CN109995580A - 5g网络切片中基于ga_pso混合算法的vn映射方法 - Google Patents

5g网络切片中基于ga_pso混合算法的vn映射方法 Download PDF

Info

Publication number
CN109995580A
CN109995580A CN201910186682.2A CN201910186682A CN109995580A CN 109995580 A CN109995580 A CN 109995580A CN 201910186682 A CN201910186682 A CN 201910186682A CN 109995580 A CN109995580 A CN 109995580A
Authority
CN
China
Prior art keywords
domain
node
algorithm
network
particle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910186682.2A
Other languages
English (en)
Other versions
CN109995580B (zh
Inventor
秦华
蒋通通
黄琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN201910186682.2A priority Critical patent/CN109995580B/zh
Publication of CN109995580A publication Critical patent/CN109995580A/zh
Application granted granted Critical
Publication of CN109995580B publication Critical patent/CN109995580B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/04—Network management architectures or arrangements
    • H04L41/044—Network management architectures or arrangements comprising hierarchical management structures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L47/00—Traffic control in data switching networks
    • H04L47/70—Admission control; Resource allocation
    • H04L47/78—Architectures of resource allocation
    • H04L47/782—Hierarchical allocation of resources, e.g. involving a hierarchy of local and centralised entities
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了5G网络切片中基于GA_PSO混合算法的VN映射方法，步骤(1)5G端到端网络切片的场景下，提出一种基于域间协同器的多域切片架构。步骤(2)根据移动通信网络跨域网络切片的特点，设计资源匹配算法，确定VN对应的管理域；利用粒子群算法中粒子记忆的特点，以及快速寻优的能力，结合现有的基于GA的VN划分算法，重新构造了目标函数。通过对5G网络切片的研究，分析了5G端到端网络切片的创建过程中跨域虚拟网络嵌入算法在其中有着至关重要的作用。本方法利用粒子群算法中“粒子”的记忆的特性解决了原算法中存在的收敛速度慢，全局搜索能力差的问题。

