网络虚拟化技术的核心思想在于利用相同的物理网络基础设施构建多重异构的虚拟网络。作为网络虚拟化的核心技术之一,虚拟网络映射问题受到了学术界和工业界的广泛关注。该问题是指为不同的虚拟网络请求（带有节点和链路约束）分配相应的物理网络资源。目前的研究成果主要集中在静态场景中的虚拟网络映射问题,忽略了该问题场景的动态性。本文从虚拟网服务需求到达的动态性、提供方电力市场的动态性以及优化效果的动态性三个角度出发,分别研究服务需求动态到达下、动态电力市场中以及动态重优化的虚拟网络映射方法,进一步提高物理网络的效用,降低物理网络运营商的电能开销。论文的主要创新性成果如下:·针对虚拟网服务需求动态到达下的虚拟网络映射问题,提出了一种基于人工蜂群优化的虚拟网络映射算法。该算法利用人工蜂群的迭代和智能以实现虚拟网络映射的更优化的解决方案。根据虚拟网络映射问题重新定义人工蜂群算法中的参数和相关操作,然后,提出两种策略以进一步优化基于人工蜂群的虚拟网络映射算法的性能。第一个策略是优先交换策略,以加快收敛速度;第二个策略为信息素和灵敏度模型策略,在很大程度上避免了局部最优化。仿真实验结果表明,该算法获得的运营收益比现有算法增加了约 35.4%。·针对动态电力市场下的虚拟网络映射问题,提出了一种基于聚类的低电能虚拟网络映射算法。该算法统筹考虑了域间映射的电价和域内映射阶段的能耗等关键因素,以优化电能开销。具体过程如下:首先使用虚拟网络的拓扑生成带权图表示任意两个虚拟节点之间的电价—拓扑亲密度,接着使用局部聚类算法依据该亲密度图进行聚类,然后对已聚类的虚拟网络拓扑进行域间虚拟网络映射,将每一个子类的虚拟网络拓扑映射到同一个地域的物理网络拓扑,最后利用节能的节点和链路映射方法进行域内映射。仿真实验结果表明,与已有算法对比,该算法在保持很好的运营收益的同时,可以节省物理网络14%的电能开销。·针对动态重优化的虚拟网络映射问题,提出了一种基于遗传算法的虚拟网络迁移方法。首先,建立了虚拟网络迁移模型。重点分析了虚拟网络的迁移过程,量化了虚拟网络迁移所带来的物理网络的通信流量开销,分析了该迁移过程对虚拟网络服务所造成的影响,建立了虚拟网络迁移造成的总开销模型。然后,基于上述模型,提出了一种基于遗传算法的虚拟网络迁移算法。该算法借助于遗传算法本身的优势,同时提出了编码、种群初始化、交叉和变异等个性化策略,以更好地发挥遗传算法在虚拟网络迁移问题中的作用。仿真实验结果表明,该方法可以进一步降低物理网络运营商能耗开销。