基于DPSO负载可控的虚拟网络映射算法

针对多租赁模式下的虚拟网络映射问题,以降低底层链路负载、加快映射速度、提高底层物理资源利用率为目标,将离散粒子群算法与虚拟节点映射规则相结合,提出了物理节点可复用、负载可控制的MLB-VNE-SDPSO算法.该算法在兼顾CPU等主机资源利用率的前提下节约了物理链路的带宽资源,缩短了虚拟链路的映射过程.仿真实验表明,在保证网络负载的前提下,获得了较好的物理节点利用率,提高了虚拟网络的收益成本比.     

高效节能的虚拟网络重构算法

针对虚拟网络映射中的能耗问题,根据虚拟网络重构特征以及节点和链路的能耗特性,建立虚拟网络重构优化模型。通过设置底层物理网络的资源利用率阈值,周期性地将资源利用率大于高阈值和小于低阈值物理节点和物理链路上映射的虚拟节点和虚拟链路迁移到能耗增幅较小的物理节点和物理链路上,并采用节点、链路休眠和唤醒机制,动态地调整网络中活动物理节点和物理链路数量。模拟结果表明:EE-VNR算法有效地均衡了底层物理网络中节点和链路的负载水平,提高了虚拟网络请求接受率,大大地降低了虚拟网络映射的系统能耗。     

基于节点分割的两阶段虚拟网络映射算法

虚拟网络映射问题是网络虚拟化的关键问题,以往研究大多注重虚拟网络链路的映射,然而,物理节点资源在物理网络中也是有限的.本文提出的基于节点分割的两阶段虚拟网络映射算法,能够将虚拟网络节点映射到多个底层物理节点上,根据映射得到的物理节点并结合路径分割思想将链路映射到多条底层物理路径上,整个过程能够有效地利用物理节点与链路的资源碎片,提高物理网络的资源利用率,提高虚拟网络的映射效率.     

保持节点相邻的虚拟网络映射算法

网络虚拟化技术的应用依赖于将虚拟网络映射到底层基础设施的虚拟网络映射算法。现有虚拟网络映射算法的物理资源使用率较低,对于映射结果的优化较少。基于此,本文提出并设计实验证明了一种保持节点相邻的虚拟网络映射算法。该算法可以在略微降低映射效率的情况下,尽可能地保持相邻的虚拟节点在实际物理网络中的相邻,从而大大地缩短了物理链路,提高了物理资源的利用率;同时优化映射结果,提高了虚拟网络的工作效率,从而提高了服务质量。     

一种自适应扩展的虚拟网络映射算法

针对虚拟化网络环境中的资源分配问题,通过深度优先搜索遍历虚拟网络,构造相邻的虚拟节点队列.根据网络的拓扑结构以及节点和链路的资源状态,自适应地扩展物理网络拓扑结构,协调地将相邻的虚拟节点和其邻接链路映射到负载强度较低的邻接物理节点和物理链路上.仿真结果表明,AAG-VNM算法有效地降低了虚拟网络映射的资源开销,提高了物理网络资源利用率和虚拟网络请求接受率.     

基于图的邻接分割的虚拟网络映射算法

针对大规模虚拟网络映射算法映射效率低、在映射节点和链路时易引起网络分割等问题,提出了一种图的邻接分割方法,将虚拟网络分割为多个邻接的星型结构,以简化虚拟网络映射规模;建立了一种节点和链路的资源匹配模型,使节点映射能适应链路资源分布状态、链路映射能匹配节点可用资源大小,从而协调完成节点和链路映射操作,解决节点、链路的映射协调性差以及网络资源分配不匹配等问题.仿真实验结果表明,所提出的算法降低了虚拟链路的映射路径长度,提高了虚拟网络映射效率和负载均衡性能,获得了较高的虚拟网络请求接受率.     