Description

5G网络切片中基于GA_PSO混合算法的VN映射方法
技术领域
本发明涉及一种5G网络切片中基于GA_PSO混合算法的VN映射方法，属于互联网应用技术领域。
背景技术
为实现5G的愿景，达到网络可灵活定制的目的，互联网领域中已较为成熟的虚拟化技术成为驱动电信网络转型的关键技术，虚拟化技术以虚拟网络、网络功能虚拟化、软件定义网络为代表，是网络转型的驱动力量。虚拟化技术的内涵在于对底层物理资源进行抽象，形成可以集中式灵活调度发资源池，基于此实现多个逻辑网络共享底层物理资源的情况。丰富的业务场景和业务指标促使5G不再构建一个“大而全”的网络，而是根据业务场景需求将通用的网络基础设切分为多个虚拟专用网络,分别承载不同的业务，这就是网络切片，示意图如图1所示。虚拟化技术是网络切片的基础，对网络切片的研究离不开对虚拟化技术的研究。
目前针对5G网络切片还未有成熟的标准，基于对标准组织提出的5G网络切片的构想的了解，通过分析网络切片创建的流程，可知网络切片创建的过程是不仅包含对应用需求进行编排，还要在满足应用需求的基础上在VN划分阶段降低网络切片的成本，提高运营商的利润。
发明内容
本发明针对在跨域虚拟网络VN划分中存在的求解速度慢，稳定性差等不足之处，以最小化资源开销为目标构造了目标函数，设计了基于遗传和粒子群混合算法GA_PSO的VN划分方案，利用粒子群算法中粒子的“记忆”的特点，结合遗传算法的变异运算，降低了随机变异对最优解的干扰，加快了算法求解的收敛速度，并提高了求解稳定性。
本发明采用的技术方案为5G网络切片中基于GA_PSO混合算法的VN映射方法，该方法包括以下3部分：
步骤(1)5G端到端网络切片的场景下，提出一种基于域间协同器的多域切片架构。
步骤(1.1)根据5G端到端网络切片中跨域的场景需求，在参考现有云平台中的多数据中心的管理方式，提出了一种基于域间协同器的多域集中式切片架构。域间协同器主要用来收集并协调各管理来共同创建网络片。
步骤(2)根据移动通信网络跨域网络切片的特点，设计资源匹配算法，确定VN对应的管理域
步骤(2.1)网络切片系统中MANO模块在解析来自用户的应用需求时，根据运营商维护的模板库进行匹配，并生成对应虚拟网络请求以及相应的约束条件，包括虚拟节点的约束和虚拟链路的约束。由于5G网络切片中，其承载的是端到端的虚拟移动通信网络是由接入云、边缘云和核心云共同完成的。在生成虚拟网络拓扑时，MANO模块会根据网络节点承担的功能的不同分别打上不同的标签即功能标志，该属性用于区分功能定位不同的管理域，例如接入云、核心云等。避免仅考虑资源约束的情况下，将虚拟接入节点映射到核心云等情况的混淆。
步骤(2.2)域间协调器收集底层各管理域的节点信息和域间链路信息，例如：节点的CPU资源、存储资源、位置信息，以及单位资源的成本和域间链路单位带宽成本。
步骤(2.3)根据虚拟网络请求中的中的各节点的地理位置约束条件，以及节点的功能标志属性匹配到符合约束调节的若干个管理域，并根据各管理域中的平均单位资源开销选出资源开销最小的管理域。一旦确定了某个管理域，其他功能标志属性相同的节点无需再进行匹配，可直接确定该管理域。例如，某个虚拟接入节点，根据其地理位置、资源约束和功能标志属性的约束可匹配出承载该虚拟节点的接入云，之后所有的接入节点都可直接在该管理域中进行接下来的映射工作。
步骤(2.4)根据所步骤1.3确定的管理域，生成各管理域的边界节点集合。
步骤(2.5)根据步骤1.3中确定的管理域，将所有虚拟节点在其所在的管理域中，匹配出满足虚拟节点资源需求的匹配集，该匹配集用于后续域内虚拟网络映射。图2所示是跨域VN映射的工作机制。
