CN111385151A - 一种基于多目标优化的虚拟网络的映射方法及装置 - Google Patents
一种基于多目标优化的虚拟网络的映射方法及装置 Download PDFInfo
- Publication number
- CN111385151A CN111385151A CN202010164135.7A CN202010164135A CN111385151A CN 111385151 A CN111385151 A CN 111385151A CN 202010164135 A CN202010164135 A CN 202010164135A CN 111385151 A CN111385151 A CN 111385151A
- Authority
- CN
- China
- Prior art keywords
- target
- node
- virtual
- physical
- mapping
- 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.)
- Pending
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 316
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000005457 optimization Methods 0.000 title claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims description 39
- 239000002245 particle Substances 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000007614 genetic variation Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- 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
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- 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
-
- 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
- H04L47/82—Miscellaneous aspects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种基于多目标优化的虚拟网络的映射方法及装置，涉及通信的技术领域，包括：首先，获取虚拟网络映射请求；然后，基于虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点；接下来，基于每个虚拟节点的候选物理节点确定多个虚拟网络映射策略；最后，基于多个虚拟网络映射策略确定目标虚拟网络映射策略，其中，目标虚拟网络映射策略的映射成本最低。本发明方法引入了候选物理节点的概念，候选物理节点能够提供物理域的额外部分信息，使得生成的多个虚拟网络映射策略更合理，有助于快速确定目标虚拟网络映射策略，从而有效的缓解了现有技术中虚拟网络的映射方法均存在的计算速度慢和映射成本高的技术问题。
Description
技术领域
本发明涉及通信的技术领域，尤其是涉及一种基于多目标优化的虚拟网络的映射方法及装置。
背景技术
互联网的发展为人们提供了便利，然而，随着新的协议和技术的引入，互联网变得臃肿而僵化，互联网架构只提供“最佳努力”交付，不能满足用户对服务多样性的需求。针对这个问题，T Anderson等人提出了网络虚拟化技术，网络虚拟化的主要目标是构建健壮、可信、可管理的虚拟环境，为各种虚拟网络请求分配适当的虚拟资源，实现资源共享，提高基础设施资源的利用率。
基本虚拟网络映射只考虑单域环境中的映射，多域虚拟网络映射问题比基本虚拟网络映射问题更接近现实，但也更复杂，现有技术中，许多算法采用集中式多域虚拟网络映射体系结构来提高优化目标，例如，基于克鲁斯卡尔最小生成树的多域虚拟网络映射算法，该算法方案从一组可用的映射物理路径中依次选择最小权值的物理路径，然后将对应的虚拟链路映射到物理路径，并协调完成虚拟节点的映射操作，但现有技术中的算法均存在计算速度慢和映射成本高的技术问题。
发明内容
本发明的目的在于提供一种基于多目标优化的虚拟网络的映射方法及装置，以缓解了现有技术中的算法均存在的计算速度慢和映射成本高的技术问题。
第一方面，本发明提供的基于多目标优化的虚拟网络的映射方法，包括：获取虚拟网络映射请求，其中，所述虚拟网络映射请求包括以下至少之一：每个虚拟节点的计算资源需求、每个虚拟节点的候选物理域和每条虚拟链路的带宽需求；基于所述虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点，其中，所述目标虚拟节点表示所述每个虚拟节点中的任意一个，所述目标物理域表示所述目标虚拟节点的候选物理域；基于所述每个虚拟节点的候选物理节点确定多个虚拟网络映射策略；基于所述多个虚拟网络映射策略确定目标虚拟网络映射策略，其中，所述目标虚拟网络映射策略的映射成本最低。
第二方面，本发明还提供一种基于多目标优化的虚拟网络的映射装置，包括：获取模块，用于获取虚拟网络映射请求，其中，所述虚拟网络映射请求包括以下至少之一：每个虚拟节点的计算资源需求、每个虚拟节点的候选物理域和每条虚拟链路的带宽需求；第一确定模块，用于基于所述虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点，其中，所述目标虚拟节点表示所述每个虚拟节点中的任意一个，所述目标物理域表示所述目标虚拟节点的候选物理域；第二确定模块，用于基于所述每个虚拟节点的候选物理节点确定多个虚拟网络映射策略；第三确定模块，用于基于所述多个虚拟网络映射策略确定目标虚拟网络映射策略，其中，所述目标虚拟网络映射策略的映射成本最低。
现有技术中的在解决多域虚拟网络映射时，均采用集中式多域虚拟网络映射体系结构来提高优化目标，存在计算速度慢和映射成本高技术问题。与现有技术相比，本发明提供了一种基于多目标优化的虚拟网络的映射方法，该方法包括获取虚拟网络映射请求，其中，虚拟网络映射请求包括以下至少之一：每个虚拟节点的计算资源需求、每个虚拟节点的候选物理域和每条虚拟链路的带宽需求；基于虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点，其中，目标虚拟节点表示每个虚拟节点中的任意一个，目标物理域表示目标虚拟节点的候选物理域；基于每个虚拟节点的候选物理节点确定多个虚拟网络映射策略；基于多个虚拟网络映射策略确定目标虚拟网络映射策略，其中，目标虚拟网络映射策略的映射成本最低。本发明方法引入了候选物理节点的概念，候选物理节点能够提供物理域的额外部分信息，使得生成的多个虚拟网络映射策略更合理，有助于快速确定目标虚拟网络映射策略，从而有效的缓解了现有技术中虚拟网络的映射方法均存在的计算速度慢和映射成本高的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于多目标优化的虚拟网络的映射方法的流程图；
