CN105978713B - 虚拟网络映射中基于弹性光网络的资源分配方法 - Google Patents

Abstract

一种虚拟网络映射中基于弹性光网络的资源分配方法，主要解决虚拟网络映射中基于弹性光网络的资源分配问题。具体步骤包括：1.构成虚拟网络；2.总体初始化；3.局部初始化；4.映射虚拟网络节点；5.计算虚拟网络节点适应度；6.记录映射结果；7.判断每一代蚂蚁中的蚂蚁个数是否为0；8.更新信息素矩阵；9.判断蚂蚁代数是否为0；10.获得虚拟网络节点的最终映射结果；11.虚拟网络链路映射。本发明通过采用适应性方法、连续邻接性方法，全面的评估了虚拟网络链路映射对物理网络节点的影响，降低了虚拟网络映射阻塞率和虚拟网络对物理网络链路资源的占用数量，提高了物理网络链路负载平衡。

Description

虚拟网络映射中基于弹性光网络的资源分配方法

技术领域

本发明属于通信技术领域，更进一步涉及有线通信技术领域中的一种虚拟网络映射中基于弹性光网络的资源分配方法。本发明可以应用于数据中心弹性光网络中为虚拟网络请求进行在数据中心弹性光网络中资源的分配。

背景技术

近年来，互联网对带宽需求极大地推动了高带宽、可拓展性强的通信和网络技术的发展。光纤通信网络具有的高带宽容量受到学术界与工业界的高度重视，被认为是未来网络体系中核心与骨干网中的重要组成部分。然而，现有光通信技术只能实现对光纤带宽资源相对粗糙的分配与调度，在高度动态的互联网流量方面的表现差强人意。为了克服现有光网络的这些缺陷，弹性光网络作为一种新兴的光网络技术应运而生，其相比于传统的波分复用(WDM)光网络具有更加精细的波长粒度。弹性光网络可以实现对频谱资源更加灵活的分配与调度，为每一个连接请求分配合适的带宽资源，达到子波长粒度，从而提高网络频谱资源的利用率。为了更好的利用弹性光网络，必须综合考虑和评价弹性光网络中的资源，虚拟网络映射中基于弹性光网络的资源分配方法就是用于解决这一问题的优化设计技术。

Sunny Shakya,Nabian Pradhan等人在其发表的论文“Virtual NetworkEmbedding Reconfiguration in Elastic Optical Networks”(Globecom 2014-OpticalNetworks and Systems Symposium)中提出一种基于一致连续性的虚拟网络映射(Alignment and Consecutiveness-aware Virtual Network Embedding,ACT-VNE)方法。该方法的具体步骤是，第一步：将物理节点按照连接连续性指标从大到小排序，将虚拟网络节点按照请求资源从大到小排序；第二步：按照顺序将虚拟网络节点按照约束条件映射到物理网络节点上，如果失败则虚拟网络映射失败；第三步：将虚拟网络链路按照带宽资源请求从大到小排序；第四步：按顺序对虚拟网络链路求其对应物理节点的k最短路径并且计算每条路径的相对连续性损失指标(Relative Consecutiveness Loss，RCL)，选择其中对RCL最小的一条进行映射，如果失败则虚拟网络映射失败。该方法存在的不足之处是，该方法对虚拟网络的映射进行一次映射导致阻塞率较高；由于虚拟网络链路路径的选择未考虑节点资源导致影响的误判，同样造成虚拟网络映射阻塞率较高。

西安电子科技大学在其申请的专利“一种基于SDN架构面向虚拟光网络的映射方法”(申请号：201510874461.6申请日：2015.12.02)中公开了一种基于SDN架构的面向虚拟光网络映射的文化基因方法。该方法的具体步骤是，第一步：确定虚拟请求和物理底层的各网络参数及拓扑结构图，并创建以VON-FP值为链路权值的拓扑辅助图，确定优化目标；第二步：将拓扑辅助图上的链路按VON-FP值升序排列，以便映射，根据虚拟请求进行分类，按照映射规则确定映射方式；第三步：制定文化基因算法框架，将分类好的虚拟请求用文化基因算法进行求解映射；第四步：重复迭代文化基因算法得出适应度函数最小时的最优映射方案。该方法存在的不足之处是，虚拟网络的映射并未考虑物理网络的负载，会导致映射资源分配集中在局部和虚拟网络占用物理网络链路资源大。