步骤(3)利用粒子群算法中粒子记忆的特点，以及快速寻优的能力，结合现有的基于GA的VN划分算法，重新构造了目标函数，有效提高了算法运行效率，优化了全局寻优的能力。
步骤(3.1)变量定义和目标函数的构造。
步骤(3.1.1)构造表示虚拟网络划分方案的矩阵PMm*n。
m为VN请求中虚拟节点的个数，n是物理网络中边界节点的总个数。通过这个矩阵中虚拟节点与边界节点的关系来间接反映虚拟节点与不同管理域的关系。元素PM[i][j]的取值所反映的虚拟节点i与边界节点j之间的映射关系。
I PM[i][j]＝1,表示j∈MatchSet’(j)，且fn(i)＝j；
II PM[i][j]＝0,表示j∈MatchSet’(j)，且fn(i)≠j；
III PM[i][j]＝-1,表示
对于特定的虚拟网络请求，在完成资源匹配后，便可确定PM矩阵中值为-1的元素，其他元素则暂时赋0。对于一个划分方案，若fn(i)＝j，则将PM[i][j]的值由0变为1，故划分方案也对应唯一的PM矩阵。因此PM矩阵与可行的VN划分方案一一对应。表1所示是一个PM矩阵，其对应着图3中的VN划分结果。
步骤(3.1.2)目标函数的构造
VN划分的求解目标是找到使映射开销最小的VN划分方案，其目标函数f表示为：
Min:f(VNC1×m，NU1×m，BCm×m，BUn×n，LENn×n)
f中参数的具体含义如下：
⑴VNC1×m：虚拟几点的能力约束矩阵，存储虚拟节点的资源约束能力。
⑵NU1×m：最小单位资源开销矩阵，存储承载对应虚拟节点的物理节点的单位资源成本，该矩阵在资源匹配阶段之后，经过对候选节点单位资源开销的排序获取。
⑶BCm×m：VN请求中的带宽约束，BC[i][j]表示虚拟节点i与虚拟节点j之间的带宽约束。
⑷BUn×n:表示承载虚拟链路l(i，j)的物理路径的单位带宽开销，该数据在域间协调器收集域间链路信息时以矩阵的形式存储起来。
⑸LENn×n:域间链路的最短链路长度矩阵。PMC[i][j]取边界节点i,j间所有路径中的路径长度的最小值，由弗洛伊德算法计算得到。
目标函数：总开销＝虚拟节点开销+域间链路映射开销可表示为：
其中u、v分别表示虚拟节点i、j映射到的边界节点。
步骤(3.2)利用GA_PSO算法求解虚拟网络划分方案
GA_PSO算法流程如下：
S1.随机初始化一组粒子，每个粒子都初始化了速度与位置，由这组粒子组合成一个种群，记为PM_SET；
S2.进行粒子的交叉运算，将产生的新的粒子加入粒子群。
S3.根据适应度函数计算适应值，获取当前个体最优解和全局最优解。
S4.根据个体最优解和全局最优解对粒子进行速度更新。
S5.根据粒子的速度的方向进行变异运算，并根据淘汰规则淘汰一部分粒子，并更新全局最优解和个体最优解。
S6.评估PM_SET集合，判断是否满足终止条件。若满足则输出目标函数最优解，算法结束。否则跳至S2。
基于GA_PSO算法的映射算法终止条件如下：
算法的终止由迭代次数k控制，在一次迭代结束后，迭代次数i+1，并进行判断：若i小于k,则算法继续。若i大于k则保存前k次迭代中的全局最优解即为PMb1，并继续进行k次迭代之后，取k+1至2k次迭代中的最优解，即为PMb2，与前k次迭代中的最优解比较。若PMb1＜PMb2，则表示在后面的k次迭代中没有找到比PMb1更优的解，此时循环结束，输出最优解PMb1；若PMb1＞PMb2，则表明在后面的k次迭代中找到了比PMb1更优的解，此时需要更新PMb1为新的最优解，并继续执行k次循环再进行判断。