图2为本发明实施例提供的一种基于虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点的流程图；
图3为本发明实施例提供的一种基于虚拟网络映射请求划分目标虚拟节点的单元子图的示意图；
图4为本发明实施例提供的一种物理网络的示意图；
图5为本发明实施例提供的一种本发明方法与现有技术方法的虚拟网络请求接受率的比较结果；
图6为本发明实施例提供的一种本发明方法与现有技术方法的映射成本的比较结果；
图7为本发明实施例提供的一种本发明方法与现有技术方法的映射延迟的比较结果；
图8为本发明实施例提供的一种本发明方法与现有技术方法的综合映射成本的比较结果；
图9为本发明实施例提供的一种基于多目标优化的虚拟网络的映射装置的功能模块图；
图10为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
虚拟网络映射技术主要解决将虚拟网络请求映射到底层物理网络的问题，即物理节点和物理链路的资源分配，它主要分为两个步骤：首先，虚拟节点映射，其中每个虚拟节点映射到一个物理节点；其次，虚拟链路映射，其中每个虚拟链接映射到一条或者多条物理链路上。在当前的集中式多域虚拟网络映射体系结构中，集中式服务器作为中心节点起着管理者的作用，它接收虚拟网络映射请求，从各个基础设施提供商收集信息，将收集到的信息进行集成，确定虚拟网络映射程序。目前，许多算法采用集中式多域虚拟网络映射体系结构来提高优化目标，但是算法却普遍存在着优化性能不强，计算速度不高，算法不能尽快收敛到最优解，不能节约映射成本和快速选择物理节点等缺点和问题，有鉴于此，本发明实施例提供了一种基于多目标优化的虚拟网络的映射方法，用于解决上述所提及的多种技术问题。
实施例一
本发明实施例提供了一种基于多目标优化的虚拟网络的映射方法，如图1所示，该方法具体包括如下步骤：
步骤S12，获取虚拟网络映射请求。
具体的，本发明实施例提供的基于多目标优化的虚拟网络的映射方法是基于集中式分层多域虚拟网络映射架构的映射过程，各个物理域有一个本地控制器实现对该物理域的资源统计和实现虚拟节点和链路的映射，除此之外，还有一个全局控制器负责接收虚拟网络映射请求和本地控制器上传的信息，全局控制器能够对整个网络的大体信息有所了解，并能够进行资源的统一调度。因此，方法运行之处，全局控制器首先接收服务提供商发送的虚拟网络映射请求，其中，虚拟网络映射请求包括以下至少之一：每个虚拟节点的计算资源需求、每个虚拟节点的候选物理域和每条虚拟链路的带宽需求，可选的，考虑到方法的可执行性以及执行时间等指标，每个虚拟节点的候选物理域的数量为2个。
步骤S14，基于虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点。
根据上述获取到的虚拟网络映射请求可知，每个虚拟节点均有对应的候选物理域，也即，每个虚拟节点最终映射的物理节点所属的物理域是预先设置的，不能在其候选物理域之外进行映射，在本发明实施例中，获取到虚拟网络映射请求后，还需要根据该请求在目标物理域中确定目标虚拟节点的候选物理节点，其中，目标虚拟节点表示每个虚拟节点中的任意一个，目标物理域表示目标虚拟节点的候选物理域，确定目标虚拟节点的候选物理节点的处理过程由各个物理域所属的本地控制器完成。
为了便于理解，下面举例说明：若虚拟网络请求中包括3个虚拟节点分别为N1，N2，N3，且限定虚拟节点N1只能映射在物理域D1，D2，虚拟节点N2只能映射在物理域D2，D3，虚拟节点N3只能映射在物理域D2，D3，那么在寻求虚拟节点的候选物理节点时，以虚拟节点N1为例，得到的结果可以是物理域D1中的物理节点k1和物理节点k2作为虚拟节点N1的两个候选物理节点，以及，物理域D2中的物理节点k5和物理节点k8作为虚拟节点N1的两个候选物理节点，针对虚拟节点N2和N3，同样会得到相应的候选物理域中的候选物理节点，本发明实施例不对候选物理节点的数量进行具体限制，用户可以根据实际需求进行设定，可选的，候选物理节点的数量为2个。
步骤S16，基于每个虚拟节点的候选物理节点确定多个虚拟网络映射策略。
步骤S18，基于多个虚拟网络映射策略确定目标虚拟网络映射策略。
各个物理域的本地控制器在为每个虚拟节点确定出对应的候选物理节点之后，各本地控制器将上述信息发送至全局控制器，然后全局控制器根据各个物理域固有的内部物理链路和物理节点的属性信息，以及，接收到的每个虚拟节点的候选物理节点的信息，就能够确定出多个虚拟网络映射策略，也即多种可选的虚拟网络映射方案，然后再从上述多个虚拟网络映射策略中选择出映射成本最低的目标虚拟网络映射策略。
现有技术中的在解决多域虚拟网络映射时，均采用集中式多域虚拟网络映射体系结构来提高优化目标，存在计算速度慢和映射成本高技术问题。与现有技术相比，本发明提供了一种基于多目标优化的虚拟网络的映射方法，该方法包括获取虚拟网络映射请求，其中，虚拟网络映射请求包括以下至少之一：每个虚拟节点的计算资源需求、每个虚拟节点的候选物理域和每条虚拟链路的带宽需求；基于虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点，其中，目标虚拟节点表示每个虚拟节点中的任意一个，目标物理域表示目标虚拟节点的候选物理域；基于每个虚拟节点的候选物理节点确定多个虚拟网络映射策略；基于多个虚拟网络映射策略确定目标虚拟网络映射策略，其中，目标虚拟网络映射策略的映射成本最低。
本发明方法引入了候选物理节点的概念，候选物理节点能够提供物理域的额外部分信息，使得生成的多个虚拟网络映射策略更合理，有助于快速确定目标虚拟网络映射策略，从而有效的缓解了现有技术中虚拟网络的映射方法均存在的计算速度慢和映射成本高的技术问题。
上文中对本发明实施例提供的基于多目标优化的虚拟网络的映射方法进行了简要的描述，下面对其中涉及的具体步骤进行详细的介绍。
在一个可选的实施方式中，如图2所示，上述步骤S14，基于虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点，具体包括如下步骤：
步骤S141，基于虚拟网络映射请求确定目标虚拟节点的单元子图。
上文中已经将虚拟网络映射请求所包含的信息进行了介绍，全局控制器在接收到虚拟网络映射请求后，将基于虚拟网络映射请求确定目标虚拟节点的单元子图，并将单元子图下发至对应的本地控制器。图3示出了一种基于虚拟网络映射请求划分目标虚拟节点的单元子图的示意图，图中，虚拟节点分别为1，2，3，4，虚拟节点1的计算资源需求是5，候选物理域为物理域1和物理域2，虚拟节点2的计算资源需求是3，候选物理域为物理域2和物理域3，虚拟节点3的计算资源需求是9，候选物理域为物理域2和物理域3，虚拟节点4的计算资源需求是7，候选物理域为物理域1和物理域3，虚拟节点1和虚拟节点2之间的虚拟链路的带宽需求是12，虚拟节点1和虚拟节点3之间的虚拟链路的带宽需求是5，虚拟节点3和虚拟节点4之间的虚拟链路的带宽需求是9，虚拟节点4和虚拟节点2之间的虚拟链路的带宽需求是6。
