网络虚拟化通过资源抽象、隔离和共享等技术,有效地解决了网络僵化问题,促进了业务的创新发展。随着虚拟现实、高清视频等通信密集型业务和大数据、云计算等计算密集型业务的兴起,对链路和节点提出不同的映射需求,如果不加区分地部署传统业务和新兴业务,将会降低服务质量和能源效率。因此,本文针对不同业务需求对虚拟网节能映射算法进行研究,主要工作如下:(1)针对部署传统业务的算法存在链路跳数多和节点映射分散的问题,利用网络节能区域分布特征以及拓扑信息对节点和链路映射的协调作用,提出基于滑动区域的粒子群虚拟网节能映射算法。当虚拟网请求到达时,提取主干拓扑并设置链路映射优先级。通过群智协同寻找节能区域,并在该区域交替执行链路映射和节点映射。实验结果表明,在传统业务场景下,该算法提高了节点聚集度,缩短了链路映射长度,并降低了映射成本和网络能耗。(2)针对两阶段映射算法因忽略节点之间的结构特征而导致通信密集型业务部署成功率较低的问题,利用谱理论对网络拓扑进行分析,提出基于小波扩散的虚拟网络映射算法。通过无监督的学习节点拓扑结构,并综合评估节点之间的拓扑邻近性、连接密度和通信容量,从而选择有助于链路映射的节点。实验结果表明,在通信密集型业务环境下,该算法的映射成功率和链路负载均衡显著提高,有效地提高了网络的吞吐量,并降低了网络能耗。(3)针对协调映射算法对节点的限制性和贪心策略的固定性而导致计算密集型业务部署成功率较低的问题,利用谱图分析重新定义拓扑空间,并结合群智协同理论,提出基于小波扩散的鱼群虚拟网节能映射算法。利用松约束策略协调节点和链路映射过程,提高了具有高计算能力需求的节点的选择能力,并通过鱼群觅食、追尾和聚群行为,在整个底层网络寻找映射策略,有效地探索了不确定因素对节点能耗的影响。实验结果表明,在计算密集型场景下,该算法提高了映射成功率和节点的负载均衡,从而提高了网络的吞吐量。在非饱和的底层网络环境下,该算法呈现较低的网络能耗。