基于遗传算法的VNF调度方案的确定方法及装置制造方法及图纸

技术编号:21166687 阅读:28 留言:0更新日期:2019-05-22 09:33
本发明专利技术实施例提供了一种基于遗传算法的VNF调度方案的确定方法及装置,其中,所述方法包括获取网络功能虚拟化NFV的网络拓扑图,网络服务的虚拟网络功能VNF映射方案,VNF的时间信息以及遗传算法的最大遗传代数,基于网络服务的所有VNF,生成多个调度方案,并将所有调度方案,作为遗传算法的解群体,利用VNF的时间信息及映射方案,计算解群体中每个个体的执行时间的总时延;利用总时延,确定每个个体的适应度,基于每个个体的适应度,产生新一子代解群体,利用新一子代解群体更新解群体,直至达到最大遗传代数,则确定解群体中最佳的调度方案以及最佳的调度方案中的总执行时间。

Method and Device for Determining VNF Scheduling Scheme Based on Genetic Algorithms

The embodiment of the present invention provides a method and device for determining a VNF scheduling scheme based on genetic algorithm. The method includes acquiring network topology diagram of network function virtualization NFV, VNF mapping scheme of virtual network function of network service, time information of VNF and maximum genetic algebra of genetic algorithm, generating multiple scheduling schemes based on all VNF of network service, and Taking all scheduling schemes as the solution population of genetic algorithm, the total execution time delay of each individual in the solution population is calculated by using the time information and mapping scheme of VNF; the fitness of each individual is determined by using the total time delay, and a new generation solution population is generated based on the fitness of each individual, and the solution population is updated by the new generation solution population until the maximum genetic algebra is reached. Then the optimal scheduling scheme in the solution group and the total execution time in the optimal scheduling scheme are determined.

