通过结合软件定义网络(SDN)与网络虚拟化技术,虚拟SDN(v SDN)技术允许多租户通过控制器操作属于自己的SDN网络,这些v SDN网络的协议不同,拓扑各异,彼此之间相互隔离,同时运行在共享的物理SDN网络中。v SDN进一步增强了网络的可编程性和灵活性,有效克服了传统互联网应对当前流量激增和服务差异化时遇到的难题。与传统网络虚拟化技术一样,v SDN同样需要解决v SDN嵌入问题。然而,由于v SDN的物理转发设备和网络体系机构与传统网络有本质区别,传统解决方案无法直接用于v SDN嵌入问题的求解。v SDN嵌入问题需要同时解决多重资源之间负载均衡的问题与限制控制延迟的问题。针对v SDN嵌入的挑战,本文中我们首先利用整数线性规划模型对v SDN嵌入问题进行数学化建模,然后提出了面向负载均衡与延迟敏感的启发式v SDN映射算法:KCL-v SDNE,对模型进行快速求解。KCL-v SDNE算法基于K-means聚类为每一个虚拟节点筛选出资源负载情况最适合映射的物理节点子集,并利用网络演算推导出的延迟上界约束控制延迟。最后,利用K-shortest Path算法映射虚拟链路。通过仿真实验验证,与已有贪心算法相比,KCL-v SDNE在提高v SDN网络接受率的同时保证了控制延迟低于可容忍阈值。接着,为了进一步提高KCL-v SDNE嵌入算法的执行效率,我们提出了基于Hopfield神经网络的v SDN映射算法:H-v SDNE。H-v SDNE通过Hopfield神经网络为整体v SDN网络求解出最优备选映射子集,然后通过衡量虚拟节点与子集中物理节点的均方差确定最后的节点映射。最后,利用K-shortest Path算法映射虚拟链路。通过仿真实验验证,与已有贪心算法相比,H-v SDNE算法同样提高了v SDN网络接受率并保证了低控制延迟。