一种基于小生境的多目标粒子群优化的虚拟网络映射方法技术
【技术实现步骤摘要】
本专利技术涉及一种虚拟网络智能优化方法，特别是涉及多目标的虚拟网络映射智能优化方法，属于虚拟网络
技术介绍
随着互联网技术的飞速发展，目前的尽力而为的因特网框架已经不能满足日益增长的网络用户的需求。在已有的互联网架构上部署新的协议和开发新的应用变得十分困难。互联网的架构呈现僵化现象。网络虚拟化技术被认为是解决网络僵化问题的关键技术之一。虚拟网络映射最近成为学者研究的热点之一，虚拟网络映射主要是把带有CPU容量和带宽约束的虚拟网络请求映射到底层物理网络上，主要分为两个阶段：虚拟节点映射阶段和虚拟链路映射阶段。虚拟节点映射就是把虚拟节点映射到底层物理节点上；虚拟链路映射就是把虚拟链路映射到底层一条物理路径上。相较单目标的虚拟网络映射算法，多目标增强的虚拟网络映射算法能更加全面地表征虚拟网络映射算法的有效性，进而提高运营商的收益，同时减少映射成本消耗。因此，多目标的虚拟网络映射算法如今已经越来越受到研究学者的关注。在目前的虚拟网络映射算法中，主要考虑运营商的收益/成本比和接受率等指标，也有论文还考虑长期收益和长期成本等等。传统的单目标的虚拟网络映射算法主要针...
【技术保护点】
一种基于小生境的多目标粒子群优化的虚拟网络映射方法，其特征在于：本方法的实施步骤如下，对虚拟节点映射方案进行离散编码为粒子的位置；将虚拟网络映射的收益和资源消耗作为适应度函数以评价当前方案；每个粒子在迭代过程中根据个体最优信息和全局最优信息来调整自己的位置，以获得虚拟网络映射的近似最优解；通过聚类策略把多约束的问题转变为单约束的问题，利用一个适应度函数来完成；并通过实验模拟仿真验证该算法的有效性；具体包括如下步骤：(1)对虚拟节点映射方案进行离散编码粒子的位置向量被定义为第i个可能的映射方案，D表示该虚拟网络请求中共包含D个虚拟网络节点；取正整数，其值表示第j个虚拟节点从其...
【技术特征摘要】
1.一种基于小生境的多目标粒子群优化的虚拟网络映射方法，其特征在于：本方法的实施步骤如下，对虚拟节点映射方案进行离散编码为粒子的位置；将虚拟网络映射的收益和资源消耗作为适应度函数以评价当前方案；每个粒子在迭代过程中根据个体最优信息和全局最优信息来调整自己的位置，以获得虚拟网络映射的近似最优解；通过聚类策略把多约束的问题转变为单约束的问题，利用一个适应度函数来完成；并通过实验模拟仿真验证该算法的有效性；具体包括如下步骤：(1)对虚拟节点映射方案进行离散编码粒子的位置向量被定义为第i个可能的映射方案，D表示该虚拟网络请求中共包含D个虚拟网络节点；取正整数，其值表示第j个虚拟节点从其底层网络候选节点列表中选择的底层网络节点编号；(2)通过聚集策略确定多目标的适应度函数一般的粒子群优化算法都是针对单一目标的；主要的原因在于基本的粒子群优化算法中，衡量每个粒子的优劣的适应度函数一般都是一个单目标的简单函数；为了解决多目标的粒子群优化问题，最常用的方法就是聚集；通过聚集能够使多个目标的优化问题很容易地转变为单目标的优化问题；首先，假设收益为E(Gv)，成本消耗为C(Gv)，对上述两个度量指标进行归一化得到E(Gv)n和C(Gv)n；然后，加权求和给出多目标的适应度函数：f(Gυ)＝αC(Gυ)n+(1-α)E(Gυ)n这样，就通过聚集策略把多目标的优化问题转变为单目标的优化问题；(3)利用小生境粒子群优化算法解决局部最优问题传统的粒子群优化算法容易陷入局部最优；本方法利用小生境粒子群优化算法，把整个搜索空间划分为多个局部的子空间；在每个子空间中，并行地独立地运行基本的粒子群优化算法；(4)多目标增强的小生境粒子群优化过程如下：(5)计算收益和能量消耗通过GT-ITM网络拓扑生成工具生成虚拟网络和物理网络的拓扑结构；虚拟网络和物理网络都是以文件的形式存储，通过C++实现多目标增强的粒子群优化的虚拟网络映射算法。2.根据权利要求1所述的一种基于小生境的多目标粒子群优化的虚拟网络映射方法，其特征在于：本方法包括以下步骤，步骤一，对虚拟节点映射方案进行离散编码为粒子的位置和速度；【粒子的位置】粒子的位置向量被定义为第i个可能的映射方案；D表示该虚拟网络请求中共包含D个虚拟网络节点；取正整数，其值表示第j个虚拟节点从其底层网络候选节点...
【专利技术属性】
技术研发人员：姚海鹏，张培颖，方超，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。