一种基于种群增量学习算法的虚拟网络功能放置方法技术

本发明专利技术公开了一种基于种群增量学习算法的虚拟网络功能放置方法。在给定网络拓扑上通过运用基于种群的增量学习算法，以最小化服务时延为优化目标，计算出一种满足实际部署要求的虚拟网络功能放置方案。本发明专利技术的主要特征包括二级编码方式、对非法个体进行修复操作、求个体适应度时采用弗洛伊德算法、通过保存全局精英集合指导概率向量的更新以及变异操作改变概率向量等。本发明专利技术在解决VNF‑P问题上应用了PBIL算法，仿真实验与数据分析表明，相比于遗传算法，本发明专利技术的方法在算法性能上和效率上都具有显著优势，能获得使服务时延更小的解，证明了本发明专利技术的可行性和高效性。

A virtual network function placement method based on population increment learning algorithm

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，这个过程是响应服务请求的关键。许多研究人员对该问题进行了研究，我们称之为虚拟网络功能放置(VNFPlacement)问题，简称VNF-P问题。VNF-P问题可以看作是设备选址问题的一个实例，这个问题是一个NP-hard问题。对于该类问题，我们很难得到它的最优解，一般我们采用进化算法来求得它的近似最优解。目前该问题多采用遗传算法(GeneticAlgorithm，GA)进行求解。基于种群的增量学习(Population-BasedIncrementalLearning，PBIL)算法是一种分布估计算法(EstimationofDistributionAlgorithm，EDA)。PBIL算法将进化过程视为学习过程，用进化所获得的知识——概率向量来指导产生后代。这种操作使得后代的产生更具有方向性，因此能获得更快的收敛速度以及更优的效果。
技术实现思路
本专利技术的目的是采用PBIL算法解决VNF-P问题，以获得到更优的优化效果。实现本专利技术目的的技术方案如下：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节点处理时延之和；如果该个体中存在指定的两个节点之间未直接连接，则求得这两个未直接连接节点的最短路径，并以该最短路径中所有链路时延之和，加上该个体中其它链路时延与节点处理时延，作为该个体的适应度值；步骤7：根据适应度值，找到所述种群中最优的M个个体，0<M<N，作为当前种群的精英集合Β，记作Β＝{β1，β2，…，βM}；用精英集合Β指导更新全局精英集合GE，记作GE＝{ge1，ge2，…，geM}；更新后的全局精英集合GE为当前最优的M个个体的集合；步骤8：随机选取全局精英集合GE中的Q个个体，1<Q<M，用于更新概率向量P；步骤9：以变异概率Pmutation对概率向量P的每一位pi进行变异操作；设置τ＝τ+1；步骤10：若迭代次数τ<MaxGen，则转到步骤5；否则输出当前适应度值最优的个体为最优解。进一步的技术方案,所述步骤5中对种群中非法个体进行修复操作的方法为：将每个个体等分成多个二进制段，在可以表示个体的二进制段中，有一部分二进制段是合法的，其它二进制段是非法的，含有非法二进制段的个体为非法个体；对于非法个体中的非法二进制段，从对应的合法的二进制段按等概率选择一个去替换非法的二进制段，使非法个体修复为合法个体。进一步的技术方案，所述步骤6中求得两个未直接连接节点的最短路径，采用弗洛伊德算法。与现有技术相比，本专利技术的有益效果：本专利技术在解决VNF-P问题上应用了PBIL算法，优化结果优于目前已提出的GA。利用本专利技术，在符合节点部署所需的条件下，尽可能地减少了时延，对于网络的通信与传输来说，意义重大。附图说明本专利技术将参照附图的方式说明，其中：图1为本专利技术使用的PBIL算法的流程图；图2为本专利技术与GA在场景一下所用的拓扑图；图3为本专利技术与GA在场景一下的历史最优适应度对比图；图4为本专利技术与GA在场景一下的历代平均适应度对比图；图5为本专利技术与GA在场景二下的历史最优适应度对比图；图6为本专利技术与GA在场景二下的历代平均适应度对比图；图7为本专利技术与GA在场景三下的历史最优适应度对比图；图8为本专利技术与GA在场景三下的历代平均适应度对比图；图9为本专利技术与GA在场景四下的历史最优适应度对比图；图10为本专利技术与GA在场景四下的历代平均适应度对比图。具体实施方式本专利技术采用PBIL算法来解决VNF-P问题，其主要处理流程见附图1所示。1、首先介绍一下VNF-P问题。随着NFV技术的提出与发展，网络运营商开始使用NFV技术实现网络服务。网络服务的实现需要部署一系列有顺序约束的网元功能集合，从而实现所需要的功能服务，该功能服务集合被称为服务功能链。在该集合中，不同的虚拟网络功能，具有不同的功能表现，需要根据一定的部署策略在底层网络中选择部署位置与服务路径，该问题即为VNF-P问题。一个底层物理网络可以表示为一个无向有权拓扑图G，G＝(V，E)。其中，V代表拓扑上的节点集合，本文档来自技高网...

【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节点处理时延之和；如果该个体中存在指定的两个节点之间未直接连接，则求得这两个未直接连接节点的最短路径，并以该最短路径中所有链路时延之和，加上该个体中其它链路时延与节点处理时延，作为该个体的适应度值；步骤7：根据适应度值，找到所述种群中最优的M个个体，0<M<N，作为当前种群的精英集合Β，记作Β＝{β1，β2，…，βM}；用精英集合Β指导更新全局精英集合GE，记作GE＝{ge1，ge2，…，geM}；更新后的全局精英集合GE为当前最优的M个个体的集合；步骤8：随机选取全局精英集合GE中的Q个个体，1<Q<M，用于更新概率向量P；步骤9：以变异概率Pmutation对概率向量P的每一位pi进行变异操作；设置τ＝τ+1；步骤10：若迭代次数τ<MaxGen，则转到步骤5；否则输出当前适应度值最优的个体为最优解。...

【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