满足链路约束的拓扑聚集度虚拟网络映射算法

高效的虚拟网络映射算法能提高网络收益,降低物理资源的消耗。假如一个虚拟网络能够被满足映射,那么它对物理节点资源的消耗是固定的,对资源消耗的总大小取决于链路映射。为减少链路资源消耗,相邻的虚拟节点在被映射后应该是接近的。本文提出基于满足链路约束的拓扑聚集度映射算法。该算法在计算汇聚度时考虑节点间的链路请求,是一阶段映射算法。此外,本文根据图的广度优先搜索对虚拟节点排名,使连续映射的虚拟节点有较高的关联性。仿真实验表明,所提出的算法提高了长期网络收益和收益花费比。     

基于最小代价的跨域虚拟网络映射算法

针对多个自治域网络环境中的虚拟网络映射问题,提出了基于最小代价的跨域虚拟网络映射(MC-VNE)算法.首先根据虚拟网络的约束条件,计算每个虚拟节点的可用物理节点集合,然后利用最小权重路由算法,计算出每条虚拟链路的可用映射物理路径集合.借鉴克鲁斯卡尔最小生成树算法思想,依次在可用映射物理路径集合选择最小权重物理路径,然后将对应的虚拟链路映射到该物理路径上,并协调完成虚拟节点的映射操作.仿真结果表明,MC-VNE算法有效地降低了虚拟网络映射的资源代价,提高了虚拟网络请求接受率.     

基于含权k-壳分解的分组教学虚拟网络映射算法

提出一种两阶段的基于含权k-壳分解的分组教学虚拟网络映射算法。该算法根据含权k-壳分解法对底层网络进行预处理,然后沿着节点间的最短路径映射链路,并结合分组教学优化模型的分组、教学、自学与互学的优化策略,实现节点和链路的协调映射,从而进一步提高解的质量。仿真结果表明,所提算法作为一种多目标的虚拟网络映射算法,能够有效减少链路开启量,提升虚拟网络请求接受率及长期收益成本比。     

基于物联网的资源映射算法研究

在物联网环境下,大量物品通过各种传感技术加入到网络中。如何有效地组织和管理日益增加的物理资源,如何满足多样化的物联网应用需求,将成为物联网发展中一个非常重要的问题。网络虚拟化技术通过有效地管理虚拟用户请求到物理资源的映射来达到充分共享物理资源的目的,在解决该物联网问题时体现出它的优势。在现有互联网虚拟网络映射算法的基础上,针对物联网环境中物理节点所呈现的异构性特点,提出了一种基于物联网的虚拟网络到物理网络的资源映射算法。     

优化人工蜂群算法的跨域虚拟网络映射算法

针对跨域虚拟网络映射问题,提出一种基于优化人工蜂群算法的跨域虚拟网络映射算法.该算法采用集中管理、分布控制的方式实现物理网络资源的有效利用,并就人工蜂群算法收敛速度慢、局部最优缺点,提出寻优能力更强的优化人工蜂群算法进行域间映射请求的划分.实验结果表明:与LID-MVNE算法、Policy-MVNE算法、GA-MVNE算法相比,所提算法能够以更小的额外开销、更少的划分时间实现更高的接受率.     

基于安全感知的网络切片部署策略

针对网络切片的安全部署问题,提出一种基于安全感知的网络切片部署策略。在网络切片部署阶段,先进行虚拟网络功能（VNF）映射,从安全需求的角度定义VNF与物理节点之间的安全约束条件;其次,提取切片部署过程中物理节点的安全特征矩阵,利用策略网络输出安全特征矩阵的概率分布并进行排序;最后,采用基于策略的强化学习方法求解VNF的映射结果。当VNF映射完成后,采用Dijkstra算法进行虚拟链路映射,得到网络切片安全部署结果。仿真结果表明,所提策略在长期收益开销比、请求接受率、网络资源利用率、带宽利用率与运行时间上均优于GRC、VNEC-RL与SVNEC-RL算法,且保证了部署过程中网络切片的安全需求。     

