网络重要的研究领域，而虚拟网络映射（virtualnetworkembedding,VNE）是网络虚拟化的一种重要解决方式，其目的是为了解决现有网络架构僵化的问题。虚拟网络映射本质为物理网络和虚拟网络之间的资源分配的问题，即如何高效合理地将虚拟网络映射到物理网络。
　　大部分虚拟网络映射算法以底层网络的长期收益为目标，未考虑负载均衡以及拓扑属性对虚拟网络映射性能的影响。本文首先对经典的两种虚拟网络映射算法BaseLine算法和RW-BFS算法进行阐述和性能仿真，为后续提出改进虚拟网络映射算法做铺垫。为了验证负载均衡、拓扑属性和动态资源需求对虚拟网络映射性能的影响，本文提出了VNE-LDT算法，通过改进的时间窗口模型以实现动态资源需求的虚拟网络映射。VNE-LDT算法使用负载均衡的指标进行重映射，避免出现节点过载和链路拥塞现象，从而提高了物理节点的均衡度。由于虚拟网络请求的拓扑信息各异，本文还提出了基于拓扑信息的节点重要性的计算方式，调度各自拓扑的子算法，进而提高了虚拟网络映射指标。
　　对于虚拟网络映射的问题，大部分研究者使用启发式算法解决虚拟网络映射的问题，不易得到全局的最优解，部分研究者使用了蚁群和粒子群等元启发式算法来以底层网络长期收益为目标函数得到全局的最优解，但是未考虑负载均衡的影响。本文提出了VNE-LB-GA算法是基于负载均衡的遗传算法在虚拟网络中的应用，不同于其他算法，本文以最小化负载均衡为目标函数，通过遗传算法得到全局的最优解，仿真结果表明相比于经典的RW-BFS和BaseLine的算法，VNE-LB-GA算法大幅提高了虚拟网络映射的性能。