论文部分内容阅读
网络虚拟化为解决传统网络结构的僵化问题提供了新的思路,其关键问题是如何将虚拟网络映射至物理网络。满足节点和链路约束条件的虚拟网络最优映射问题主要采用粒子群算法和遗传算法等启发式算法近似求解,这类算法大多从数学模型优化的角度来求解问题,脱离了虚拟网络映射问题本身的特性。针对传统启发式算法的不足以及虚拟网络映射过程中节点和链路资源的变化情况,使用元胞自动机为虚拟网络映射问题进行建模,结合遗传机制设计出适用于虚拟网络映射问题的智能算法。 针对虚拟网络映射问题的特点,以元胞自动机的演化规则来替代传统遗传算法的交叉操作,使个体之间的交互全方位、动态化,设计适用于具体映射环境的邻居结构和演化规则,保证了种群之间的多样性,提出了基于元胞遗传算法的虚拟网络映射算法(Virtual Network Embedding-Cellular Genetic Algorithm,VNE-CGA)。实验结果表明,与已有的算法相比,该算法提高了底层网络的运营收益以及虚拟网络请求接受率。 针对VNE-CGA在解决虚拟网络映射问题中的局限性,使用元胞自动机对虚拟网络映射问题重新建模,将单个的元胞作为种群中的个体,通过元胞向邻居学习的方式来实现遗传算法中的选择、交叉操作,赋予元胞个体“智能”的特点,提出了邻居学习与遗传机制融合的虚拟网络映射算法(Virtual Network Embedding-Neighbor Learning-Genetic Algorithm,VNE-NL-GA)。实验结果表明,与VNE-CGA算法相比,该算法在不同的映射环境中具有更强的适应性,并且极大的降低了算法的运行时间。