基于最大收益的无线虚拟网络重映射算法

针对无线环境的动态性及虚拟网络请求到达与离开的随机性,使得物理网络负载分布不均衡,导致后续请求的接受率降低的问题,提出一种无线网络虚拟化中的两阶段重映射算法（two stages reconfiguration scheme for wireless network virtualization,TR-WNV）。该算法通过第1个阶段选出合适的虚拟网络进行重映射,接着在第2个阶段按照优先级对已选出的虚拟网络进行重映射,并根据离散度来判断每次映射效果。最后,通过仿真对算法进行验证,结果表明该算法在保证虚拟网络请求收益最大化同时,有效提高了虚拟网络请求接受率,实现整个底层网络的负载分布均衡。     

基于频谱资源共享的动态分配算法

针对虚拟网络(virtual network,VN)请求的动态性和时变性,并充分考虑网络动态性导致物理资源出现碎片化或负载不均的情况,提出了基于频谱资源共享的动态分配算法(dynamic allocation algorithm based on spectrum resource sharing,DAA-SRS),该算法结合虚拟请求的生命周期,进行子信道分配和重分配,使不同虚拟网络以一种机会共享的方式占用相同的物理资源.针对无线虚拟网络资源请求接受率、物理网络收益等性能指标进行仿真分析,仿真结果显示,该算法可显著提高虚拟网络请求的接受率.     

Efficient Algorithm for Energy-Aware Virtual Network Embedding

Network virtualization is a promising approach for resource management that allows customized Virtual Networks(VNs) to be multiplexed on a shared physical infrastructure. A key function that network virtualization can provide is Virtual Network Embedding(VNE), which maps virtual networks requested by users to a shared substrate network maintained by an Internet service provider. Existing research has worked on this, but has primarily focused on maximizing the revenue of the Internet service provider. In this paper, we consider energy-aware virtual network embedding, which aims at minimizing the energy consumption for embedding virtual networks in a substrate network. In our optimization model, we consider energy consumption of both links and nodes. We propose an efficient heuristic to assign virtual nodes to appropriate substrate nodes based on priority, where existing activated nodes have higher priority for hosting newly arrived virtual nodes. In addition, our proposed algorithm can take advantage of activated links for embedding virtual links so as to minimize total energy consumption. The simulation results show that, for all the cases considered, our algorithm can improve upon previous work by an average of12.6% on acceptance rate, while the consumed energy can be reduced by 12.34% on average.     

基于服务质量的动态资源分配算法

在网络虚拟化过程中,当前大多数物理资源分配算法,主要考虑了资源利用率和网络收益,而忽略了虚拟网络请求的服务质量,从而在不同用户之间造成不公平。针对该问题,提出基于服务质量的动态资源分配算法。该算法在空闲时频资源非连续情况下,只有当虚拟网络请求的生命周期足够长,满足重分配影响因子情况下,才优先为资源量小的虚拟网络请求重分配物理资源;在空闲时频资源连续情况下,综合考虑优先级、时间容忍和网络收益因素影响,为虚拟网络请求分配相适应的物理资源。仿真结果表明,该算法相对于传统基于生命周期的动态资源分配算法和贪婪动态分配,在实现物理资源高效利用的前提下,不但保障了虚拟网络请求的服务质量,而且降低了该算法的运行时间。     

基于猫群优化算法的云计算虚拟机资源负载均衡调度

为了提高虚拟机资源调度的利用率, 实现虚拟机资源合理调度, 提出一种基于猫群优化算法的虚拟机资源调度优化方法. 首先根据虚拟机资源调度优化目标构建数学模型; 然后综合考虑最短时间与最优负载构建猫群优化算法的适应度函数, 并通过模拟猫的日常行为实现虚拟机资源调度最优方案的寻优; 最后在CloudSim平台上对该算法的有效性进行测试. 测试结果表明, 该算法能获得更优的虚拟机资源调度方案, 保证了虚拟机资源的负载均衡, 可以满足用户需求的偏好性.