虚拟节点的数量为4个，则划分得到的目标虚拟节点的单元子图的数量为4个，图3右侧中同时示出了4个虚拟节点的单元子图，每个目标虚拟节点的单元子图包括：目标虚拟节点的计算资源需求、目标虚拟节点的候选物理域、与目标虚拟节点相连的虚拟节点的候选物理域和目标虚拟节点与相连的虚拟节点之间的虚拟链路的带宽需求。以虚拟节点2的单元子图为例，虚拟节点2的单元子图中[3，(2,3)]表示虚拟节点2的计算资源需求为3，候选物理域为物理域2和物理域3，[12，(1,2)]表示与虚拟节点2相连的其中一个虚拟节点的候选物理域是物理域1和物理域2，且他们之间的虚拟链路的带宽需求是12，[6，(1,3)]表示与虚拟节点2相连的另一个虚拟节点的候选物理域是物理域1和物理域3，且他们之间的虚拟链路的带宽需求是6。
步骤S142，基于单元子图和目标物理域的属性信息计算目标虚拟节点映射在目标物理域内的每个目标物理节点上的预计平均映射代价。
每个物理域的本地控制器在接收到单元子图后，将根据单元子图中所包含的信息以及该物理域的属性信息计算每个单元子图所属的虚拟节点映射在该物理域中的每个目标物理节点上时的预计平均映射代价，其中，目标物理节点的计算资源满足目标虚拟节点的计算资源需求，并且预计平均映射代价能够反映虚拟节点映射在目标物理节点上时的映射成本。
步骤S143，基于预计平均映射代价确定目标虚拟节点的候选物理节点。
本地控制器在计算得到每个虚拟节点映射在该物理域中的目标物理节点上的预计平均映射代价之后，一方面为了加快方法运行的时间，快速找到最优映射方案，另一方面为了能够得到映射成本最低的映射方案，在为目标虚拟节点确定候选物理节点时，可选的，将预计平均映射代价最低和次之的两个物理节点作为目标虚拟节点的候选物理节点，这样既能保留映射方案的选择空间，也能确保映射的成功率。
上文中对如何确定目标虚拟节点的候选物理节点的过程进行了的描述，下面对如何计算预计平均映射代价的过程进行详细的介绍。
在一个可选的实施方式中，上述步骤S142，基于单元子图和目标物理域的属性信息计算目标虚拟节点映射在目标物理域内的每个目标物理节点上的预计平均映射代价，具体包括如下内容：
首先，基于目标虚拟节点的计算资源需求在目标物理域中确定目标物理节点。
具体的，本地控制器在接收到单元子图后，首先确认每个单元子图中目标虚拟节点的计算资源需求，然后再从该物理域中查询哪些物理节点能够满足该目标虚拟节点的计算资源需求，进而确定出每个目标虚拟节点的目标物理节点。
然后，利用算式
计算目标虚拟节点映射在目标物理域内的每个目标物理节点上的预计平均映射代价。
其中，PreCosti,j,k表示目标虚拟节点ni映射到目标物理域j中的目标物理节点nk上的预计平均映射代价，CPU(ni)表示目标虚拟节点ni的计算资源需求，P(nk)表示目标物理节点nk的资源单价，links表示与目标虚拟节点ni相连的虚拟链路的数量，candiDomain表示与目标虚拟节点ni相连的虚拟链路的候选域的数量，BW(l)表示与目标虚拟节点ni相连的虚拟链路的带宽需求，NoL表示与目标虚拟节点ni相连的所有虚拟链路对应的候选物理链路的数量，nb表示与目标虚拟节点ni相连的虚拟节点nB所映射的物理节点。
上述算式的第二项表示目标虚拟节点的单元子图中所包含的虚拟链路的所有映射可能性的平均映射成本，分子部分在进行累加计算时，先计算每条虚拟链路的所有映射可能性的映射成本，再将所有虚拟链路的映射可能性的映射成本进行累加，分母除以NoL(与目标虚拟节点ni相连的所有虚拟链路对应的候选物理链路的数量)，最终求得上述平均映射成本。由于本地控制器仅知晓所属物理域中的所有物理链路的资源单价，因此链路的映射成本只能通过目标物理节点到边界节点的成本来估计，
取值的三种可能性上文中已经详细介绍，此处不再赘述，物理域中的边界节点是指与其他物理域中的物理节点之间存在物理链路的节点，图4示出了一种物理网络的示意图，图中，三个椭圆代表三个物理域，节点1，2，4，5，7，8均是边界节点。
本地控制器在确定出每个虚拟节点的候选物理节点之后，需要将上述候选物理节点的属性信息(包括计算资源量，资源单价等信息)上传给全局控制器，为了能够确定虚拟网络映射策略，本地控制器还需要将更多的信息上传给全局控制器。
具体的，上述步骤S16，基于每个虚拟节点的候选物理节点确定多个虚拟网络映射策略，具体包括如下内容：
首先，基于每个虚拟节点的候选物理节点确定第一信息。
本地控制器在完成每个虚拟节点的候选物理节点的计算和挑选后，还需要进一步的确定第一信息并将其发送至全局控制器，其中，第一信息包括：每个候选物理节点到所属候选物理域的各个边界节点中最低资源单价的物理链路的资源单价，每个候选物理域中候选物理节点之间的最低资源单价的物理链路的资源单价。
然后，全局控制器还需获取每个候选物理节点所属候选物理域的所有边界节点的节点属性信息，其中，节点属性信息包括：计算资源，资源单价，处理单位资源所需要的时间，与其他边界节点之间的物理链路和与其他边界节点之间的物理链路的资源单价。
例如，图4中，紧邻边界节点1的括号中有数字{8,3,2}，代表物理节点1可提供的计算资源是8，资源单价为2，处理单位资源所需要的时间(包含了节点处理时延、排队时延、传输时延等)为2，边界节点1所在的物理域中另一个边界节点为2，边界节点1和边界节点2之间存在物理链路，且该物理链路的属性用{9,3,2}表示，代表该物理链路的带宽容量是9，资源单价为2，传输信息所需要的时间为3。
接下来，全局控制器再获取所有候选物理域的域间链路的链路属性信息。其中，链路属性信息包括：带宽容量，资源单价，传输信息所需要的时间。假设候选物理域为图4中上方节点7所属的物理域，则该物理域的域间链路为边界节点7和边界节点1之间的物理链路以及边界节点8和边界节点5之间的物理链路，链路属性信息分别为{37,18,16}和{27,8,22}。
最后，基于第一信息、节点属性信息和链路属性信息确定多个虚拟网络映射策略。
上述所有信息是全局控制器整合伪拓扑与划分虚拟网络映射请求的依据，因此，全局控制器收到候选节点方案与域内部分信息后，能够基于这些信息整合出一张伪拓扑来表示跨域物理网络，伪拓扑保留了各域中候选节点与边界节点的拓扑关系，可以作为粒子群优化的网络拓扑。
上文中描述了全局控制器获取候选物理域的相关信息并生成多个虚拟网络映射策略的过程，下面对如何确定目标虚拟网络映射策略的过程进行详细介绍。
在包含了整个网络部分信息的拓扑中，本发明实施例采用粒子群优化算法进行整个映射方案的决策，粒子群优化算法是一种随机全局优化技术，该算法通过粒子间的相互作用在复杂搜索空间中找到最优区域，本发明实施例将遗传变异因子(下述步骤S182中的c1,c2)引入传统的粒子群优化算法中，能够有效的避免粒子陷入局部最优而不能达到全局最优的情况。