【技术实现步骤摘要】
基于遗传算法的VNF调度方案的确定方法及装置
本专利技术涉及通信
,特别是涉及一种基于遗传算法的虚拟网络功能(VirtualNetworkFeature,简称VNF)调度方案的确定方法及装置。
技术介绍
网络功能虚拟化(NetworkFunctionVirtualization,简称NFV)技术是一种利用虚拟化技术来部署和管理网络服务的新技术,它将物理网络设备(也就是网络设备)与其上运行的功能分离,使网络功能不再依赖于专用硬件,最大程度上提高了资源利用率。NFV的资源分配问题可以划分为1、VNF链的组成;2、VNF转发图的映射;3、VNF调度等三个阶段。但,目前多数研究都集中在第1阶段和第2阶段,第3阶段很少有人关注。随着网络规模的扩大,用户的需求也逐渐增多,为了保证网络服务的服务质量,VNF调度问题被重视起来。第3阶段中的NFV是将数据中心的各种网络设备类型的软硬件功能分离,将软件功能转移到服务器上,由服务器来完成相应功能。第3阶段中的VNF调度的最主要目的就是以适当的方式来执行每个服务器上所映射的VNF,在保证网络服务性能和VNF依赖性的前提下,最小化总的执行时间,从而改进网络服务的性能。目前相关技术中可以采用如下主要步骤进行VNF调度:相关技术中,在不同的网络条件下,基于不同的贪婪算法和基于禁忌搜索的启发式算法来对VNF的参数进行评估,确定网络服务的最小化总的执行时间;VNF的参数包括总的服务处理时间、接受率、收入、成本等。但是,由于相关技术针对不同的网络条件,而网络条件不同,网络的复杂度不同。对不同的网络条件,VNF调度需要考虑的因素较多,但是目前相关技术只考虑对虚拟网络功能的处理时间,对VNF调度的结果会有很大的影响,确定的网络服务的最小化总的执行时间准确性较低。
技术实现思路
本专利技术实施例的目的在于提供一种基于遗传算法的VNF调度方案的确定方法及装置,用以解决相关技术只考虑对虚拟网络功能的处理时间,对VNF调度的结果会有很大的影响,确定的网络服务的最小化总的执行时间准确性较低的技术问题。具体技术方案如下:第一方面,本专利技术实施提供了基于遗传算法的VNF调度方案的确定方法,包括:获取网络功能虚拟化NFV的网络拓扑图,网络服务的虚拟网络功能VNF映射方案,VNF的时间信息以及遗传算法的最大遗传代数,所述VNF的时间信息包含:VNF等待时延、VNF处理时延及VNF传输时延;基于网络服务的所有VNF,生成多个调度方案,并将所有调度方案,作为所述遗传算法的解群体,所述解群体中的一个个体为一个调度方案,所述调度方案包含所述网络拓扑图中每个节点调度VNF的执行时间表;利用所述VNF的时间信息及所述映射方案,计算所述解群体中每个个体的执行时间的总时延;利用所述总时延,确定所述每个个体的适应度,其中,所述适应度最强对应总时延最短的个体;基于所述每个个体的适应度,从所有个体中选择满足预设适应度的个体、基于所有个体中其余个体进行交叉,以及基于所述其余个体的VNF的执行顺序进行变异,产生新一子代解群体,所述其余个体为所有个体中除所述满足预设适应度的个体以外的个体;利用所述新一子代解群体更新所述解群体,若未达到最大遗传代数,则返回继续执行利用所述VNF的时间信息及所述映射方案,计算所述解群体中每个个体的执行时间的总时延的步骤,直至达到最大遗传代数,则确定所述解群体中最佳的调度方案以及所述最佳的调度方案中的总执行时间。进一步的,所述基于网络服务的所有VNF,生成多个调度方案,包括:按照最长网络服务剩余处理时间,由长到短的顺序对网络服务的所有VNF进行排序,生成多个调度方案。进一步的,所述基于所述每个个体的适应度,从所有个体中选择满足预设适应度的个体、基于所有个体中其余个体进行交叉,以及基于所述其余个体的VNF的执行顺序进行变异,产生新一子代解群体,包括:利用所述每个个体的适应度,从所有个体中选择适应度大于预设适应度的个体,并将选择的个体加入新一子代解群体;基于所有个体中其余个体进行交叉,确定交叉后个体及多组未发生交叉的两个个体;将所述交叉后个体及所有组未发生交叉的两个个体,加入所述新一子代解群体;基于所述其余个体中VNF的执行顺序进行变异,得到变异后个体;确定变异后个体的适应度强于变异前个体的适应度,则将所述变异后个体,加入所述新一子代解群体,得到所述新一子代解群体。进一步的,所述利用所述VNF的时间信息及所述映射方案,计算所述解群体中每个个体的执行时间的总时延,包括:ε=max(ti)其中,所述s表示网络服务,j表示VNF的序号,i表示网络服务s的序号,所述li表示网络服务si的长度,所述表示所述映射方案中i,j是否映射在网络拓扑图中节点n上,对应的取值为1或0,所述fi,j表示网络服务si中第j个VNF,n表示所述网络拓扑图中的节点,所述表示fi,j在网络拓扑图中节点n上的VNF处理时延,所述表示fi,j在网络拓扑图中节点n上的VNF等待时延,所述表示的VNF传输时延,所述表示连接fi,j与fi,k之间的链路,所述fi,k表示网络服务si中第k个VNF,的上角标i表示属于网络服务si,的下角标j,k分别表示网络服务si中第j、k个VNF,所述ε表示解群体中每个个体的执行时间的总时延;所述利用所述总时延,确定所述每个个体的适应度,包括:其中,所述g为每个个体的适应度。进一步的,所述基于所有个体中其余个体进行交叉,确定交叉后个体及多组未发生交叉的两个个体,包括:利用所有个体的最大适应度及平均适应度,得到所述其余个体的两个个体即将发生交叉的交叉概率;根据所述交叉概率,将发生交叉的两个个体进行交叉,得到交叉后个体;根据所述交叉概率,将所有未发生交叉的两个个体,确定为多组未发生交叉的两个个体。进一步的,所述确定变异后个体的适应度强于变异前个体的适应度,则将所述变异后个体,加入所述新一子代解群体,包括:确定所述变异后个体中VNF的总执行时间相对于所述变异前个体的总执行时间的增量;若所述增量为正值,则确定所述变异后个体的适应度弱于所述变异前个体的适应度,拒绝所述变异后个体;若所述增量为负值,则确定所述变异后个体的适应度强于所述变异前个体的适应度,接受所述变异后个体,并将所述变异后个体,加入新一子代解群体。进一步的,所述确定变异后个体的适应度强于变异前个体的适应度,则将所述变异后个体,加入所述新一子代解群体,包括:确定所述变异后个体中VNF的总执行时间相对于所述变异前个体的总执行时间的增量;若所述增量为正值,则确定所述变异后个体的适应度弱于所述变异前个体的适应度,利用退火概率公式,确定是否发生变异;其中,所述退火概率公式如下:γ=exp(δ/T)其中,γ表示退火概率,δ表示所述变异后个体中VNF的总执行时间相对于所述变异前个体的总执行时间的增量,T表示所述变异前个体的总执行时间;若所述增量为负值,则确定所述变异后个体的适应度强于所述变异前个体的适应度,接受所述变异后个体,并将所述变异后个体,加入新一子代解群体。第二方面,本专利技术实施提供了基于遗传算法的VNF调度方案的确定装置,包括:获取模块,用于获取网络功能虚拟化NFV的网络拓扑图,网络服务的虚拟网络功能VNF映射方案,VNF的时间信息以及遗传算法的最大遗传代数,所述V本文档来自技高网
...

【技术保护点】
1.一种基于遗传算法的VNF调度方案的确定方法,其特征在于,包括:获取网络功能虚拟化NFV的网络拓扑图,网络服务的虚拟网络功能VNF映射方案,VNF的时间信息以及遗传算法的最大遗传代数,所述VNF的时间信息包含:VNF等待时延、VNF处理时延及VNF传输时延;基于网络服务的所有VNF,生成多个调度方案,并将所有调度方案,作为所述遗传算法的解群体,所述解群体中的一个个体为一个调度方案,所述调度方案包含所述网络拓扑图中每个节点调度VNF的执行时间表;利用所述VNF的时间信息及所述映射方案,计算所述解群体中每个个体的执行时间的总时延;利用所述总时延,确定所述每个个体的适应度,其中,所述适应度最强对应总时延最短的个体;基于所述每个个体的适应度,从所有个体中选择满足预设适应度的个体、基于所有个体中其余个体进行交叉,以及基于所述其余个体的VNF的执行顺序进行变异,产生新一子代解群体,所述其余个体为所有个体中除所述满足预设适应度的个体以外的个体;利用所述新一子代解群体更新所述解群体,若未达到最大遗传代数,则返回继续执行利用所述VNF的时间信息及所述映射方案,计算所述解群体中每个个体的执行时间的总时延的步骤,直至达到最大遗传代数,则确定所述解群体中最佳的调度方案以及所述最佳的调度方案中的总执行时间。...

【技术特征摘要】
1.一种基于遗传算法的VNF调度方案的确定方法,其特征在于,包括:获取网络功能虚拟化NFV的网络拓扑图,网络服务的虚拟网络功能VNF映射方案,VNF的时间信息以及遗传算法的最大遗传代数,所述VNF的时间信息包含:VNF等待时延、VNF处理时延及VNF传输时延;基于网络服务的所有VNF,生成多个调度方案,并将所有调度方案,作为所述遗传算法的解群体,所述解群体中的一个个体为一个调度方案,所述调度方案包含所述网络拓扑图中每个节点调度VNF的执行时间表;利用所述VNF的时间信息及所述映射方案,计算所述解群体中每个个体的执行时间的总时延;利用所述总时延,确定所述每个个体的适应度,其中,所述适应度最强对应总时延最短的个体;基于所述每个个体的适应度,从所有个体中选择满足预设适应度的个体、基于所有个体中其余个体进行交叉,以及基于所述其余个体的VNF的执行顺序进行变异,产生新一子代解群体,所述其余个体为所有个体中除所述满足预设适应度的个体以外的个体;利用所述新一子代解群体更新所述解群体,若未达到最大遗传代数,则返回继续执行利用所述VNF的时间信息及所述映射方案,计算所述解群体中每个个体的执行时间的总时延的步骤,直至达到最大遗传代数,则确定所述解群体中最佳的调度方案以及所述最佳的调度方案中的总执行时间。2.如权利要求1所述的方法,其特征在于,所述基于网络服务的所有VNF,生成多个调度方案,包括:按照最长网络服务剩余处理时间,由长到短的顺序对网络服务的所有VNF进行排序,生成多个调度方案。3.如权利要求1或2所述的方法,其特征在于,所述基于所述每个个体的适应度,从所有个体中选择满足预设适应度的个体、基于所有个体中其余个体进行交叉,以及基于所述其余个体的VNF的执行顺序进行变异,产生新一子代解群体,包括:利用所述每个个体的适应度,从所有个体中选择适应度大于预设适应度的个体,并将选择的个体加入新一子代解群体;基于所有个体中其余个体进行交叉,确定交叉后个体及多组未发生交叉的两个个体;将所述交叉后个体及所有组未发生交叉的两个个体,加入所述新一子代解群体;基于所述其余个体中VNF的执行顺序进行变异,得到变异后个体;确定变异后个体的适应度强于变异前个体的适应度,则将所述变异后个体,加入所述新一子代解群体,得到所述新一子代解群体。4.如权利要求1或2所述的方法,其特征在于,所述利用所述VNF的时间信息及所述映射方案,计算所述解群体中每个个体的执行时间的总时延,包括:ε=max(ti)其中,所述s表示网络服务,j表示VNF的序号,i表示网络服务s的序号,所述li表示网络服务si的长度,所述表示所述映射方案中fi,j是否映射在网络拓扑图中节点n上,对应的取值为1或0,所述fi,j表示网络服务si中第j个VNF,n表示所述网络拓扑图中的节点,所述表示fi,j在网络拓扑图中节点n上的VNF处理时延,所述表示fi,j在网络拓扑图中节点n上的VNF等待时延,所述表示的VNF传输时延,所述表示连接fi,j与fi,k之间的链路,所述fi,k表示网络服务si中第k个VNF,的上角标i表示属于网络服务si,的下角标j,k分别表示网络服务si中第j、k个VNF,所述ε表示解群体中每个个体的执行时间的总时延;所述利用所述总时延,确定所述每个个体的适应度,包括:其中,所述g为每个个体的适应度。5.如权利要求3所述的方法,其特征在于,所述基于所有个体中其余个体进行交叉,确定交叉后个体及多组未发生交叉的两个个体,包括:利用所有个体的最大适应度及平均适应度,得到所述其余个体的两个个体即将发生交叉的交叉概率;根据所述交叉概率,将发生交叉的两个个...

【专利技术属性】
技术研发人员:王颖李琪邱雪松李文璟
申请(专利权)人:北京邮电大学
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 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。

1