附图说明
图1：基于域间协调器的多域网络切片架构。
图2：跨域VN映射的工作机制示意图。
图3：基于GA_PSO的VN划分算法流程图。
具体实施方式
步骤(1)5G端到端网络切片的场景下，提出一种基于域间协同器的多域切片架构。
步骤(1.1)根据5G端到端网络切片中跨域的场景需求，在参考了现有云平台中的多数据中心的管理方式，提出了一种基于域间协同器的多域集中式切片架构。域间协同器主要用来收集并协调各管理来共同创建网络片。
步骤(2)根据移动通信网络跨域网络切片的特点，设计资源匹配算法，确定VN对应的管理域
步骤(2.1)网络切片系统中MANO模块在解析来自用户的应用需求时，根据运营商维护的模板库进行匹配，并生成对应虚拟网络请求以及相应的约束条件，包括虚拟节点的约束和虚拟链路的约束。由于5G网络切片中，其承载的是端到端的虚拟移动通信网络是由接入云、边缘云和核心云共同完成的。在生成虚拟网络拓扑时，MANO模块会根据网络节点承担的功能的不同分别打上不同的标签即功能标志，该属性主要用于区分功能定位不同的管理域，例如接入云、核心云等。避免仅考虑资源约束的情况下，将虚拟接入节点映射到核心云等情况的混淆。
步骤(2.2)域间协调器收集底层各管理域的节点信息和域间链路信息，例如：节点的CPU资源、存储资源、位置信息，以及单位资源的成本和域间链路单位带宽成本。
步骤(2.3)根据虚拟网络请求中的中的各节点的地理位置约束条件，以及节点的功能标志属性匹配到符合约束调节的若干个管理域，并根据各管理域中的平均单位资源开销选出资源开销最小的管理域。一旦确定了某个管理域，其他功能标志属性相同的节点无需再进行匹配，可直接确定该管理域。例如，某个虚拟接入节点，根据其地理位置、资源约束和功能标志属性的约束可匹配出承载该虚拟节点的接入云，之后所有的接入节点都可直接在该管理域中进行接下来的映射工作。
步骤(2.4)根据所步骤1.3确定的管理域，生成各管理域的边界节点集合。
步骤(2.5)根据步骤1.3中确定的管理域，将所有虚拟节点在其所在的管理域中，匹配出满足虚拟节点资源需求的匹配集，该匹配集可用于后续域内虚拟网络映射。图2所示是跨域VN映射的工作机制。
步骤(3)VN划分模块根据步骤(1)中生成的匹配集和域间链路信息，利用GA_PSO算法进行域间链路求解。
步骤(3.1)虚拟网络划分问题形式化描述。
虚拟网络划分是以降低VN映射开销为目标，根据匹配集、边界节点以及域间链路的相关信息，以最小化映射开销为目标，将VN请求划分为多个虚拟子网，形成虚拟网络的划分方案。
不同管理域之间的虚拟节点需要建立连接时，选用不同的边界节点决定了不同的域间链路，因此会产生不同的域间映射成本。利用步骤(1)中得到的边界节点集合，通过启发式算法计算出最优的域间连接方式。
将边界节点组成的物理网络抽象表示为一个有权无向图，记为GS＝(Ns，Ls),其中Ns为边界节点集合，Ls为由边界节点连接的域间链路的集合。对于连接边界节点u、v的物理链路ls(u,v)∈Ls，其单位开销用cost(ls)表示。同样地，将虚拟网络请求表示为一个有权无向图，记为Gv＝(Nv，Lv)，Nv为虚拟节点集合，Lv为虚拟链路集合。虚拟节点nv∈Nv的节点能力约束用c(nv)表示。对连接虚拟节点m,n的虚拟链路lv(m,n)∈Lv，其带宽约束用bw(lv)表示。VN划分可以理解为以最小化跨域VN映射开销为目标，找到以下两个映射：
fn:nv→MatchSet'(nv，)，nv∈Nv
fl：lv(i，f)→Path(i′，j′)，lv(i，j)∈Lv，i′＝fn(i)，j′＝fn(j)