具体的，上述步骤S18，基于多个虚拟网络映射策略确定目标虚拟网络映射策略，具体包括如下步骤：
步骤S181，获取上一代种群和上一代种群中每个上一代个体对应的适应度值。
具体的，在虚拟网络映射策略确定的过程中，本发明实施例采用粒子群优化算法，相当于种群迭代更新的过程，因此方法运行中，需要获取到上一代种群和上一代种群中每个上一代个体对应的适应度值，其中，每个上一代个体表示一种虚拟网络映射策略，适应度值表示虚拟网络映射策略的映射成本。
步骤S182，获取当前种群的迭代次数，并在迭代次数不大于预设迭代次数的情况下，基于算式
确定当前种群和当前种群中每个当前个体。
使用该算法时，可选的，将迭代次数作为迭代结束条件，还可以选择在连续几代得到的最优个体均相同时，停止迭代。本发明实施例选用前者作为算法结束的条件，因此，在获取到上一代个体之后，首先判断当前种群是否已经超过预设迭代次数，如果未超过，则利用上述算式确定每个当前个体，进而得到所有当前个体组成的种群(当前种群)。
步骤S183，计算每个当前个体的适应度值。
步骤S184，将当前种群作为上一代种群进行迭代更新，并将满足预设迭代次数的种群作为目标种群，并根据目标种群中适应度值最小的目标个体确定目标虚拟网络映射策略。
在得到所有的当前个体后，计算每个当前个体的适应度值，也即，每个当前个体所代表的虚拟网络映射策略的映射成本，并将当前种群作为下一代种群进行迭代更新，直至满足预设迭代次数，以将满足预设迭代次数的种群作为目标种群，最后，基于目标种群中所有目标个体的适应度值确定出最小的适应度值对应的目标个体，并根据适应度值最小的目标个体确定目标虚拟网络映射策略。
在粒子群算法代码实现中，会将候选物理节点列表、虚拟节点编号、候选域编号、伪拓扑与虚拟节点列表等信息传递给粒子群算法，通过这些信息确定出一些粒子，即这些粒子代表不同的映射方案，通过粒子群算法的迭代优化，目标是获得最小的映射成本，寻找出最佳映射方案。
在一个可选的实施方式中，若上一代种群为空，则步骤S181，获取上一代种群和上一代种群中每个上一代个体对应的适应度值，包括如下步骤：
步骤S1811，从多个虚拟网络映射策略中随机选取预设数量的虚拟网络映射策略并生成初始种群，以将初始种群作为上一代种群。
上文中对粒子群优化算法在运行时，对每一代种群的处理过程进行了详细描述，但是，在方法运行之初，并不存在上一代种群，因此上一代种群为空种群，此时，需要从步骤S16中生成的多个虚拟网络映射策略中选择预设数量的虚拟网络映射策略，将每个虚拟网络映射策略作为一个初始个体，进而组成具有预设数量个初始个体的初始种群，并将其作为上一代种群执行后续的处理步骤。
步骤S1812，利用算式
计算上一代种群中每个上一代个体对应的适应度值。
在得到上一代种群后，需要利用上述算式对每个上一代个体的个体适应度值进行计算，其中，Costs表示第s个上一代个体的适应度值，s取值1至S，S表示上一代个体的数量，CPU(ni)表示虚拟节点ni的计算资源需求，i取值1至I，I表示虚拟节点的数量，
表示第s个上一代个体中虚拟节点ni映射的物理节点，
表示物理节点
的资源单价，BW(lv)表示虚拟链路lv的带宽需求，v取值1至V，V表示虚拟链路的数量，
表示表示第s个上一代个体中虚拟链路lv映射的物理链路，
表示物理链路
的资源单价。若
为一条域内路径(未跨域映射)，则
为本物理域中两物理节点之间的链路资源单价之和，若
为一条跨域路径(跨域映射)，则
为分别位于两个物理域的起点和终点到边界节点所经链路和两物理域间的跨域链路的资源单价总和。
上文中描述了全局控制器根据粒子群优化算法得到了具有最小映射成本的目标虚拟网络映射策略(最终的节点映射方案)的过程，接下来对每个物理域生成相应的映射请求，包括节点映射请求和链路映射请求，并将该请求下发至各物理域。
具体的，步骤S18，基于多个虚拟网络映射策略确定目标虚拟网络映射策略之后，该方法还包括如下步骤：
步骤S191，基于目标虚拟网络映射策略确定虚拟节点的映射策略。
其中，虚拟节点的映射策略包括每个虚拟节点所对应的物理节点。
步骤S192，基于虚拟节点的映射策略和Floyd算法确定每条虚拟链路对应的物理链路。
在生成映射方案时，首先根据目标虚拟网络映射策略生成虚拟节点的映射策略，即生成每个虚拟节点所对应的物理节点编号，然后根据节点映射方案和虚拟网络映射请求中对应的虚拟节点间是否存在虚拟链路确定两节点间是否需要生成链路映射请求，链路映射方案是根据伪拓扑中的Floyd最短路径算法生成的。由于全局控制器只得到了各个物理域的部分拓扑信息，有可能映射请求中的链路在物理域中是多条物理链路拼接而成的，因此下发的链路映射请求需要经过处理才能变成本地的链路映射方案，同样的，本地的链路映射方案根据本地拓扑的Floyd最短路径生成，假如两个物理节点间存在中转节点，就依次从起始节点沿着中转节点一直到目的节点生成链路映射方案，物理节点映射方案则不需要再做处理，最后本地控制器可以给全局控制器返回本物理域的实际映射成本，全局控制器接收所有本地控制器的反馈，得到综合映射成本。
为了验证本发明实施例提供的方法(MP-VNE算法)的性能，将MP-VNE算法与MC-VNM算法、VNE-PSO算法、LID-VNE算法进行了比较，具体从映射成本、延迟、综合映射成本和接收速率四个方面对四种算法进行比较和测试。
仿真使用的计算机为8GB，64位win10操作系统，实验代码的编写是在eclipse上使用java进行编写，仿真实验中使用的网络拓扑使用eclipse随机生成，实验结果的分析和折线图的绘制是用Excel 2016完成的。仿真实验的各参数如下所示：
物理网络共分四个域，单域节点数为每个域30个，其中包含两个边界节点，每个物理节点的节点资源量在100～300上均匀分布，物理节点成本在1～10上均匀分布，物理节点时延在1～10上均匀分布，物理链路资源量在1000～3000上均匀分布，物理链路成本在1～10上均匀分布，物理链路时延在1～10上均匀分布，域间链路的成本在5～15上服从均匀分布，域间链路的时延在10～30上服从均匀分布，物理节点间以50％的概率相互连接。
虚拟请求节点数为6个，虚拟节点的CPU需求量在1～10上服从均匀分布，虚拟链路的带宽需求量在1～10上服从均匀分布，每个虚拟网络映射节点有两个可选映射域，虚拟节点间以50％的概率相互连接。实验中，虚拟请求的到达时间模拟泊松过程，100个时间单位内，虚拟网络请求到达个数服从均值为10的泊松分布，每个虚拟网络生存周期服从均值为1000个时间单位的指数分布。
实验结果请参考图5-8，图5示出了本发明方法与现有技术方法的虚拟网络请求接受率的比较结果，图6示出了本发明方法与现有技术方法的映射成本的比较结果，图7示出了本发明方法与现有技术方法的映射延迟的比较结果，图8示出了本发明方法与现有技术方法的综合映射成本的比较结果，从上述比较结果可知，本发明方法的表现均优于现有技术中的方法。
综上所述，本发明实施例提供的基于多目标优化的虚拟网络的映射方法存在如下优点：
