The invention discloses a virtual network function placement method based on the population increment learning algorithm. In a given network topology, based on the incremental learning algorithm based on population and minimizing the service delay as an optimization objective, a virtual network function placement scheme satisfying the actual deployment requirements is worked out. The main features of the invention include two level coding mode, repair operation for illegal individuals and individual fitness. Freud algorithm is adopted to update the probability vector and update probability vector by mutation operation. The application of PBIL algorithm in solving the VNF P problem, simulation analysis and data show that compared with the genetic algorithm, the method of the invention has significant advantages in performance and efficiency, can get a smaller service delay solution, prove the feasibility and efficiency of the present invention.
【技术实现步骤摘要】
一种基于种群增量学习算法的虚拟网络功能放置方法
本专利技术涉及一种基于种群增量学习算法的虚拟网络功能放置方法,属于网络传输技术与虚拟化
技术介绍
近年来,用户对通信服务的请求变得越来越多样化和动态化。考虑到物联网(InternetofThings,IoT)的实现,这一趋势在未来会变得更加明显。以前,通信服务提供商一直在利用由专用硬件实现的网络功能,如防火墙和入侵检测系统来提供服务。然而,通过硬件解决方案来处理通信服务的多样化变得越来越困难,因为这需要消耗大量的资本成本和运营成本用于增加和维护新的通信服务。网络功能虚拟化(NetworkFunctionsVirtualization,NFV)是欧洲电信标准协会在2012年首次提出的新型网络架构。NFV能有效解决上述困难。NFV是电信广域网基础设施向虚拟化和商品化过渡的一种有效的途径。NFV的基本思想是将网络功能与专用硬件资源分开。这些网络功能在虚拟机上运行的软件(称为虚拟网络功能)中实现,而虚拟机运行在通用物理资源上。NFV可以动态地改变网络功能的部署位置。NFV中一个需要解决的问题是服务功能链(ServiceFunctionChaining,SFC)的部署问题。服务功能链是一系列有顺序约束的需要被虚拟化的网络功能(virtualizednetworkfunctions,VNF)的集合,如何动态连接虚拟化的网络功能,如防火墙、深度包检测(DeepPacketInspection,DPI)、网络地址转换(NetworkAddressTranslation,NAT)等,并将其合理地部署,这个过程是响应服 ...
【技术保护点】
一种基于种群增量学习算法的虚拟网络功能放置方法,在网络服务请求到达时,找到一种虚拟网络功能的放置位置,使获得的服务功能链在进行服务时所产生的链路时延与节点处理时延之和最小;其特征在于,包括:步骤1:读取原始拓扑G=(V,E),V表示拓扑中节点集合,每个节点包含相应的坐标信息,V中任意两个直接连通的节点间存在一条链路,E表示链路集合;通过V中节点的坐标信息计算E中任一链路的链路时延;以链路时延作和节点处理时延为算法的输入参数;步骤2:根据网络服务请求,获得待求的服务功能链中所有虚拟网络功能的顺序;每一个服务功能都可以部署在拓扑中满足约束条件的节点上;步骤3:初始化基于种群的增量学习算法的相关参数,包括设置种群规模为N,种群中每个个体为一长度为K的二进制串;设置算法的最大迭代次数MaxGen;初始化大小均为M的精英集合B和全局精英集合GE;全局精英集合GE中用于更新概率向量P的个体数为Q;其中,N、K、M、Q、MaxGen均为正整数;设迭代次数τ=0;步骤4:初始化概率向量P={pi|i=1,2,…,K},pi为0到1之间的实数,表示个体中第i位取1的概率;步骤5:对概率向量P进行取样,生 ...
【技术特征摘要】
1.一种基于种群增量学习算法的虚拟网络功能放置方法,在网络服务请求到达时,找到一种虚拟网络功能的放置位置,使获得的服务功能链在进行服务时所产生的链路时延与节点处理时延之和最小;其特征在于,包括:步骤1:读取原始拓扑G=(V,E),V表示拓扑中节点集合,每个节点包含相应的坐标信息,V中任意两个直接连通的节点间存在一条链路,E表示链路集合;通过V中节点的坐标信息计算E中任一链路的链路时延;以链路时延作和节点处理时延为算法的输入参数;步骤2:根据网络服务请求,获得待求的服务功能链中所有虚拟网络功能的顺序;每一个服务功能都可以部署在拓扑中满足约束条件的节点上;步骤3:初始化基于种群的增量学习算法的相关参数,包括设置种群规模为N,种群中每个个体为一长度为K的二进制串;设置算法的最大迭代次数MaxGen;初始化大小均为M的精英集合B和全局精英集合GE;全局精英集合GE中用于更新概率向量P的个体数为Q;其中,N、K、M、Q、MaxGen均为正整数;设迭代次数τ=0;步骤4:初始化概率向量P={pi|i=1,2,…,K},pi为0到1之间的实数,表示个体中第i位取1的概率;步骤5:对概率向量P进行取样,生成一个种群,并对种群中非法个体进行修复操作;所述种群中有N个个体,每个个体代表虚拟网络功能放置问题的一个解,每个解表示一种服务功能链在网络中的可行放置位置;步骤6:计算所述种群中N个个体的适应度值集合F,F={fi|i=1,2,…,N},fi为第i个个体的适应度值;每个个体的适应度值为该个体指定的所有链路时延与所有...
【专利技术属性】
技术研发人员:邢焕来,李嵩,李可,杨慧,叶佳,
申请(专利权)人:西南交通大学,
类型:发明
国别省市:四川,51
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。