其中，fn表示虚拟节点的映射fn(i)＝k表示虚拟节点i映射到了边界节点所在的管理域并通过边界节点k进行域间连接，Path(i’,j’)表示Gs中边界节点i’和j’之间的无环路径组成的集合。
步骤(3.2)变量定义和目标函数的构造。
步骤(3.2.1)构造表示虚拟网络划分方案的矩阵PMm×n。
m为VN请求中虚拟节点的个数，n是物理网络中边界节点的总个数。通过这个矩阵中虚拟节点与边界节点的关系来间接反映虚拟节点与不同管理域的关系。元素PM[i][j]的取值所反映的虚拟节点i与边界节点j之间的映射关系。
I PM[i][j]＝1,表示j∈MatchSet’(j)，且fn(i)＝j；
II PM[i][j]＝0,表示j∈MatchSet’(j)，且fn(i)≠j；
III PM[i][j]＝-1,表示
对于特定的虚拟网络请求，在完成资源匹配后，便可确定PM矩阵中值为-1的元素，其他元素则暂时赋0。对于一个划分方案，若fn(i)＝j，则将PM[i][j]的值由0变为1，故划分方案也对应唯一的PM矩阵。因此PM矩阵与可行的VN划分方案一一对应。表1所示是一个PM矩阵，其对应着图2中的VN划分结果。
步骤(3.2.2)目标函数的构造
VN划分的求解目标是找到使映射开销最小的VN划分方案，其目标函数f可表示为：
Min:f(VNC1×m，NU1×m，BCm×m，BUn×n，LENn×n)
f中参数的具体含义如下：
⑴VNC1×m：虚拟几点的能力约束矩阵，存储虚拟节点的资源约束能力。
⑵NU1×m：最小单位资源开销矩阵，存储承载对应虚拟节点的物理节点的单位资源成本，该矩阵在资源匹配阶段之后，经过对候选节点单位资源开销的排序获取。
⑶BCm×m：VN请求中的带宽约束，BC[i][j]表示虚拟节点i与虚拟节点j之间的带宽约束。
⑷BUn×n:表示承载虚拟链路l(i，j)的物理路径的单位带宽开销，该数据在域间协调器收集域间链路信息时以矩阵的形式存储起来。
⑸LENn×n:域间链路的最短链路长度矩阵。PMC[i][j]取边界节点i,j间所有路径中的路径长度的最小值，由弗洛伊德算法计算得到。
目标函数：总开销＝虚拟节点开销+域间链路映射开销可表示为：
其中u、v分别表示虚拟节点i、j映射到的边界节点。
步骤(3.3)利用GA_PSO算法求解虚拟网络划分方案
图3为算法执行流程，GA_PSO算法流程如下：
1.随机初始化一组粒子，每个粒子都初始化了速度与位置，由这组粒子组合成一个种群，记为PM_SET；
2.进行粒子的交叉运算，将产生的新的粒子加入粒子群。
3.根据适应度函数计算适应值，获取当前个体最优解和全局最优解。
4.根据个体最优解和全局最优解对粒子进行速度更新。
5.根据粒子的速度的方向进行变异运算，并根据淘汰规则淘汰一部分粒子，并更新全局最优解和个体最优解。
6.评估PM_SET集合，判断是否满足终止条件。若满足则输出目标函数最优解，算法结束。否则跳至步骤2.
基于GA_PSO算法的映射算法终止条件如下：
算法的终止由迭代次数k控制，在一次迭代结束后，迭代次数i+1，并进行判断：若i小于k,则算法继续。若i大于k则保存前k次迭代中的全局最优解即为PMb1，并继续进行k次迭代之后，取k+1至2k次迭代中的最优解，即为PMb2，与前k次迭代中的最优解比较。若PMb1＜PMb2，则表示在后面的k次迭代中没有找到比PMb1更优的解，此时循环结束，输出最优解PMb1；若PMb1＞PMb2，则表明在后面的k次迭代中找到了比PMb1更优的解，此时需要更新PMb1为新的最优解，并继续执行k次循环再进行判断。
表1 VN划分方案的矩阵表示