1、采用了集中式分层虚拟网络映射架构，保证了服务提供商下有一个全局控制器对整个网络的大体信息有了解，并能够统一调度，这使得在进行虚拟节点候选映射域的选择过程中，可以根据全局信息进行相对更加准确的判断，使得算法性能优化，提高计算速度。
2、为了节约映射成本，以及提高计算速度，本发明方法引入候选物理节点的概念，候选物理节点提供了物理域中的额外部分信息，这部分信息也是全局控制器做出准确判断的进一步保证。另外，由于有候选物理节点的存在，粒子群优化算法也更加容易收敛，在网络规模较大，虚拟网络映射请求中节点较多的情况下，可以使得粒子群优化算法在有限的迭代次数内得到较好的结果。
3、本发明方法采用了引入遗传变异因子的粒子群优化算法，遗传变异因子保证了在粒子收敛进入局部最优的情况下可以跳出来，使得粒子有一定概率随机重置它的位置，这样可以有效减少陷入局部最优的概率，增加了得到最优结果的概率，而粒子群优化算法虽然在理论上无法保证得到的是最优的结果，但是在有限的计算时间内，却往往能得到令人满意的结果。
4、本发明方法中，链路映射从选择到具体映射都一直遵循Floyd算法，这个算法保证了在节点映射结果确定时，可以在物理节点间选择一条最优路径进行映射，使得链路的时延和带宽的综合指标最小。
实施例二
本发明实施例还提供了一种基于多目标优化的虚拟网络的映射装置，该基于多目标优化的虚拟网络的映射装置主要用于执行上述实施例一所提供的基于多目标优化的虚拟网络的映射方法，以下对本发明实施例提供的基于多目标优化的虚拟网络的映射装置做具体介绍。
图9是本发明实施例提供的一种基于多目标优化的虚拟网络的映射装置的功能模块图，如图9所示，该装置主要包括：获取模块10，第一确定模块20，第二确定模块30，第三确定模块40，其中：
获取模块10，用于获取虚拟网络映射请求，其中，虚拟网络映射请求包括以下至少之一：每个虚拟节点的计算资源需求、每个虚拟节点的候选物理域和每条虚拟链路的带宽需求。
第一确定模块20，用于基于虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点，其中，目标虚拟节点表示每个虚拟节点中的任意一个，目标物理域表示目标虚拟节点的候选物理域。
第二确定模块30，用于基于每个虚拟节点的候选物理节点确定多个虚拟网络映射策略。
第三确定模块40，用于基于多个虚拟网络映射策略确定目标虚拟网络映射策略，其中，目标虚拟网络映射策略的映射成本最低。
现有技术中的在解决多域虚拟网络映射时，均采用集中式多域虚拟网络映射体系结构来提高优化目标，存在计算速度慢和映射成本高技术问题。与现有技术相比，本发明实施例提供了一种基于多目标优化的虚拟网络的映射装置，该装置包括获取虚拟网络映射请求，其中，虚拟网络映射请求包括以下至少之一：每个虚拟节点的计算资源需求、每个虚拟节点的候选物理域和每条虚拟链路的带宽需求；基于虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点，其中，目标虚拟节点表示每个虚拟节点中的任意一个，目标物理域表示目标虚拟节点的候选物理域；基于每个虚拟节点的候选物理节点确定多个虚拟网络映射策略；基于多个虚拟网络映射策略确定目标虚拟网络映射策略，其中，目标虚拟网络映射策略的映射成本最低。本发明装置引入了候选物理节点的概念，候选物理节点能够提供物理域的额外部分信息，使得生成的多个虚拟网络映射策略更合理，有助于快速确定目标虚拟网络映射策略，从而有效的缓解了现有技术中虚拟网络的映射方法均存在的计算速度慢和映射成本高的技术问题。
可选的，第一确定模块20包括：
第一确定单元，用于基于虚拟网络映射请求确定目标虚拟节点的单元子图，其中，单元子图包括：目标虚拟节点的计算资源需求、目标虚拟节点的候选物理域、与目标虚拟节点相连的虚拟节点的候选物理域和目标虚拟节点与相连的虚拟节点之间的虚拟链路的带宽需求。
计算单元，用于基于单元子图和目标物理域的属性信息计算目标虚拟节点映射在目标物理域内的每个目标物理节点上的预计平均映射代价，其中，目标物理节点的计算资源满足目标虚拟节点的计算资源需求。
第二确定单元，用于基于预计平均映射代价确定目标虚拟节点的候选物理节点。
可选的，计算单元具体用于：
基于目标虚拟节点的计算资源需求在目标物理域中确定目标物理节点。
利用算式
计算目标虚拟节点映射在目标物理域内的每个目标物理节点上的预计平均映射代价，其中，PreCosti,j,k表示目标虚拟节点ni映射到目标物理域j中的目标物理节点nk上的预计平均映射代价，CPU(ni)表示目标虚拟节点ni的计算资源需求，P(nk)表示目标物理节点nk的资源单价，links表示与目标虚拟节点ni相连的虚拟链路的数量，candiDomain表示与目标虚拟节点ni相连的虚拟链路的候选域的数量，BW(l)表示与目标虚拟节点ni相连的虚拟链路的带宽需求，NoL表示与目标虚拟节点ni相连的所有虚拟链路对应的候选物理链路的数量，nb表示与目标虚拟节点ni相连的虚拟节点nB所映射的物理节点，
的取值包括三种情况：若虚拟节点nB的其中一个候选物理域也是目标物理域j，则
若虚拟节点nB的候选物理域中没有目标物理域j，且其中一个候选物理域是物理域H，且物理域H与目标物理域j直接相连，则
取值为目标物理域j中与物理域H直接相连的边界节点到目标物理节点nk的物理链路的资源单价；若虚拟节点nB的候选物理域中没有目标物理域j，且没有与目标物理域j直接相连的物理域，则
取值为目标物理节点nk到目标物理域j中所有边界节点的物理链路的资源单价的平均值。
可选的，第二确定模块30具体用于：
基于每个虚拟节点的候选物理节点确定第一信息，其中，第一信息包括：每个候选物理节点到所属候选物理域的各个边界节点中最低资源单价的物理链路的资源单价，每个候选物理域中候选物理节点之间的最低资源单价的物理链路的资源单价。
获取每个候选物理节点所属候选物理域的所有边界节点的节点属性信息，其中，节点属性信息包括：计算资源，资源单价，处理单位资源所需要的时间，与其他边界节点之间的物理链路和与其他边界节点之间的物理链路的资源单价。
获取所有候选物理域的域间链路的链路属性信息，其中，链路属性信息包括：带宽容量，资源单价，传输信息所需要的时间。
基于第一信息、节点属性信息和链路属性信息确定多个虚拟网络映射策略。
可选的，第三确定模块40具体用于：
获取上一代种群和上一代种群中每个上一代个体对应的适应度值，其中，每个上一代个体表示一种虚拟网络映射策略，适应度值表示虚拟网络映射策略的映射成本。
获取当前种群的迭代次数，并在迭代次数不大于预设迭代次数的情况下，基于算式
确定当前种群和当前种群中每个当前个体，其中，
表示第s个当前个体，xs表示第s个上一代个体，vs表示第s个上一代个体的改变方向，且vs随机取0或1，c1,c2表示粒子群算法中的学习因子，rand1,rand2表示0至1之间的随机数，
表示历史种群中第s个个体中适应度值最小的个体，xgb表示历史种群中适应度值最小的个体，减号-的定义是若两操作数相同，则得到0，若两操作数不同，则得到1，加号+的定义是将操作数相加后并进行取整运算，若运算结果大于0.5，则得到1，若运算结果小于0.5，则得到0。
