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。     

一种低时延虚拟网络功能映射及调度优化算法

针对传统虚拟网络功能映射及调度服务时间长、不稳定的问题，提出了一种新的虚拟网络功能映射及调度优化算法。以虚拟网络功能链路传输时延与实例化时延整体最小化为目标，建立虚拟网络功能映射及调度模型，通过设计一种低时延映射及调度算法(GABL),根据虚拟网络功能与虚拟机之间的映射集合，优化虚拟网络功能映射节点的选择问题及调度顺序问题，求解出最短时间的网络功能虚拟化映射及调度方案。GABL算法采用两段式初始化技术，将虚拟网络功能和虚拟机分别进行初始化，提高初始解的质量；利用具有锦标赛策略的人工蜂群算法对问题进行求解，保留优秀基因与种群多样性，避免陷入局部最优；采用局部搜索算法在可行解附近进行寻优，加快求最优解的速度。仿真实验结果表明：GABL算法具有稳定性强、收敛性快等特点，能够有效降低虚拟网络功能映射及调度服务时间；与GATS算法相比，GABL算法的服务完成时间减少了15%。     

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.     

双均衡的集群存储资源映射方法

为了解决集群存储环境下的存储资源管理问题,提出一种双均衡的集群存储资源映射方法。该方法包含两个阶段:第一阶段基于LPT(longest processing time)算法求解集合划分问题,实现将虚拟存储资源请求均匀地分配到节点上;第二阶段基于Toyoda算法求解多维背包问题,用于进行节点内部设备级别的资源映射。这种两阶段的求解过程可以极大地简化集群存储资源映射问题的求解难度,并达到节点间负载均衡和节点内部多维度资源使用均衡的双均衡目标。模拟实验表明该方法不仅达到双均衡的资源映射目标,而且对不同维度、不同粒度的资源请求情况具有良好的适应性。     

基于可靠性保障的车联网中服务功能链映射算法

为支持未来交通系统中的海量服务,网络运营商将车辆作为移动智能终端加入物理设施网络来参与网络功能虚拟化是一种有前景的解决方案.然而,与静态网络不同,车联网的动态拓扑会使部分物理链路发生中断,使承载的虚拟链路失效,导致服务失败.以保障链路可靠性为约束,以提高服务映射成功率为优化目标,提出一种针对动态网络的服务功能链优化映射算法.首先,采用随机几何以及矩生成函数理论分析得出链路可靠性解析表达式,建立移动性物理网络中服务功能链的成功映射条件集合;其次,构造基于可靠性保障的服务功能链映射优化模型;最后,为了实现低复杂度求解,在可靠物理链路提取方案的基础上,采用子图同构的基本思想,结合匹配发散概率优化剪枝效率,并引入适应度匹配以提升映射成功率,从而提出高效映射算法.实验结果证明,与经典的属性排序映射算法以及设备位置映射算法相比,提出的算法能保障链路的可靠性,提高服务映射的成功率.     

基于时变图聚合的虚拟化服务链负载均衡方法

针对网络虚拟化背景下云数据中心服务功能链部署所引起局部资源负载不均衡问题,提出了基于时变图聚合的服务链负载均衡方法.通过将网络划分为一系列静态时变图,来描述时间窗内数据中心网络部署服务链的动态性,将静态时变图在时间序列上排列,并在相邻时变图上的同一节点之间建立链路,使之聚合为二维,从而将虚拟资源的分配问题转化为多商品流问题,并通过启发式算法高效地解决这一问题.实验结果表明,该方法与传统服务链部署方法相比,能有效降低最大链路利用率,并降低用户数据包的平均时延.     

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.     

基于复杂网络的服务链推荐方法

基于Web服务之间的可调用关系构建一个网络模型并分析了模型的特性.在这个模型上给出了一个服务链推荐方法.在确定可输出满足用户需求参数的Web服务之后,根据从网络模型中提取出的驱动服务集合信息逆向查找可以调用该服务的其他Web服务,以达到为用户推荐组合服务的目的.实验结果证明,本文提出的构建网络模型的方法可行,网络模型符合复杂网络的特性;采用服务链推荐方法可以在网络模型中得到符合用户需求的组合服务链.     