发明内容

本发明的目的在于克服上述现有技术的不足，提出一种适用于虚拟网络映射中基于弹性光网络的资源分配方法，本发明考虑物理网络节点周围的链路使用情况，在虚拟网络节点映射时以虚拟网络占用资源最小和对物理网络节点影响最小为目标，最后采用Dijkstra算法和最先适应算法将虚拟网络链路映射到物理网络上，有效降低了虚拟网络映射阻塞率和虚拟网络对物理链路资源频隙的占用数量，并且提高了物理网络链路负载平衡。

实现本发明的具体思路是：考虑物理网络节点周围的链路频隙使用情况，得出物理网络节点的连续度、邻接度和周围链路负载，从而计算出物理网络节点的适应度值，依据此适应度值并且以虚拟网络占用资源最小和对物理网络节点影响最小为目标，采用蚁群算法映射虚拟网络节点到物理网络上，最后采用Dijkstra算法和最先适应算法将虚拟网络链路映射到物理网络上，有效降低了虚拟网络映射阻塞率和虚拟网络对物理链路资源频隙的占用数量，并且提高了物理网络链路负载平衡。

本发明具体步骤如下：

(1)构成虚拟网络：

通过软件定义网络SDN网络架构的控制器，得到业务请求所需的计算资源和通信带宽，构成虚拟网络；

(2)总体初始化：

(2a)将信息素矩阵初始化为m×n的全1矩阵，其中，m表示虚拟网络节点个数，n表示物理网络节点个数；

(2b)将蚂蚁代数初始化为常数值100；

(3)局部初始化：

将每一代蚂蚁中的蚂蚁个数初始化为50，将禁忌表taboo初始化为1×n的全1矩阵，其中，n表示物理网络节点个数；

(4)映射虚拟网络节点：

(4a)采用连续邻接性方法，计算当前物理网络节点的评价指标；

(4b)采用适应性方法，计算当前每个物理网络节点的转移概率；

(4c)采用轮盘赌算法，根据当前每个物理网络节点的转移概率，映射虚拟网络节点到物理网络中，并将被映射的物理网络节点序号对应禁忌表taboo中的值置为0；

(5)计算虚拟网络节点适应度：

(5a)按照下式，计算虚拟网络链路的影响因子：

其中，I表示虚拟网络链路的影响因子，∑表示求和操作，r表示物理网络节点序号，∈表示属于符号，D表示虚拟网络链路映射结果，a_r'表示虚拟网络链路映射前的物理网络节点评价指标，a_r表示当前物理网络节点评价指标；

(5b)按照下式，计算虚拟网络节点适应度：

其中，F表示虚拟网络节点适应度，∑表示求和操作，i表示虚拟网络链路的序号，j表示物理网络链路的序号，∈表示属于符号，E^V表示虚拟网络链路集合，E^S表示物理网络链路集合，O_ij表示虚拟网络链路i占用物理网络链路j的频隙个数，I_i表示虚拟网络链路i在物理网络中映射的路径对物理网络节点的影响因子；