计算每个当前个体的适应度值。
将当前种群作为上一代种群进行迭代更新，并将满足预设迭代次数的种群作为目标种群，并根据目标种群中适应度值最小的目标个体确定目标虚拟网络映射策略。
可选的，若上一代种群为空，第三确定模块40还用于：
从多个虚拟网络映射策略中随机选取预设数量的虚拟网络映射策略并生成初始种群，以将初始种群作为上一代种群。
利用算式
计算上一代种群中每个上一代个体对应的适应度值，其中，Costs表示第s个上一代个体的适应度值，s取值1至S，S表示上一代个体的数量，CPU(ni)表示虚拟节点ni的计算资源需求，i取值1至I，I表示虚拟节点的数量，
表示第s个上一代个体中虚拟节点ni映射的物理节点，
表示物理节点
的资源单价，BW(lv)表示虚拟链路lv的带宽需求，v取值1至V，V表示虚拟链路的数量，
表示表示第s个上一代个体中虚拟链路lv映射的物理链路，
表示物理链路
的资源单价。
可选的，该装置还包括：
第四确定模块，用于基于目标虚拟网络映射策略确定虚拟节点的映射策略，其中，虚拟节点的映射策略包括每个虚拟节点所对应的物理节点。
第五确定模块，用于基于虚拟节点的映射策略和Floyd算法确定每条虚拟链路对应的物理链路。
实施例三
参见图10，本发明实施例提供了一种电子设备，该电子设备包括：处理器60，存储器61，总线62和通信接口63，所述处理器60、通信接口63和存储器61通过总线62连接；处理器60用于执行存储器61中存储的可执行模块，例如计算机程序。
其中，存储器61可能包含高速随机存取存储器(RAM，RandomAccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口63(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线62可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器61用于存储程序，所述处理器60在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器60中，或者由处理器60实现。
处理器60可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器60中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器60可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器61，处理器60读取存储器61中的信息，结合其硬件完成上述方法的步骤。
本发明实施例所提供的一种基于多目标优化的虚拟网络的映射方法及装置的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于多目标优化的虚拟网络的映射方法，其特征在于，包括：
获取虚拟网络映射请求，其中，所述虚拟网络映射请求包括以下至少之一：每个虚拟节点的计算资源需求、每个虚拟节点的候选物理域和每条虚拟链路的带宽需求；
基于所述虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点，其中，所述目标虚拟节点表示所述每个虚拟节点中的任意一个，所述目标物理域表示所述目标虚拟节点的候选物理域；
基于所述每个虚拟节点的候选物理节点确定多个虚拟网络映射策略；
基于所述多个虚拟网络映射策略确定目标虚拟网络映射策略，其中，所述目标虚拟网络映射策略的映射成本最低。
2.根据权利要求1所述的方法，其特征在于，基于所述虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点，包括：
基于所述虚拟网络映射请求确定所述目标虚拟节点的单元子图，其中，所述单元子图包括：所述目标虚拟节点的计算资源需求、所述目标虚拟节点的候选物理域、与所述目标虚拟节点相连的虚拟节点的候选物理域和所述目标虚拟节点与相连的虚拟节点之间的虚拟链路的带宽需求；
基于所述单元子图和所述目标物理域的属性信息计算所述目标虚拟节点映射在所述目标物理域内的每个目标物理节点上的预计平均映射代价，其中，所述目标物理节点的计算资源满足所述目标虚拟节点的计算资源需求；
基于所述预计平均映射代价确定所述目标虚拟节点的候选物理节点。
3.根据权利要求2所述的方法，其特征在于，基于所述单元子图和所述目标物理域的属性信息计算所述目标虚拟节点映射在所述目标物理域内的每个目标物理节点上的预计平均映射代价，包括：
基于所述目标虚拟节点的计算资源需求在所述目标物理域中确定目标物理节点；
利用算式
计算所述目标虚拟节点映射在所述目标物理域内的每个目标物理节点上的预计平均映射代价，其中，PreCosti,j,k表示目标虚拟节点ni映射到目标物理域j中的目标物理节点nk上的预计平均映射代价，CPU(ni)表示目标虚拟节点ni的计算资源需求，P(nk)表示目标物理节点nk的资源单价，links表示与目标虚拟节点ni相连的虚拟链路的数量，candiDomain表示与目标虚拟节点ni相连的虚拟链路的候选域的数量，BW(l)表示与目标虚拟节点ni相连的虚拟链路的带宽需求，NoL表示与目标虚拟节点ni相连的所有虚拟链路对应的候选物理链路的数量，nb表示与目标虚拟节点ni相连的虚拟节点nB所映射的物理节点，
的取值包括三种情况：若虚拟节点nB的其中一个候选物理域也是目标物理域j，则
若虚拟节点nB的候选物理域中没有目标物理域j，且其中一个候选物理域是物理域H，且所述物理域H与目标物理域j直接相连，则
取值为目标物理域j中与物理域H直接相连的边界节点到目标物理节点nk的物理链路的资源单价；若虚拟节点nB的候选物理域中没有目标物理域j，且没有与目标物理域j直接相连的物理域，则
取值为目标物理节点nk到目标物理域j中所有边界节点的物理链路的资源单价的平均值。
4.根据权利要求1所述的方法，其特征在于，基于所述每个虚拟节点的候选物理节点确定多个虚拟网络映射策略，包括：
基于所述每个虚拟节点的候选物理节点确定第一信息，其中，所述第一信息包括：每个候选物理节点到所属候选物理域的各个边界节点中最低资源单价的物理链路的资源单价，每个候选物理域中候选物理节点之间的最低资源单价的物理链路的资源单价；
获取每个候选物理节点所属候选物理域的所有边界节点的节点属性信息，其中，所述节点属性信息包括：计算资源，资源单价，处理单位资源所需要的时间，与其他边界节点之间的物理链路和与其他边界节点之间的物理链路的资源单价；
获取所有候选物理域的域间链路的链路属性信息，其中，所述链路属性信息包括：带宽容量，资源单价，传输信息所需要的时间；
基于所述第一信息、所述节点属性信息和所述链路属性信息确定多个虚拟网络映射策略。
5.根据权利要求1所述的方法，其特征在于，基于所述多个虚拟网络映射策略确定目标虚拟网络映射策略，包括：