移动云计算嵌套式两阶段博弈计算卸载算法

移动云计算中,移动设备需要决定哪些应用部分卸载至云端处理,即计算卸载决策问题。针对这一问题,提出了一种嵌套式两阶段博弈算法。第一阶段中,移动设备决策其服务请求至云端处理的部分;第二阶段中,云端系统根据所有移动设备的服务请求到达率决策服务请求处理的资源分配。移动设备的目标是最小化功耗和服务请求响应时间,而云端系统的目标是最大化收益。基于向后归纳原则,利用凸优化方法求解了嵌套式两阶段博弈过程中移动设备和云端系统的最优策略,并证明算法可以产生唯一Nash均衡解。实验结果表明,比较基准算法,嵌套式两阶段博弈算法可以使移动设备同步降低平均功耗和平均服务请求响应时间分别约21. 8%和31. 9%。     

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。     

云边协同下基于多智能体强化学习的任务卸载策略

针对智能移动终端设备的资源有限性和未来网络架构需要云边协同能力等问题,提出了一种基于多智能体强化学习的任务卸载策略,通过部署Cybertwin智能体为用户设备所需卸载的任务合理分配资源,在保证终端设备的服务质量(QoS)要求的同时,最小化整个计算网络的总成本。首先联合设计Cybertwin智能服务代理、计算任务分配以及网络通信与算力等多维异构资源配置构建随机对策的马尔可夫博弈过程(MGP),使执行总延迟和总能耗之和最小。其次考虑到需要处理随机时变网络与动态资源请求的高维连续动作空间,采用了一种基于多智能体双延迟深度确定策略梯度(MATD3)的深度强化学习协同框架求解。仿真实验结果表明：与常见的单智能体学习算法和启发式方案相比,本文提出的MATD3方法具有较好的性能,在平均执行成本方面分别降低了25.61%和35.79%,在任务卸载率上分别提高了39.13%和77.76%。     

基于服务能力的VANET协同服务发现中间件

针对如何有效利用多个资源提供者为请求资源的车辆提供服务的问题,引入车辆服务能力的概念,面向城市车辆自组织网络(VANET)环境,提出了一种车联网协同服务发现中间件体系结构.该中间件可以根据车辆的内部资源和自身的物理属性,综合衡量其提供服务的能力.同时,设计了协同服务发现算法,将服务任务根据提供服务车辆的服务能力进行合理分配.计算可提供服务车辆的服务能力和协同服务车辆阈值,确定服务提供者列表.按照列表内各车辆的服务能力,将请求的服务任务进行分配,并将服务请求车辆与服务提供者进行服务绑定.仿真结果表明,与相同城市环境下的VITP算法相比,所提算法可降低服务绑定时间,并提高服务绑定成功率.     

Peer-to-Peer流量缓存部署建模

为了在网络中更好地部署对等网络(P2P)流量缓存,从而优化网络的性能,提出了一个评价方法量化在不同链路上部署P2P缓存的收益。基于该方法建立了最优化模型:在给定部署开销的约束下最大化收益。分析了问题复杂度,提出了优先选择收益开销比的链路进行部署的启发式算法求解。对实际校园网络的仿真结果表明:在10%的链路上部署P2P流量缓存,能够降低30%的平均链路利用率。该文提出的P2P流量缓存部署模型和算法可以有效地指导P2P缓存的部署,优化网络性能。     

采用OpenFlow交换机的服务器负载均衡策略

云数据中心对服务器的海量并发访问十分普遍.传统网络架构难以全局控制流量转发,需要配置昂贵的负载均衡器应对这一应用场景.软件定义网络SDN(software defined network)能够通过控制器全局掌控网络状态,并以交换机作为负载均衡器,从而降低部署成本.文中提出一种采用OpenFlow交换机的服务器负载均衡策略,通过多地址定向流表对服务请求进行分区映射,以活动连接数作为负载评估参数,通过蚁群算法求解最佳负载重定向方案.在负载迁移时,采用单地址定向流表来保证不同阶段流量的有序转发.实验结果显示,该策略能有效控制流表规模,并较传统均衡策略具有更优的性能.     

