论文部分内容阅读
互联网技术的高速发展使用户数目不断增多,当前的网络架构已无法满足新一代互联网的发展要求,开始出现网络僵化。网络虚拟化为解决该问题提供了一种有效途径。其中,虚拟网络映射问题则是实现网络虚拟化时首先要解决的难题。当把虚拟网络映射到底层物理网络时,如何提高底层物理网络资源的有效利用率成为研究虚拟网络映射算法的主要目的。传统的虚拟网络映射算法大多采用两阶段映射方法,在节点映射完成时再进行链路的映射,并且前后两者的关联性较小,同时缺少对整个底层物理网络资源的全局考虑。利用智能算法全局寻优的特点来求解虚拟网络映射问题引起了学者的广泛关注。生物地理学优化算法(Biogeography-Based Optimization, BBO)是一种新型的智能算法,主要模拟生物种群的生存、迁移和灭绝规律。它具有独特的迁移机制,不需要生成新的个体,个体之间通过迁移算子实现种群内部的信息共享,并且每个个体都有各自的变异概率。虽然BBO算法结构简单,但在很多基准函数测试上都表现出了良好的性能,所以BBO算法的研究前景广泛,可以提高解决实际问题的能力。本文在对标准BBO算法进行分析的基础上,对BBO算法进行了改进并将BBO算法用于解决网络映射问题,主要研究内容包括:(1)基于标准BBO算法,引进协同机制,基于分而治之的策略,提出一种合作型协同生物地理学优化算法(Cooperative Coevolutionary Biogeography-based Optimization, CBBO)。在CBBO算法中,将原种群分割成若干维数相同的子种群,使用BBO算法演化每个子种群,对于每个子种群,选择其他子种群中最优的栖息地,与当前子种群的栖息地构建上下文向量,然后计算该向量的适应度函数值,最后输出最优解。(2)将BBO算法用于求解基于成本的虚拟网络映射问题,提出一种基于生物地理优化的虚拟网络映射算法(Virtual Network Embedding Algorithm Based On Biogeography-Based Optimization, VNE-BBO)。重新定义BBO算法参数,初始化算法种群,种群中的每个个体对应一个虚拟网络的节点映射方案,以底层网络开销为目标函数,通过BBO算法迭代,寻找最优链路映射方案,最终输出优化后的虚拟网络映射方案。VNE-BBO算法,采用智能寻优,全局寻找最优解决方案,提高了底层网络平均收益,降低了底层网络的开销成本。(3)将BBO算法用于解决基于负载均衡的虚拟网络映射问题,提出一种基于生物地理学优化的网络负载均衡的虚拟网络映射算法(Load-Balancing Biogeography-based Optimization, LB-BBO)。建立网络负载均衡的虚拟网络映射数学模型,通过对BBO参数的重定义,以网络负载为优化目标,通过BBO算法迭代,寻找平衡整个底层网络负载的最优映射方案。