虚拟网络映射问题是网络虚拟化技术中极具挑战性的难题,很多研究者都对此进行了研究,但是仍然存在着算法复杂度高,收敛速度慢,以及优化效果不明显的问题。本文在总结相关研究经验的基础上,以提高运营商的长期平均运营收益为优化目标,着重对动态场景下的虚拟网络映射问题进行了研究。针对动态虚拟网络映射问题的特点,本文主要研究了如下几方面的问题:1)针对现有虚拟网络映射算法的算法复杂度高,优化效果不够理想的问题,本文提出了一种基于天牛须搜索优化的虚拟网络映射算法。通过抽象虚拟网络映射问题,定义优化目标函数,结合天牛须搜索算法快速收敛的优势,提高了虚拟网络映射的效率。为了最大程度避免陷入局部最优的问题,本文借鉴了其他智能算法的经验,通过扩大天牛个数,进一步改善了寻优的效果。实验发现,相比粒子群算法各项指标均有提升,并在小型、中型和大型网络中分别获得了2%、12%和13%的请求接受率提升。2)在天牛须搜索算法的基础上,为了进一步提高长期平均运营收益。本文针对动态虚拟网络映射的特点,提出了基于时间窗策略的优化算法,基于每个虚拟网络请求映射成功后的收益设置相应的优先级,保证优先级高的请求能够优先完成映射,提高优先级高的虚拟网络请求的成功率,进而大幅度提高了运营商的长期平均运营收益。实验发现,相对粒子群算法,时间窗算法在小型、中型和大型网络中分别获得了10%、60%和78%的长期平均运营收益的提升。3)针对动态虚拟网络映射过程中虚拟网络频繁创建和销毁导致的物理网络映射性能下降的问题,本文提出了基于天牛须搜索的虚拟网络迁移方案。通过对已经映射成功的虚拟网络请求进行重映射,动态调整虚拟网络在物理网络上的映射方式,降低物理网络资源的碎片化,提高物理网络性能。本方案使得物理网络在运行时间不断增加的情况下,平均运营收益和请求接受率一直保持在较高的水平而没有明显的下降。实验发现,相比粒子群算法,在小型、中型和大型网络中,虚拟网络迁移能够获得2%、13%和11%的请求接受率提升,并在中型和大型网络中,长期平均运营收益也有11%和12%的提升。本文从基础算法、优化策略以及虚拟网络迁移三个方面进行了一系列研究。本文首先提出了基于天牛须搜索的虚拟网络映射算法,借助天牛须搜索算法简洁高效的特点,获得了相比粒子群算法更好的寻优结果。同时对于极致追求运营收益的场景下,进一步提出了基于时间窗的优化策略,通过对一段时间内的虚拟网络映射请求进行优先级排序,使得长期平均运营收益大幅提高。而在追求收益与请求接受率均衡的场景中,也提出了基于天牛须搜索的虚拟网络迁移算法。通过不断优化物理网络结构,避免了随着时间的推移动态虚拟网络映射过程中物理资源逐渐碎片化的问题,使得虚拟网络映射的效果相比于基础天牛须搜索映射算法有了进一步提升,也使得在不同虚拟网络规模下请求接受率始终保持稳定,并获得了更加稳定的映射效果。