多跳无线网络中基于节点编码感知的组播路由协议

针对在编码感知组播路由协议CAMR中存在中间转发节点因计算编码流对不完全且有错误而导致不能充分发现节点的编码机会,以及RREQ请求分组中存在冗余开销和编码感知度量值重复计算等问题,提出一种适用于多跳无线网络的节点编码感知组播路由协议(node network coding aware multicast routing protocol,NAMP)。NAMP协议对节点编码流对算法进行了优化,以保证所计算出的编码流对具有可解性和完整性。在路由请求阶段,该协议去掉了RREQ分组中因循环添加中间节点的邻居信息和丢包率信息而产生的冗余信息,在路由回复阶段,该协议优化了中间节点收到多个RREP分组的回复方式,在不影响原有数据传输功能的前提下减小了网络开销。仿真结果表明:与CAMR和MAODV两种现有协议相比,NAMP协议提高了网络吞吐量,降低了网络控制开销,其中平均吞吐量提高了25.6%,网络控制开销降低了8.1%。     

Peer-to-Peer流量缓存部署建模

为了在网络中更好地部署对等网络(P2P)流量缓存,从而优化网络的性能,提出了一个评价方法量化在不同链路上部署P2P缓存的收益。基于该方法建立了最优化模型:在给定部署开销的约束下最大化收益。分析了问题复杂度,提出了优先选择收益开销比的链路进行部署的启发式算法求解。对实际校园网络的仿真结果表明:在10%的链路上部署P2P流量缓存,能够降低30%的平均链路利用率。该文提出的P2P流量缓存部署模型和算法可以有效的指导P2P缓存的部署,优化网络性能。     

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。     

软件定义网络中低成本流量数据采集算法

因为网络测量在软件定义网络中扮演着非常重要的角色,所以越来越多的测量算法相继被提出。根据测量方式,这些算法被分成两类:周期测量和自适应测量算法。无论何种算法,如果为每一个流量都发送数据采集请求会产生很大的通信开销,进而增加交换机的负载。为了降低采集流量数据的通信开销,该文首先提出一种基于非线性整数动态规划算法OpenCost,来决定每个流量的数据通过哪个交换机来采集。其次,为了降低算法的运行时间,提出一种贪心算法来近似求解上述最优化问题。最后,为了评估算法性能,搭建了仿真环境并进行了详细的仿真测试。测试结果表明:与其他流量数据请求算法相比,优化算法OpenCost可以降低系统采集流量数据通信开销的55%。     

基于改进粒子群算法的云计算服务部署优化

针对云计算资源有限,传统穷举搜索算法求解效率低的问题,提出一种基于改进粒子群算法的云计算服务部署优化方法.首先对云计算服务部署问题进行分析,将其转换成一个多目标组合优化问题,并建立相应的数学模型;然后采用全局搜索能力强的粒子群算法对数学模型进行求解,并针对标准粒子群算法收敛速度慢、存在早熟现象进行改进;最后通过仿真实验验证其可行性.实验结果表明,该方法可以快速找到最优的云计算服务部署方案.     

集成化服务链多目标全局优化模型与算法

基于集成化服务链网络模型和候选服务资源评价指标,建立集成化服务链的多目标全局优化模型,并提出一种基于改进多目标遗传算法的集成化服务链多目标全局优化算法。算法采用基于距离的无参数种群多样性度量算子,在适应值分配、精英保持和选择操作中均进行了种群多样性控制,能在满足多约束条件下同时优化多个目标,得到一组满足决策者不同主观偏好的Pareto全局最优解集。仿真实验表明算法具有全局收敛性并具有较好的解的质量和分布,能有效求解集成化服务链多目标全局优化问题。