获取上一代种群和所述上一代种群中每个上一代个体对应的适应度值，其中，每个上一代个体表示一种虚拟网络映射策略，适应度值表示虚拟网络映射策略的映射成本；
获取当前种群的迭代次数，并在所述迭代次数不大于预设迭代次数的情况下，基于算式
确定当前种群和所述当前种群中每个当前个体，其中，
表示第s个当前个体，xs表示第s个上一代个体，vs表示第s个上一代个体的改变方向，且vs随机取0或1，c1,c2表示粒子群算法中的学习因子，rand1,rand2表示0至1之间的随机数，
表示历史种群中第s个个体中适应度值最小的个体，xgb表示历史种群中适应度值最小的个体，减号-的定义是若两操作数相同，则得到0，若两操作数不同，则得到1，加号+的定义是将操作数相加后并进行取整运算，若运算结果大于0.5，则得到1，若运算结果小于0.5，则得到0；
计算所述每个当前个体的适应度值；
将所述当前种群作为所述上一代种群进行迭代更新，并将满足所述预设迭代次数的种群作为目标种群，并根据所述目标种群中适应度值最小的目标个体确定目标虚拟网络映射策略。
6.根据权利要求5所述的方法，其特征在于，若所述上一代种群为空，获取上一代种群和所述上一代种群中每个上一代个体对应的适应度值，包括：
从所述多个虚拟网络映射策略中随机选取预设数量的虚拟网络映射策略并生成初始种群，以将所述初始种群作为所述上一代种群；
利用算式
计算所述上一代种群中每个上一代个体对应的适应度值，其中，Costs表示第s个上一代个体的适应度值，s取值1至S，S表示所述上一代个体的数量，CPU(ni)表示虚拟节点ni的计算资源需求，i取值1至I，I表示虚拟节点的数量，
表示第s个上一代个体中虚拟节点ni映射的物理节点，
表示物理节点
的资源单价，BW(lv)表示虚拟链路lv的带宽需求，v取值1至V，V表示虚拟链路的数量，
表示表示第s个上一代个体中虚拟链路lv映射的物理链路，
表示物理链路
的资源单价。
7.根据权利要求1所述的方法，其特征在于，基于所述多个虚拟网络映射策略确定目标虚拟网络映射策略之后，所述方法还包括：
基于所述目标虚拟网络映射策略确定虚拟节点的映射策略，其中，所述虚拟节点的映射策略包括每个虚拟节点所对应的物理节点；
基于所述虚拟节点的映射策略和Floyd算法确定每条虚拟链路对应的物理链路。
8.一种基于多目标优化的虚拟网络的映射装置，其特征在于，包括：
获取模块，用于获取虚拟网络映射请求，其中，所述虚拟网络映射请求包括以下至少之一：每个虚拟节点的计算资源需求、每个虚拟节点的候选物理域和每条虚拟链路的带宽需求；
第一确定模块，用于基于所述虚拟网络映射请求在目标物理域中确定目标虚拟节点的候选物理节点，其中，所述目标虚拟节点表示所述每个虚拟节点中的任意一个，所述目标物理域表示所述目标虚拟节点的候选物理域；
第二确定模块，用于基于所述每个虚拟节点的候选物理节点确定多个虚拟网络映射策略；
第三确定模块，用于基于所述多个虚拟网络映射策略确定目标虚拟网络映射策略，其中，所述目标虚拟网络映射策略的映射成本最低。
9.根据权利要求8所述的装置，其特征在于，所述第一确定模块包括：
第一确定单元，用于基于所述虚拟网络映射请求确定所述目标虚拟节点的单元子图，其中，所述单元子图包括：所述目标虚拟节点的计算资源需求、所述目标虚拟节点的候选物理域、与所述目标虚拟节点相连的虚拟节点的候选物理域和所述目标虚拟节点与相连的虚拟节点之间的虚拟链路的带宽需求；
计算单元，用于基于所述单元子图和所述目标物理域的属性信息计算所述目标虚拟节点映射在所述目标物理域内的每个目标物理节点上的预计平均映射代价，其中，所述目标物理节点的计算资源满足所述目标虚拟节点的计算资源需求；
第二确定单元，用于基于所述预计平均映射代价确定所述目标虚拟节点的候选物理节点。
10.根据权利要求9所述的装置，其特征在于，所述计算单元具体用于：
基于所述目标虚拟节点的计算资源需求在所述目标物理域中确定目标物理节点；
利用算式
计算所述目标虚拟节点映射在所述目标物理域内的每个目标物理节点上的预计平均映射代价，其中，PreCosti,j,k表示目标虚拟节点ni映射到目标物理域j中的目标物理节点nk上的预计平均映射代价，CPU(ni)表示目标虚拟节点ni的计算资源需求，P(nk)表示目标物理节点nk的资源单价，links表示与目标虚拟节点ni相连的虚拟链路的数量，candiDomain表示与目标虚拟节点ni相连的虚拟链路的候选域的数量，BW(l)表示与目标虚拟节点ni相连的虚拟链路的带宽需求，NoL表示与目标虚拟节点ni相连的所有虚拟链路对应的候选物理链路的数量，nb表示与目标虚拟节点ni相连的虚拟节点nB所映射的物理节点，
的取值包括三种情况：若虚拟节点nB的其中一个候选物理域也是目标物理域j，则
若虚拟节点nB的候选物理域中没有目标物理域j，且其中一个候选物理域是物理域H，且所述物理域H与目标物理域j直接相连，则
取值为目标物理域j中与物理域H直接相连的边界节点到目标物理节点nk的物理链路的资源单价；若虚拟节点nB的候选物理域中没有目标物理域j，且没有与目标物理域j直接相连的物理域，则
取值为目标物理节点nk到目标物理域j中所有边界节点的物理链路的资源单价的平均值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010164135.7A CN111385151A (zh) | 2020-03-11 | 2020-03-11 | 一种基于多目标优化的虚拟网络的映射方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010164135.7A CN111385151A (zh) | 2020-03-11 | 2020-03-11 | 一种基于多目标优化的虚拟网络的映射方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111385151A true CN111385151A (zh) | 2020-07-07 |
Family
ID=71219999
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010164135.7A Pending CN111385151A (zh) | 2020-03-11 | 2020-03-11 | 一种基于多目标优化的虚拟网络的映射方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111385151A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2023184793A1 (zh) * | 2022-03-30 | 2023-10-05 | 南京邮电大学 | 基于时延优化的虚拟网络映射算法 |