(6)记录映射结果：

将虚拟网络节点适应度记录到矩阵result，将虚拟网络节点的映射结果记录到矩阵NodeResult；

(7)判断每一代蚂蚁中的蚂蚁个数是否为0，若是，执行步骤(8)，否则，将蚂蚁每一代蚂蚁中的蚂蚁个数减1后执行步骤(4)；

(8)更新信息素矩阵：

(8a)采用上下界限制信息素增量方法，得到当前信息素矩阵；

(8b)用当前的信息素矩阵替代信息素矩阵；

(9)判断蚂蚁代数是否为0，若是，执行步骤(10)，否则，将蚂蚁代数减1后执行步骤(3)；

(10)获得虚拟网络节点的最终映射结果：

将最小的虚拟网络节点适应度所对应的虚拟网络节点映射结果，作为虚拟网络节点的最终映射结果；

(11)虚拟网络链路映射：

(11a)对每一条虚拟网络链路两个端点对应的物理网络节点，采用Dijkstra算法求得这两个物理网络节点的最短路径；

(11b)依据最先适应算法，将虚拟网络链路映射到到物理网络链路中。

本发明与现有技术相比具有如下优点：

第一，由于本发明采用适应性方法，使周围链路负载大的物理网络节点转移概率较小，在虚拟网络节点映射时避开周围链路频隙使用率高的物理网络节点，克服了虚拟网络的映射并未考虑物理网络的负载导致映射资源分配集中在局部和虚拟网络占用物理网络链路资源大的缺点，使得本发明具有了物理网络链路负载平衡和优化虚拟网络占用物理网络链路资源的优点。

第二，由于本发明采用蚁群算法多次映射，从中选择最小的虚拟网络节点适应度所对应的虚拟网络节点映射作为虚拟网络节点的最终映射结果，克服了现有技术中对虚拟网络的映射进行一次映射导致阻塞率较高的缺点，使得本发明具有了虚拟网络映射阻塞率小的优点。

第三，由于本发明在计算虚拟网络节点适应度时，连续邻接性方法，全面的评估了虚拟网络链路映射对物理网络节点的影响，克服了现有技术中由于虚拟网络链路路径的选择时未考物理网络虑节点资源导致影响的误判，使得本发明具有了物理网络资源使用率提高和虚拟网络映射的阻塞率降低的优点。

附图说明

图1为本发明的流程图；

图2为本发明仿真。

具体实施方式

下面结合附图对本发明做进一步的详细描述。

参照附图1，对本发明的具体步骤描述如下。

步骤1，构成虚拟网络。

通过SDN网络架构的控制器，得到业务请求所需的计算资源和通信带宽，构成虚拟网络。

步骤2，总体初始化。

将信息素矩阵初始化为m×n的全1矩阵，其中，m表示虚拟网络节点个数，n表示物理网络节点个数。

将蚂蚁代数初始化为常数值100。

步骤3，局部初始化。

将每一代蚂蚁中的蚂蚁个数初始化为常数值50，将禁忌表taboo初始化为1×n的全1矩阵，其中，n表示物理网络节点个数。

步骤4，映射虚拟网络节点。

采用连续邻接性方法，计算当前物理网络节点的评价指标。

采用适应性方法，计算当前每个物理网络节点的转移概率。

采用轮盘赌算法，根据当前每个物理网络节点的转移概率，映射虚拟网络节点到物理网络中，并将被映射的物理网络节点序号对应禁忌表taboo中的值置为0。

连续邻接性方法的具体步骤如下：

第1步：按照下式，计算物理网络中具有共同端点相邻链路的空闲频隙连续度：

其中，表示物理网络中具有共同端点相邻链路的空闲频隙连续度，slot_sub表示物理网络链路中频隙的序号，k和k'分别表示物理网络中具有共同端点的两个相邻物理网络的链路序号，&表示与操作，e_k和e_k'表示物理网络中具有共同端点的两个相邻物理网络链路的频隙向量，当物理网络链路中第slot_sub个频隙被占用时，e_k(slot_sub)的值为0，否则e_k(slot_sub)的值为1；