Claims (2)

1.5G网络切片中基于GA_PSO混合算法的VN映射方法，其特征在于：该方法包括以下3部分，
步骤(1)5G端到端网络切片的场景下，提出一种基于域间协同器的多域切片架构；
步骤(1.1)根据5G端到端网络切片中跨域的场景需求，提出一种基于域间协同器的多域集中式切片架构；域间协同器用来收集并协调各管理来共同创建网络片；
步骤(2)根据移动通信网络跨域网络切片的特点，设计资源匹配算法，确定VN对应的管理域
步骤(2.1)网络切片系统中MANO模块在解析来自用户的应用需求时，根据运营商维护的模板库进行匹配，并生成对应虚拟网络请求以及相应的约束条件，包括虚拟节点的约束和虚拟链路的约束；由于5G网络切片中，其承载的是端到端的虚拟移动通信网络是由接入云、边缘云和核心云共同完成的；在生成虚拟网络拓扑时，MANO模块会根据网络节点承担的功能的不同分别打上不同的标签即功能标志，该功能标志用于区分功能定位不同的管理域；
步骤(2.2)域间协调器收集底层各管理域的节点信息和域间链路信息，节点信息和域间链路信息包括，节点的CPU资源、存储资源、位置信息，以及单位资源的成本和域间链路单位带宽成本；
步骤(2.3)根据虚拟网络请求中的中的各节点的地理位置约束条件，以及节点的功能标志属性匹配到符合约束调节的若干个管理域，并根据各管理域中的平均单位资源开销选出资源开销最小的管理域；一旦确定某个管理域，其他功能标志属性相同的节点无需再进行匹配，直接确定该管理域；
步骤(2.4)根据所步骤1.3确定的管理域，生成各管理域的边界节点集合；
步骤(2.5)根据步骤1.3中确定的管理域，将所有虚拟节点在其所在的管理域中，匹配出满足虚拟节点资源需求的匹配集，该匹配集用于后续域内虚拟网络映射；
步骤(3)利用粒子群算法中粒子记忆的特点，以及快速寻优的能力，结合现有的基于GA的VN划分算法，重新构造了目标函数；
步骤(3.1)变量定义和目标函数的构造；
步骤(3.1.1)构造表示虚拟网络划分方案的矩阵PMm*n；
m为VN请求中虚拟节点的个数，n是物理网络中边界节点的总个数；通过这个矩阵中虚拟节点与边界节点的关系来间接反映虚拟节点与不同管理域的关系；元素PM[i][j]的取值所反映的虚拟节点i与边界节点j之间的映射关系；
I PM[i][j]＝1，表示j∈MatchSet’(j)，且fn(i)＝j；
II PM[i][j]＝0，表示j∈MatchSet’(j)，且fn(i)≠j；
III PM[i][j]＝-1，表示
对于特定的虚拟网络请求，在完成资源匹配后，便确定PM矩阵中值为-1的元素，其他元素则暂时赋0；对于一个划分方案，若fn(i)＝j，则将PM[i][j]的值由0变为1，故划分方案也对应唯一的PM矩阵；因此PM矩阵与可行的VN划分方案一一对应；
步骤(3.1.2)目标函数的构造
VN划分的求解目标是找到使映射开销最小的VN划分方案，其目标函数f表示为：
Min：f(VNC1×m，NU1×m，BCm×m，BUn×n，LENn×n)
f中参数的具体含义如下：
(1)VNC1×m：虚拟几点的能力约束矩阵，存储虚拟节点的资源约束能力；
(2)NU1×m：最小单位资源开销矩阵，存储承载对应虚拟节点的物理节点的单位资源成本，该矩阵在资源匹配阶段之后，经过对候选节点单位资源开销的排序获取；
(3)BCm×m：VN请求中的带宽约束，BC[i][j]表示虚拟节点i与虚拟节点j之间的带宽约束；
(4)BUn×n：表示承载虚拟链路l(i，j)的物理路径的单位带宽开销，该数据在域间协调器收集域间链路信息时以矩阵的形式存储起来；
(5)LENn×n：域间链路的最短链路长度矩阵；PMC[i][j]取边界节点i，j间所有路径中的路径长度的最小值，由弗洛伊德算法计算得到；
目标函数：总开销＝虚拟节点开销+域间链路映射开销可表示为：
其中u、v分别表示虚拟节点i、i映射到的边界节点；
步骤(3.2)利用GA_PSO算法求解虚拟网络划分方案。
2.根据权利要求1所述的5G网络切片中基于GA_PSO混合算法的VN映射方法，其特征在于：GA_PSO算法流程如下：
S1.随机初始化一组粒子，每个粒子都初始化了速度与位置，由这组粒子组合成一个种群，记为PM_SET；
S2.进行粒子的交叉运算，将产生的新的粒子加入粒子群；
S3.根据适应度函数计算适应值，获取当前个体最优解和全局最优解；
S4.根据个体最优解和全局最优解对粒子进行速度更新；
S5.根据粒子的速度的方向进行变异运算，并根据淘汰规则淘汰一部分粒子，并更新全局最优解和个体最优解；
S6.评估PM_SET集合，判断是否满足终止条件；若满足则输出目标函数最优解，算法结束；否则跳至S2；
基于GA_PSO算法的映射算法终止条件如下：
算法的终止由迭代次数k控制，在一次迭代结束后，迭代次数i+1，并进行判断：若i小于k，则算法继续；若i大于k则保存前k次迭代中的全局最优解即为PMb1，并继续进行k次迭代之后，取k+1至2k次迭代中的最优解，即为PMb2，与前k次迭代中的最优解比较；若PMb1＜PMb2，则表示在后面的k次迭代中没有找到比PMb1更优的解，此时循环结束，输出最优解PMb1；若PMb1＞PMb2，则表明在后面的k次迭代中找到了比PMb1更优的解，此时需要更新PMb1为新的最优解，并继续执行k次循环再进行判断。
CN201910186682.2A 2019-03-13 2019-03-13 5g网络切片中基于ga_pso混合算法的vn映射方法 Active CN109995580B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910186682.2A CN109995580B (zh) 2019-03-13 2019-03-13 5g网络切片中基于ga_pso混合算法的vn映射方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910186682.2A CN109995580B (zh) 2019-03-13 2019-03-13 5g网络切片中基于ga_pso混合算法的vn映射方法