| WO2024119450A1 (zh) * | 2022-12-08 | 2024-06-13 | 新华三技术有限公司 | 资源预留方法、装置及电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150043378A1 (en) * | 2013-08-07 | 2015-02-12 | Harris Corporation | Network management system generating virtual network map and related methods |
| 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 |
| CN110224918A (zh) * | 2019-05-17 | 2019-09-10 | 西安交通大学 | 一种跨域sdn虚拟网络映射方法 |
-
2020
- 2020-03-11 CN CN202010164135.7A patent/CN111385151A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150043378A1 (en) * | 2013-08-07 | 2015-02-12 | Harris Corporation | Network management system generating virtual network map and related methods |
| 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 |
| CN110224918A (zh) * | 2019-05-17 | 2019-09-10 | 西安交通大学 | 一种跨域sdn虚拟网络映射方法 |
Non-Patent Citations (2)
| Title |
|---|
| PEIYING ZHANG ET AL.: "A multidomain virtual network embedding algorithm based on multiobjective optimization for Internet of Drones architecture in Industry 4.0", 《SOFTWARE: PRACTICE AND EXPERIENCE》 * |
| 耿瑞雯 等: "多域SDN虚拟网络映射算法", 《小型微型计算机系统》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2023184793A1 (zh) * | 2022-03-30 | 2023-10-05 | 南京邮电大学 | 基于时延优化的虚拟网络映射算法 |
| WO2024119450A1 (zh) * | 2022-12-08 | 2024-06-13 | 新华三技术有限公司 | 资源预留方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hussein et al. | Efficient task offloading for IoT-based applications in fog computing using ant colony optimization | |
| Dai et al. | Multi-armed bandit learning for computation-intensive services in MEC-empowered vehicular networks | |
| CN112286677B (zh) | 一种面向资源受限边缘云的物联网应用优化部署方法 | |
| CN111385151A (zh) | 一种基于多目标优化的虚拟网络的映射方法及装置 | |
| CN109818786B (zh) | 一种云数据中心应用可感知的分布式多资源组合路径最优选取方法 | |
| CN108287666B (zh) | 用于云存储环境的数据存储方法及装置 | |
| CN113867843B (zh) | 一种基于深度强化学习的移动边缘计算任务卸载方法 | |
| CN114757352B (zh) | 智能体训练方法、跨域异构环境任务调度方法及相关装置 | |
| CN113037800B (zh) | 作业调度方法以及作业调度装置 | |
| CN115421930B (zh) | 任务处理方法、系统、装置、设备及计算机可读存储介质 | |
| CN114205317B (zh) | 基于sdn与nfv的服务功能链sfc资源分配方法及电子设备 | |
| CN112491964A (zh) | 移动辅助边缘计算方法、装置、介质和设备 | |
| CN111047040A (zh) | 基于IFPA算法的Web服务组合方法 | |
| Liu et al. | Multi-objective optimization service function chain placement algorithm based on reinforcement learning | |
| CN116263681A (zh) | 移动边缘计算任务卸载方法、装置、设备及存储介质 | |
| CN117707795B (zh) | 基于图的模型划分的边端协同推理方法及系统 | |
| Amini Motlagh et al. | A new reliability‐based task scheduling algorithm in cloud computing | |
| CN116910568B (zh) | 图神经网络模型的训练方法及装置、存储介质及电子装置 | |
| Dandachi et al. | A robust monte-carlo-based deep learning strategy for virtual network embedding | |
| Ahmad et al. | Cost optimization in cloud environment based on task deadline | |
| CN108228323A (zh) | 基于数据本地性的Hadoop任务调度方法及装置 | |
| WO2023188437A1 (ja) | 制御装置、制御方法、及びプログラム | |
| CN116389266A (zh) | 一种基于强化学习的数字孪生网络切片的方法和装置 | |
| CN109254844A (zh) | 一种大规模图的三角形计算方法 | |
| Shuling et al. | A QoS-Aware Resource Allocation Method for Internet of Things using Ant Colony Optimization Algorithm and Tabu Search |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200707 |
|
| RJ01 | Rejection of invention patent application after publication |