第2步：构成物理网络中具有共同端点相邻链路的空闲频隙连续向量：

其中，v_kk'表示物理网络中具有共同端点相邻链路的空闲频隙连续向量，表示物理网络中具有共同端点相邻链路的空闲频隙连续度；

第3步：按照下式，计算物理网络节点的频谱连续度：

其中，J_r表示物理网络节点的频谱连续度，r表示物理网络节点的序号，∑表示求和操作，k和k'分别表示物理网络中具有共同端点的两个相邻物理网络的链路序号，∈表示属于，E_r表示物理网络节点相连的链路集合，sum表示求和操作，v_kk'表示物理网络中具有共同端点相邻链路的空闲频隙连续向量，d表示物理网络节点相连的物理网络链路条数；

第4步：按照下式，计算物理网络节点的频谱邻接度：

其中，K_r表示物理网络节点的频谱邻接度，r表示物理网络节点的序号，∑表示求和操作，k和k'分别表示物理网络中具有共同端点的两个相邻物理网络的链路序号，∈表示属于符号，E_r表示物理网络节点相连的链路集合，N表示每个物理网络链路的频隙总数，|·|表示求绝对值操作，v_kk'表示物理网络中具有共同端点相邻链路的空闲频隙连续向量，v_kk'(z)表示空闲频隙连续向量v_kk'的第z个元素，d表示物理网络节点相连的物理网络链路条数；

第5步：按照下式，计算物理网络节点的相邻链路负载：

其中，L_r表示物理网络节点的相邻链路负载，r表示物理网络节点的序号，∑表示求和操作，s表示物理网络节点r相连的链路序号，∈表示属于，E_r表示物理网络节点相连的链路集合，sum表示将向量中的每个值求和，e_s表示物理网络链路的频隙向量，d表示物理网络节点相连的物理网络链路条数；

第6步：按照下式，依据物理网络节点的频谱连续度、频谱邻接度和相邻链路负载，计算当前物理网络节点的评价指标：

其中，a_r表示当前物理网络节点的评价指标，r表示物理网络节点的序号，c(r)表示物理网络节点r当前被占用的资源数量，max表示取最大值操作，J_r表示物理网络节点的频谱连续度，N表示每个物理网络链路的频隙总数，K_r表示物理网络节点的频谱邻接度，L_r表示物理网络节点的相邻链路负载。

适应性方法的具体步骤如下：

第1步：按照下式，计算满足虚拟网络节点资源需求的当前物理网络节点的适应：

其中，表示当前每个物理网络节点的转移概率，r^v表示虚拟网络节点序号，allowed表示此刻允许选择的物理网络节点的集合，r_al表示属于allowed集合的物理网络节点序号，∈表示属于符号，H表示信息素矩阵，a_r表示当前物理网络节点的评价指标，α表示信息启发式因子，β表示期望启发式因子，∑表示求和操作；

第2步：当前其余物理网络节点的转移概率赋值为0。

步骤5，计算虚拟网络节点适应度。

按照下式，计算虚拟网络链路的影响因子：

其中，I表示虚拟网络链路的影响因子，∑表示求和操作，r表示物理网络节点序号，∈表示属于符号，D表示虚拟网络链路映射结果，a_r'表示虚拟网络链路映射前的物理网络节点评价指标，a_r表示当前物理网络节点评价指标。

按照下式，计算虚拟网络节点适应度：

其中，F表示虚拟网络节点适应度，∑表示求和操作，i表示虚拟网络链路的序号，j表示物理网络链路的序号，∈表示属于，E^V表示虚拟网络链路集合，E^S表示物理网络链路集合，O_ij表示虚拟网络链路i占用物理网络链路j的频隙个数，I_i表示虚拟网络链路i在物理网络中映射的路径对物理网络节点的影响因子。

步骤6，记录映射结果。

将虚拟网络节点适应度记录到矩阵result，将虚拟网络节点的映射结果记录到矩阵NodeResult，蚂蚁个数减1，如果蚂蚁个数不为0，执行步骤4，否则，执行步骤7。

步骤7，判断每一代蚂蚁中的蚂蚁个数是否为0，若是，执行步骤8，否则，

将蚂蚁每一代蚂蚁中的蚂蚁个数减1后执行步骤4。

步骤8，更新信息素矩阵。

采用上下界限制信息素增量方法，得到当前信息素矩阵。

用当前的信息素矩阵替代信息素矩阵。

上下界限制信息素增量的具体步骤如下：

第1步：按照下式，计算信息素变化量：

其中，ΔH(r^v,r)表示信息素变化量，r^v表示虚拟网络节点的序号，r表示物理网络节点的序号，Q表示信息素总量常数，F表示目标函数值；

第2步：按照下式，更新当前虚拟网络节点映射结果中的物理网络节点信息素：

H(r^v,r)＝(1-ρ)·H(r^v,r)+ΔH(r^v,r)

其中，H表示信息素矩阵，r^v表示虚拟网络节点的序号，r表示物理网络节点的序号，ρ表示信息挥发系数，ΔH(r^v,r)表示信息素变化量；

第3步：按照下式，更新其余物理网络节点信息素：

H(r^v,r)＝(1-ρ)·H(r^v,r)

其中，H表示信息素矩阵，r^v表示虚拟网络节点的序号，r表示物理网络节点的序号，ρ表示信息挥发系数；

第4步：按照下式，计算约束后的信息素矩阵：

其中，H表示信息素矩阵，r^v表示虚拟网络节点的序号，r表示物理网络节点的序号，τ_min表示信息素值的下限，τ_max表示信息素值的上限。

步骤9，判断蚂蚁代数是否为0，若是，执行步骤10，否则，将蚂蚁代数减1后执行步骤3。

步骤10，获得虚拟网络节点的最终映射结果。

选择最小的虚拟网络节点适应度所对应的虚拟网络节点映射结果作为虚拟网络节点的最终映射结果。

步骤11，虚拟网络链路映射。

采用Dijkstra算法，对每一条虚拟网络链路，得到其两个端点对应的物理网络节点之间的最短路径，依据最先适应算法映射虚拟网络链路到物理网络链路中。

下面结合附图2对本发明的效果做进一步的描述。

1.仿真条件：

本发明仿真选取14节点的物理网络，每对物理网络节点之间存在物理网络链路的概率为0.23，每条物理网络链路的最大频谱个数均为150，每个物理网络节点资源大小为[300,400]的均匀分布。对于虚拟网络，虚拟网络节点个数为[2,5]的均匀分布，每对虚拟网络节点之间存在虚拟网络链路的概率为0.5，每条虚拟网络链路的请求频谱个数为[1,5]的均匀分布，每个虚拟网络节点所需资源大小为[1,3]的均匀分布。虚拟网络请求个数满足泊松分布，生存时间满足指数分布。

2.仿真内容：

本发明方法对虚拟网络分别进行5次仿真，5次仿真的泊松分布参数依次选取为5、10、15、20和25，在相同虚拟网络请求下对比本发明方法和，其中，本发明的方法命名为CCN-ACO(Continous Contiguity and Node Adaptive Algorithm)，Greedy-SP-FF(GreedySelection,Shortest Path and First-Fit Based Virtual Network EmbeddingAlgorithm)、RC-SP-FF(Resource Capacity,Shortest Path and First-Fit BasedVirtual Network Embedding Algorithm)和ACT-VNE(Alignment and Consecutiveness-aware Virtual Network Embedding)分别表示采用基于资源容量和最短路路径最先适应的贪婪虚拟网络映射方法、基于节点度和最短路路径最先适应拟网络映射方法和基于一致连续性的虚拟网络映射方法。

3.仿真结果分析：

图2是本发明方法CCN-ACO与基于资源容量和最短路路径最先适应的贪婪虚拟网络映射方法(Greedy-SP-FF)、基于节点度和最短路路径最先适应拟网络映射方法(RC-SP-FF)、基于一致连续性的虚拟网络映射方法(ACT-VNE)对比算法的仿真结果。

图2(a)是本发明方法与现有其他方法按照相同虚拟网络的映射仿真得到的虚拟网络映射阻塞率对比折线图，x轴表示虚拟网络平均到达速率，y轴表示虚拟网络映射阻塞率。图2(a)中以4种不同的折线表示了采用4种不同方法，以方框标识的折线表示采用基于资源容量和最短路路径最先适应的贪婪虚拟网络映射方法得到的虚拟网络映射阻塞率；以三角形标识的折线表示采用基于节点度和最短路路径最先适应拟网络映射方法得到的虚拟网络映射阻塞率；以星号标识的折线表示采用基于一致连续性的虚拟网络映射方法得到的虚拟网络映射阻塞率；以圆圈标识的折线表示采用本发明方法CCN-ACO得到的虚拟网络映射阻塞率。

图2(a)中可见以圆圈标识的折线明显低于其他折线，表明本发明方法的阻塞率要低于其他现有方法，故本发明方法相比于其他现有方法可以有效提高虚拟网络映射成功率。

图2(b)是本发明方法与现有其他方法按照相同虚拟网络的映射仿真得到的物理网络链路被占用频隙数的方差对比折线图，x轴表示虚拟网络平均到达速率，y轴表示物理网络链路被占用频隙数的方差。图2(b)中以4种不同的折线表示了采用4种不同方法，以方框标识的折线表示采用基于资源容量和最短路路径最先适应的贪婪虚拟网络映射方法得到的物理网络链路被占用频隙数的方差；以三角形标识的折线表示采用基于节点度和最短路路径最先适应拟网络映射方法得到的物理网络链路被占用频隙数的方差；以星号标识的折线表示采用基于一致连续性的虚拟网络映射方法得到的物理网络链路被占用频隙数的方差；以圆圈标识的折线表示采用本发明方法CCN-ACO得到的物理网络链路被占用频隙数的方差。

图2(b)可见中以圆圈标识的折线明于其他折线，表明本发明方法的物理网络链路平衡要优于其他现有方法，故本发明方法相比于其他现有方法可以避免虚拟网络映射集中在物理网络局部。

图2(c)是本发明方法与现有其他方法按照相同虚拟网络的映射仿真得到的虚拟网络链路所占用的物理链路资源与虚拟网络链路请求资源的比率对比柱状图，x轴表示虚拟网络平均到达速率，y轴表示虚拟网络链路所占用的物理链路资源与虚拟网络链路请求资源的比率。图2(c)中以4个不同的填充图案表示了采用4种不同方法，以加号填充的柱状图表示采用基于资源容量和最短路路径最先适应的贪婪虚拟网络映射方法得到的虚拟网络链路所占用的物理链路资源与虚拟网络链路请求资源的比率；以斜线填充的柱状图表示采用基于节点度和最短路路径最先适应拟网络映射方法得到的虚拟网络链路所占用的物理链路资源与虚拟网络链路请求资源的比率；以交叉斜线填充的柱状图表示采用基于一致连续性的虚拟网络映射方法得到的虚拟网络链路所占用的物理链路资源与虚拟网络链路请求资源的比率；以横线填充的柱状图表示采用本发明方法CCN-ACO得到的虚拟网络链路所占用的物理链路资源与虚拟网络链路请求资源的比率。图中以横线填充的柱状图明显低于其他柱状图，故本发明方法的虚拟网络所占用的物理网络链路资源比其他现有方法少。

图2(c)可见中以横线填充的柱状图明显低于其他柱状图，表明虚拟网络所占用的物理网络链路资源比其他现有方法少，故本发明方法相比于其他现有方法可以更好的优化虚拟网络占用物理网络链路资源。

Claims (4)

1.一种虚拟网络映射中基于弹性光网络的资源分配方法，具体步骤如下：

(1)构成虚拟网络：

通过软件定义网络SDN网络架构的控制器，得到业务请求所需的计算资源和通信带宽，构成虚拟网络；

(2)总体初始化：

(2a)将信息素矩阵初始化为m×n的全1矩阵，其中，m表示虚拟网络节点个数，n表示物理网络节点个数；

(2b)将蚂蚁代数初始化为常数值100；

(3)局部初始化：

将每一代蚂蚁中的蚂蚁个数初始化为50，将禁忌表taboo初始化为1×n的全1矩阵，其中，n表示物理网络节点个数；

(4)映射虚拟网络节点：

(4a)采用连续邻接性方法，计算当前物理网络节点的评价指标；

(4b)采用适应性方法，计算当前每个物理网络节点的转移概率；

(4c)采用轮盘赌算法，根据当前每个物理网络节点的转移概率，映射虚拟网络节点到物理网络中，并将被映射的物理网络节点序号对应禁忌表taboo中的值置为0；

(5)计算虚拟网络节点适应度：

(5a)按照下式，计算虚拟网络链路的影响因子：

其中，I表示虚拟网络链路的影响因子，∑表示求和操作，r表示物理网络节点序号，∈表示属于符号，D表示虚拟网络链路映射结果，a_r'表示虚拟网络链路映射前的物理网络节点评价指标，a_r表示当前物理网络节点评价指标；

(5b)按照下式，计算虚拟网络节点适应度：

其中，F表示虚拟网络节点适应度，∑表示求和操作，i表示虚拟网络链路的序号，j表示物理网络链路的序号，∈表示属于符号，E^V表示虚拟网络链路集合，E^S表示物理网络链路集合，O_ij表示虚拟网络链路i占用物理网络链路j的频隙个数，I_i表示虚拟网络链路i在物理网络中映射的路径对物理网络节点的影响因子；

(6)记录映射结果：

将虚拟网络节点适应度记录到矩阵result，将虚拟网络节点的映射结果记录到矩阵NodeResult；

(7)判断每一代蚂蚁中的蚂蚁个数是否为0，若是，执行步骤(8)，否则，将蚂蚁每一代蚂蚁中的蚂蚁个数减1后执行步骤(4)；

(8)更新信息素矩阵：

(8a)采用上下界限制信息素增量方法，得到当前信息素矩阵；

(8b)用当前的信息素矩阵替代信息素矩阵；

(9)判断蚂蚁代数是否为0，若是，执行步骤(10)，否则，将蚂蚁代数减1后执行步骤(3)；

(10)获得虚拟网络节点的最终映射结果：

将最小的虚拟网络节点适应度所对应的虚拟网络节点映射结果，作为虚拟网络节点的最终映射结果；

(11)虚拟网络链路映射：

(11a)对每一条虚拟网络链路两个端点对应的物理网络节点，采用Dijkstra算法求得这两个物理网络节点的最短路径；

(11b)依据最先适应算法，将虚拟网络链路映射到到物理网络链路中。

2.根据权利要求1所述的虚拟网络映射中基于弹性光网络的资源分配方法，其特征在于，步骤(4a)中所述连续邻接性方法的具体步骤如下：

第1步：按照下式，计算物理网络中具有共同端点相邻链路的空闲频隙连续度：

其中，表示物理网络中具有共同端点相邻链路的空闲频隙连续度，slot_sub表示物理网络链路中频隙的序号，k和k'分别表示物理网络中具有共同端点的两个相邻物理网络的链路序号，&表示与操作，e_k和e_k'表示物理网络中具有共同端点的两个相邻物理网络链路的频隙向量，当物理网络链路中第slot_sub个频隙被占用时，e_k(slot_sub)的值为0，否则e_k(slot_sub)的值为1；

第2步：构成物理网络中具有共同端点相邻链路的空闲频隙连续向量：

其中，v_kk'表示物理网络中具有共同端点相邻链路的空闲频隙连续向量，表示物理网络中具有共同端点相邻链路的空闲频隙连续度；

第3步：按照下式，计算物理网络节点的频谱连续度：

其中，J_r表示物理网络节点的频谱连续度，r表示物理网络节点的序号，∑表示求和操作，k和k'分别表示物理网络中具有共同端点的两个相邻物理网络的链路序号，∈表示属于符号，E_r表示物理网络节点相连的链路集合，sum表示求和操作，v_kk'表示物理网络中具有共同端点相邻链路的空闲频隙连续向量，d表示物理网络节点相连的物理网络链路条数；

第4步：按照下式，计算物理网络节点的频谱邻接度：

其中，K_r表示物理网络节点的频谱邻接度，r表示物理网络节点的序号，∑表示求和操作，k和k'分别表示物理网络中具有共同端点的两个相邻物理网络的链路序号，∈表示属于符号，E_r表示物理网络节点相连的链路集合，N表示每个物理网络链路的频隙总数，|·|表示求绝对值操作，v_kk'表示物理网络中具有共同端点相邻链路的空闲频隙连续向量，v_kk'(z)表示空闲频隙连续向量v_kk'的第z个元素，d表示物理网络节点相连的物理网络链路条数；

第5步：按照下式，计算物理网络节点的相邻链路负载：

其中，L_r表示物理网络节点的相邻链路负载，r表示物理网络节点的序号，∑表示求和操作，s表示物理网络节点r相连的链路序号，∈表示属于符号，E_r表示物理网络节点相连的链路集合，sum表示将向量中的每个值求和操作，e_s表示物理网络链路的频隙向量，d表示物理网络节点相连的物理网络链路数；

第6步：按照下式，依据物理网络节点的频谱连续度、频谱邻接度和相邻链路负载，计算当前物理网络节点的评价指标：

其中，a_r表示当前物理网络节点的评价指标，r表示物理网络节点的序号，c(r)表示物理网络节点r当前被占用的资源数量，max表示取最大值操作，J_r表示物理网络节点的频谱连续度，N表示每个物理网络链路的频隙总数，K_r表示物理网络节点的频谱邻接度，L_r表示物理网络节点的相邻链路负载。

3.根据权利要求1所述的虚拟网络映射中基于弹性光网络的资源分配方法，其特征在于，步骤(4b)中所述适应性方法的具体步骤如下：

第1步：按照下式，计算满足虚拟网络节点资源需求的当前物理网络节点的适应：

其中，表示当前每个物理网络节点的转移概率，r^v表示虚拟网络节点序号，allowed表示此刻允许选择的物理网络节点的集合，r_al表示属于allowed集合的物理网络节点序号，∈表示属于符号，H表示信息素矩阵，a_r表示当前物理网络节点的评价指标，α表示信息启发式因子，β表示期望启发式因子，∑表示求和操作；

第2步：当前其余物理网络节点的转移概率赋值为0。

4.根据权利要求1所述的虚拟网络映射中基于弹性光网络的资源分配方法，其特征在于，步骤(8a)中所述上下界限制信息素增量的具体步骤如下：

第1步：按照下式，计算信息素变化量：

其中，ΔH(r^v,r)表示信息素变化量，r^v表示虚拟网络节点的序号，r表示物理网络节点的序号，Q表示信息素总量常数，F表示目标函数值；

第2步：按照下式，更新当前虚拟网络节点映射结果中的物理网络节点信息素：

H(r^v,r)＝(1-ρ)·H(r^v,r)+ΔH(r^v,r)

其中，H表示信息素矩阵，r^v表示虚拟网络节点的序号，r表示物理网络节点的序号，ρ表示信息挥发系数，ΔH(r^v,r)表示信息素变化量；

第3步：按照下式，更新其余物理网络节点信息素：

H(r^v,r)＝(1-ρ)·H(r^v,r)

其中，H表示信息素矩阵，r^v表示虚拟网络节点的序号，r表示物理网络节点的序号，ρ表示信息挥发系数；

第4步：按照下式，计算约束后的信息素矩阵：

其中，H表示信息素矩阵，r^v表示虚拟网络节点的序号，r表示物理网络节点的序号，τ_min表示信息素值的下限，τ_max表示信息素值的上限。