Publications (2)

Publication Number Publication Date
CN109995580A true CN109995580A (zh) 2019-07-09
CN109995580B CN109995580B (zh) 2022-08-16

Family

ID=67129537

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910186682.2A Active CN109995580B (zh) 2019-03-13 2019-03-13 5g网络切片中基于ga_pso混合算法的vn映射方法

Country Status (1)

Country Link
CN (1) CN109995580B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110881207A (zh) * 2019-10-31 2020-03-13 华为技术有限公司 一种网络切片选择方法及相关产品
CN111629390A (zh) * 2020-04-30 2020-09-04 北京邮电大学 网络切片编排方法和装置
CN113038488A (zh) * 2021-03-09 2021-06-25 广东海格怡创科技有限公司 网络切片的链路规划方法、装置、计算机设备和存储介质
CN114071513A (zh) * 2021-10-18 2022-02-18 国网江苏省电力有限公司南京供电分公司 一种基于改进蝗虫优化方法的切片编排方法及装置
CN114466407A (zh) * 2022-01-04 2022-05-10 中国船舶重工集团公司第七一六研究所 一种基于粒子群遗传的网络切片编排算法
CN114785689A (zh) * 2021-01-22 2022-07-22 广州汽车集团股份有限公司 一种5g切片虚拟网络映射方法、系统及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104468308A (zh) * 2014-10-29 2015-03-25 北京邮电大学 基于粒子群算法的跨域虚拟网络映射方法及系统
US20150379075A1 (en) * 2014-06-30 2015-12-31 International Business Machines Corporation Maintaining diversity in multiple objective function solution optimization
CN105759607A (zh) * 2016-02-26 2016-07-13 北京工业大学 基于智能控制算法的pac控制器的设计方法
CN108174394A (zh) * 2018-01-12 2018-06-15 西安邮电大学 一种5g网络切片的编排算法
CN108965020A (zh) * 2018-07-27 2018-12-07 北京邮电大学 跨域虚拟网络映射方法及其装置、计算机可读介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150379075A1 (en) * 2014-06-30 2015-12-31 International Business Machines Corporation Maintaining diversity in multiple objective function solution optimization
CN104468308A (zh) * 2014-10-29 2015-03-25 北京邮电大学 基于粒子群算法的跨域虚拟网络映射方法及系统
CN105759607A (zh) * 2016-02-26 2016-07-13 北京工业大学 基于智能控制算法的pac控制器的设计方法
CN108174394A (zh) * 2018-01-12 2018-06-15 西安邮电大学 一种5g网络切片的编排算法
CN108965020A (zh) * 2018-07-27 2018-12-07 北京邮电大学 跨域虚拟网络映射方法及其装置、计算机可读介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唐伦等: ""基于可靠性的5G网络切片在线映射算法"", 《电子与信息学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110881207A (zh) * 2019-10-31 2020-03-13 华为技术有限公司 一种网络切片选择方法及相关产品
CN110881207B (zh) * 2019-10-31 2022-06-14 荣耀终端有限公司 一种网络切片选择方法及相关产品
CN111629390A (zh) * 2020-04-30 2020-09-04 北京邮电大学 网络切片编排方法和装置
CN114785689A (zh) * 2021-01-22 2022-07-22 广州汽车集团股份有限公司 一种5g切片虚拟网络映射方法、系统及存储介质
CN113038488A (zh) * 2021-03-09 2021-06-25 广东海格怡创科技有限公司 网络切片的链路规划方法、装置、计算机设备和存储介质
CN114071513A (zh) * 2021-10-18 2022-02-18 国网江苏省电力有限公司南京供电分公司 一种基于改进蝗虫优化方法的切片编排方法及装置
CN114071513B (zh) * 2021-10-18 2023-09-15 国网江苏省电力有限公司南京供电分公司 一种基于改进蝗虫优化方法的切片编排方法及装置
CN114466407A (zh) * 2022-01-04 2022-05-10 中国船舶重工集团公司第七一六研究所 一种基于粒子群遗传的网络切片编排算法
CN114466407B (zh) * 2022-01-04 2024-05-07 中国船舶集团有限公司第七一六研究所 一种基于粒子群遗传的网络切片编排算法

Also Published As

Publication number Publication date
CN109995580B (zh) 2022-08-16

Similar Documents

Publication Publication Date Title
CN109995580A (zh) 5g网络切片中基于ga_pso混合算法的vn映射方法
Jiao et al. Smoothed online resource allocation in multi-tier distributed cloud networks
CN108228724A (zh) 基于图数据库的电网gis拓扑分析方法及存储介质
CN108809857A (zh) 一种基于sdn的流量监控与业务服务质量保障策略的方法
CN104503826B (zh) 一种云计算数据中心的虚拟机映射方法及装置
CN109067579A (zh) 面向底层节点失效的5g网络切片拓扑设计及可靠映射方法
CN104506435B (zh) Sdn控制器和sdn中的最短路径确定方法
CN109104464A (zh) 一种边缘计算环境下面向协同存储的分布式数据更新方法
CN107453928B (zh) 一种电力通信网节点重要度评价方法及装置
Liu et al. Task scheduling in fog enabled Internet of Things for smart cities
Wang et al. Reliability-oriented and resource-efficient service function chain construction and backup
CN103001892B (zh) 基于云计算的网络资源分配方法及系统
WO2023098374A1 (zh) 网络资源部署方法、装置、电子设备及存储介质
CN101777990A (zh) 多目标免疫优化组播路由路径选择方法
CN103873364A (zh) 域间多路径路由的实现方法
CN110519090A (zh) 一种fpga云平台的加速卡分配方法、系统及相关组件
CN109347657B (zh) Sdn模式下支撑科技业务的虚拟数据域构建方法
CN102158533B (zh) 基于QoS的分布式web服务选择方法
CN105072037A (zh) 面向分布式sdn控制器的动态流表生成方法
Nguyen et al. Rethinking virtual link mapping in network virtualization
CN115049071A (zh) 一种基于dag区块链的联邦学习方法
CN110380906A (zh) 一种大规模多维融合的虚拟网络映射方法
Liu et al. DCNSim: A data center network simulator
Zhang Reliable virtual network mapping algorithm with network characteristics and associations
Zhang et al. Minimizing electricity cost in geographical virtual network embedding

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant