CN112953781A - 网络切片下基于粒子群的虚拟业务故障恢复方法及装置 - Google Patents

网络切片下基于粒子群的虚拟业务故障恢复方法及装置 Download PDF

Info

Publication number
CN112953781A
CN112953781A CN202110353228.9A CN202110353228A CN112953781A CN 112953781 A CN112953781 A CN 112953781A CN 202110353228 A CN202110353228 A CN 202110353228A CN 112953781 A CN112953781 A CN 112953781A
Authority
CN
China
Prior art keywords
resources
fault
recovery
link
node
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
CN202110353228.9A
Other languages
English (en)
Other versions
CN112953781B (zh
Inventor
付佳佳
卢建刚
洪丹轲
曾瑛
李伟坚
施展
吴赞红
刘新展
朱海龙
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.)
China Southern Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Original Assignee
China Southern Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
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 China Southern Power Grid Co Ltd, Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd filed Critical China Southern Power Grid Co Ltd
Priority to CN202110353228.9A priority Critical patent/CN112953781B/zh
Publication of CN112953781A publication Critical patent/CN112953781A/zh
Application granted granted Critical
Publication of CN112953781B publication Critical patent/CN112953781B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种网络切片下基于粒子群的虚拟业务故障恢复方法，包括：根据基础网络中的底层网络的底层节点资源和底层链路资源，构建网络切片环境下的故障恢复模型；根据所述故障恢复模型，构建粒子群优化算法模型；采用所述粒子群优化算法模型，对所述故障恢复模型进行求解，得到虚拟业务故障恢复策略。本发明以恢复故障业务数量最大化为目标，采用粒子群优化算法进行求解，能够解决可用资源有限的约束条件下恢复的故障业务数量较少的问题。

Description

网络切片下基于粒子群的虚拟业务故障恢复方法及装置
技术领域
本发明涉及电力通信网的故障管理技术领域，特别是涉及一种网络切片下基于粒子群的虚拟业务故障恢复方法、装置、终端设备和计算机可读存储介质。
背景技术
网络切片环境下，基础网络被划分为底层网络和虚拟网络。底层网络包括底层节点和底层链路。虚拟网络包括虚拟节点和虚拟链路。服务提供商通过租用底层网络的资源组建虚拟网络，从而快速为目标用户提供特定的虚拟网服务。由于网络切片后，底层网络上承载的虚拟网服务数量越来越多，如果底层网络出现故障，将导致越来越多的虚拟网服务不可用。
目前，已有研究已经取得了较多的研究成果，但是，随着网络的快速发展，核心网络的规模也越来越大，出现网络故障的概率也越来越大，如何在有限资源约束下恢复尽可能多的虚拟网络服务，已成为一个急需解决的问题。
发明内容
本发明的目的是：提供一种网络切片下基于粒子群的虚拟业务故障恢复方法及装置，能够解决可用资源有限的约束条件下恢复的故障业务数量较少的问题。
为了实现上述目的，本发明提供了一种网络切片下基于粒子群的虚拟业务故障恢复方法，包括：
根据基础网络中的底层网络的底层节点资源和底层链路资源，构建网络切片环境下的故障恢复模型；
根据所述故障恢复模型，构建粒子群优化算法模型；
采用所述粒子群优化算法模型，对所述故障恢复模型进行求解，得到虚拟业务故障恢复策略。
进一步地，所述根据基础网络中的底层网络的底层节点资源和底层链路资源，构建网络切片环境下的故障恢复模型，具体为：
构建底层节点恢复的资源约束条件，采用如下公式：
Figure BDA0003002461560000021
其中，
Figure BDA0003002461560000022
表示故障节点m需要消耗的节点资源数量，Fn表示需要恢复的发生故障的节点的集合，
Figure BDA0003002461560000023
表示故障节点m是否成功恢复的标识，取值为
Figure BDA0003002461560000024
当
Figure BDA0003002461560000025
取值为1时，表示故障节点m已经被成功恢复，当
Figure BDA0003002461560000026
取值为0时，表示故障节点m没有被成功恢复，Ren表示总的节点恢复资源量；
构建底层链路恢复资源约束条件，采用公式：
Figure BDA0003002461560000027
其中，
Figure BDA0003002461560000028
表示恢复故障链路mn需要消耗的链路资源数量，Fe表示需要恢复的发生故障的链路组成的集合，
Figure BDA0003002461560000029
表示故障链路mn是否成功恢复的标识，取值为
Figure BDA00030024615600000210
当
Figure BDA00030024615600000211
取值为1时，表示故障链路mn被成功恢复，当
Figure BDA00030024615600000212
取值为0时，表示故障链路mn没有被恢复成功，Ree表示总的链路恢复资源量；
构建底层节点分配资源约束条件，采用公式：
Figure BDA00030024615600000213
其中，
Figure BDA00030024615600000214
表示被恢复的发生故障业务
Figure BDA00030024615600000215
需要底层节点
Figure BDA00030024615600000216
为其分配的计算资源数量；cm表示发生故障的底层节点
Figure BDA00030024615600000217
剩余的计算资源容量，Cm表示底层节点
Figure BDA00030024615600000218
总共具有的计算资源数量，Cg表示底层节点
Figure BDA00030024615600000219
发生故障后仍然可承载的虚拟业务所占用的计算资源数量；
构建底层链路分配资源约束条件，采用如下公式：
Figure BDA0003002461560000031
其中，
Figure BDA0003002461560000032
表示被恢复的发生故障业务
Figure BDA0003002461560000033
需要底层链路mn为其分配的带宽资源数量；emn表示发生故障的底层链路mn剩余的带宽资源容量，Bmn表示底层链路mn总共具有的带宽资源数量，Bg表示底层链路mn发生故障后仍然可承载的虚拟业务所占用的带宽资源数量；
根据所述底层节点恢复的资源约束条件、底层链路恢复资源约束条件、底层节点分配资源约束条件和底层链路分配资源约束条件，建立故障恢复模型的目标函数：
Figure BDA0003002461560000034
其中，
Figure BDA0003002461560000035
表示成功恢复的虚拟网业务的数量，
Figure BDA0003002461560000036
表示发生故障的虚拟网业务集合，
Figure BDA0003002461560000037
表示虚拟业务
Figure BDA0003002461560000038
是否被成功恢复的标识，取值为
Figure BDA0003002461560000039
当
Figure BDA00030024615600000310
取值为1时，表示虚拟业务
Figure BDA00030024615600000311
被成功恢复，当
Figure BDA00030024615600000312
取值为0时，表示虚拟业务
Figure BDA00030024615600000313
未被成功恢复。
进一步地，所述根据所述故障恢复模型，构建粒子群优化算法模型，具体为：
对粒子群算法中粒子的位置参数和粒子的速度参数进行优化，获得粒子群优化算法模型，其中所述粒子的位置参数表示资源恢复方案，粒子的速度表示资源恢复方案的优化策略。
进一步地，所述采用所述粒子群优化算法模型，对所述故障恢复模型进行求解，得到虚拟业务故障恢复策略，具体为：
根据故障资源和虚拟业务的映射关系，构建故障资源和虚拟业务的二层关联模型；
构建故障资源的二进制字符串Xi，每位表示当前网络资源是否被恢复；
参数初始化，其中，所述参数包括：迭代次数MG、粒子群规模N、随机生成粒子的初始位置Xi和额随机生成粒子的初始速度Vi；
计算粒子初始位置，包括：计算每个粒子位置的适应度函数值f(Xi)，并将最优的初始位置Xi设置为全局最优初始位置Xgb，将每个粒子的初始位置Xi设置为个体最优初始位置Xpb；
更新粒子速度、粒子位置、全局最优初始位置和个体最优初始位置；
判断是否达到预设的结束条件，若是，输出最优的Xi，若否，返回执行步骤更新粒子速度、粒子位置、全局最优初始位置和个体最优初始位置。
本发明实施例还提供一种网络切片下基于粒子群的虚拟业务故障恢复装置，包括：故障构建模块、算法构建模块和处理模块，其中，
所述故障构建模块，用于根据基础网络中的底层网络的底层节点资源和底层链路资源，构建网络切片环境下的故障恢复模型；
所述算法构建模块，用于根据所述故障恢复模型，构建粒子群优化算法模型；
所述处理模块，用于采用所述粒子群优化算法模型，对所述故障恢复模型进行求解，得到虚拟业务故障恢复策略。
进一步地，所述故障构建模块，具体用于：
构建底层节点恢复的资源约束条件，采用如下公式：
Figure BDA0003002461560000041
其中，
Figure BDA0003002461560000042
表示故障节点m需要消耗的节点资源数量，Fn表示需要恢复的发生故障的节点的集合，
Figure BDA0003002461560000043
表示故障节点m是否成功恢复的标识，取值为
Figure BDA0003002461560000044
当
Figure BDA0003002461560000045
取值为1时，表示故障节点m已经被成功恢复，当
Figure BDA0003002461560000046
取值为0时，表示故障节点m没有被成功恢复，Ren表示总的节点恢复资源量；
构建底层链路恢复资源约束条件，采用公式：
Figure BDA0003002461560000051
其中，
Figure BDA0003002461560000052
表示恢复故障链路mn需要消耗的链路资源数量，Fe表示需要恢复的发生故障的链路组成的集合，
Figure BDA0003002461560000053
表示故障链路mn是否成功恢复的标识，取值为
Figure BDA0003002461560000054
当
Figure BDA0003002461560000055
取值为1时，表示故障链路mn被成功恢复，当
Figure BDA0003002461560000056
取值为0时，表示故障链路mn没有被恢复成功，Ree表示总的链路恢复资源量；
构建底层节点分配资源约束条件，采用公式：
Figure BDA0003002461560000057
其中，
Figure BDA0003002461560000058
表示被恢复的发生故障业务
Figure BDA0003002461560000059
需要底层节点
Figure BDA00030024615600000510
为其分配的计算资源数量；cm表示发生故障的底层节点
Figure BDA00030024615600000511
剩余的计算资源容量，Cm表示底层节点
Figure BDA00030024615600000512
总共具有的计算资源数量，Cg表示底层节点
Figure BDA00030024615600000513
发生故障后仍然可承载的虚拟业务所占用的计算资源数量；
构建底层链路分配资源约束条件，采用如下公式：
Figure BDA00030024615600000514
其中，
Figure BDA00030024615600000515
表示被恢复的发生故障业务
Figure BDA00030024615600000516
需要底层链路mn为其分配的带宽资源数量；emn表示发生故障的底层链路mn剩余的带宽资源容量，Bmn表示底层链路mn总共具有的带宽资源数量，Bg表示底层链路mn发生故障后仍然可承载的虚拟业务所占用的带宽资源数量；
根据所述底层节点恢复的资源约束条件、底层链路恢复资源约束条件、底层节点分配资源约束条件和底层链路分配资源约束条件，建立故障恢复模型的目标函数：
Figure BDA00030024615600000517
其中，
Figure BDA0003002461560000061
表示成功恢复的虚拟网业务的数量，
Figure BDA0003002461560000062
表示发生故障的虚拟网业务集合，
Figure BDA0003002461560000063
表示虚拟业务
Figure BDA0003002461560000064
是否被成功恢复的标识，取值为
Figure BDA0003002461560000065
当
Figure BDA0003002461560000066
取值为1时，表示虚拟业务
Figure BDA0003002461560000067
被成功恢复，当
Figure BDA0003002461560000068
取值为0时，表示虚拟业务
Figure BDA0003002461560000069
未被成功恢复。
进一步地，所述算法构建模块，具体用于：
对粒子群算法中粒子的位置参数和粒子的速度参数进行优化，获得粒子群优化算法模型，其中所述粒子的位置参数表示资源恢复方案，粒子的速度表示资源恢复方案的优化策略。
进一步地，所述处理模块，具体用于：
根据故障资源和虚拟业务的映射关系，构建故障资源和虚拟业务的二层关联模型；
构建故障资源的二进制字符串Xi，每位表示当前网络资源是否被恢复；
参数初始化，其中，所述参数包括：迭代次数MG、粒子群规模N、随机生成粒子的初始位置Xi和额随机生成粒子的初始速度Vi；
计算粒子初始位置，包括：计算每个粒子位置的适应度函数值f(Xi)，并将最优的初始位置Xi设置为全局最优初始位置Xgb，将每个粒子的初始位置Xi设置为个体最优初始位置Xpb；
更新粒子速度、粒子位置、全局最优初始位置和个体最优初始位置；
判断是否达到预设的结束条件，若是，输出最优的Xi，若否，返回执行步骤更新粒子速度、粒子位置、全局最优初始位置和个体最优初始位置。
本发明实施例还提供一种计算机终端设备，包括：一个或多个处理器；存储器，与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的网络切片下基于粒子群的虚拟业务故障恢复方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一项所述的网络切片下基于粒子群的虚拟业务故障恢复方法。
本发明实施例一种网络切片下基于粒子群的虚拟业务故障恢复方法及装置与现有技术相比，其有益效果在于：
本发明以恢复故障业务数量最大化为目标，采用粒子群优化算法进行求解。在比较指标方面，使用故障恢复率、用户满意度两个指标进行评价，通过在实验仿真环境的运行，相对于现有的故障恢复方法，本发明能够找到最优的恢复策略，可以恢复更多的发生故障的底层网络资源，从而恢复了较多的发生故障的虚拟网络业务。
附图说明
图1为本发明某一实施例提供的一种网络切片下基于粒子群的虚拟业务故障恢复方法的流程示意图；
图2为本发明某一个实施例虚拟业务故障恢复率和现有技术故障恢复率对比示意图；
图3为本发明某一实施例提供的恢复资源总量对用户满意度影响示意图；
图4为本发明某一实施例提供的一种网络切片下基于粒子群的虚拟业务故障恢复装置的结构示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本发明第一实施例：
如图1所示，本发明实施例的一种网络切片下基于粒子群的虚拟业务故障恢复方法，至少包括如下步骤：
S101、根据基础网络中的底层网络的底层节点资源和底层链路资源，构建网络切片环境下的故障恢复模型；
需要说明的是，网络切片环境下，基础网络被划分为底层网络和虚拟网络。底层网络使用GS＝(NS,ES)表示，其中，NS表示底层节点集合，每个底层节点
Figure BDA0003002461560000081
具有计算资源属性，使用
Figure BDA0003002461560000082
表示。ES表示底层链路集合，每条底层链路
Figure BDA0003002461560000083
具有带宽资源属性，使用
Figure BDA0003002461560000084
表示。虚拟网络使用GV＝(NV,EV)表示。其中，NV表示虚拟节点集合，每个虚拟节点
Figure BDA0003002461560000085
需要向底层节点申请的计算资源量使用
Figure BDA0003002461560000086
表示。EV表示虚拟链路集合，每条虚拟链路
Figure BDA0003002461560000087
需要向底层链路申请的带宽资源量使用
Figure BDA0003002461560000088
表示。
服务提供商向底层网络提供商申请资源时，使用GV＝(NV,EV)描述需要的资源量。底层网络服务商为虚拟网络服务提供商提供资源时，使用GV↓GS描述资源分配情况。其中，底层节点
Figure BDA0003002461560000089
为虚拟节点
Figure BDA00030024615600000810
分配资源，使用
Figure BDA0003002461560000091
表示。底层路径
Figure BDA0003002461560000092
为虚拟链路
Figure BDA0003002461560000093
分配资源，使用
Figure BDA0003002461560000094
表示。底层路径
Figure BDA0003002461560000095
是指由多条底层链路相连接而组成的一条底层路径，该路径的两个端节点为虚拟链路的两个虚拟端点映射的两个底层节点。虚拟网服务提供商租用虚拟网后，可以部署个性化的业务，为最终用户提供服务。本发明主要研究端到端的虚拟网业务，使用
Figure BDA0003002461560000096
表示从虚拟节点
Figure BDA0003002461560000097
到虚拟节点
Figure BDA0003002461560000098
的一个端到端业务。
故障恢复问题的难点是如何使用有限数量的恢复资源，恢复尽可能多的故障资源，从而实现恢复业务的最大化。对于有限数量的恢复资源，包括总的节点恢复资源、总的链路恢复资源，分别使用Ren和Ree表示。
对于底层节点恢复的资源限制问题，可以使用公式(1)描述。公式的含义是成功恢复的底层节点占用的恢复资源的总数量，不能超过总的节点恢复资源量。其中，
Figure BDA0003002461560000099
表示故障节点m需要消耗的节点资源数量，Fn表示需要恢复的发生故障的节点的集合。
Figure BDA00030024615600000910
表示故障节点m是否成功恢复的标识，取值为
Figure BDA00030024615600000911
当取值为1时，表示故障节点m已经被成功恢复。当取值为0时，表示故障节点m没有被成功恢复。
Figure BDA00030024615600000912
对于底层链路恢复的资源限制问题，可以使用公式(2)描述。公式的含义是成功恢复的底层链路占用的恢复资源的总数量，不能超过总的链路恢复资源量。其中，
Figure BDA00030024615600000913
表示恢复故障链路mn需要消耗的链路资源数量，Fe表示需要恢复的发生故障的链路组成的集合。
Figure BDA00030024615600000914
表示故障链路mn是否成功恢复的标识，取值为
Figure BDA00030024615600000915
当取值为1时，表示故障链路mn被成功恢复。当取值为0时，表示故障链路mn没有被恢复成功。
Figure BDA00030024615600000916
当发生故障的底层节点和底层链路被恢复成功后，可以用于恢复虚拟网业务。在恢复虚拟网业务时，恢复业务占用的底层节点资源和底层链路资源不能超过其自身的空闲资源量。在底层节点分配资源约束方面，底层节点
Figure BDA0003002461560000101
的资源分配约束使用公式(3)进行计算。该公式表示恢复的业务占用的底层节点的资源量不能超过底层节点修复后的资源限制。其中，
Figure BDA0003002461560000102
表示被恢复的发生故障业务
Figure BDA0003002461560000103
需要底层节点
Figure BDA0003002461560000104
为其分配的计算资源数量；cm表示发生故障的底层节点
Figure BDA0003002461560000105
剩余的计算资源容量，Cm表示底层节点
Figure BDA0003002461560000106
总共具有的计算资源数量，Cg表示底层节点
Figure BDA0003002461560000107
发生故障后仍然可承载的虚拟业务所占用的计算资源数量。
Figure BDA0003002461560000108
在底层链路分配资源约束方面，底层链路
Figure BDA0003002461560000109
的资源分配约束使用公式(4)进行计算。该公式表示恢复的业务占用的底层链路的资源量不能超过底层链路修复后的资源限制。其中，
Figure BDA00030024615600001010
表示被恢复的发生故障业务
Figure BDA00030024615600001011
需要底层链路(mn)为其分配的带宽资源数量；emn表示发生故障的底层链路(mn)剩余的带宽资源容量，Bmn表示底层链路(mn)总共具有的带宽资源数量，Bg表示底层链路(mn)发生故障后仍然可承载的虚拟业务所占用的带宽资源数量。
Figure BDA00030024615600001012
基于此，本发明定义虚拟网业务故障恢复问题的目标函数为公式(5)，其约束条件为公式(1－4)，公式的含义是实现失效业务的恢复数量最大化，即在资源受限的条件下，恢复尽可能多的虚拟网业务。公式中，
Figure BDA00030024615600001013
表示成功恢复的虚拟网业务的数量，
Figure BDA00030024615600001014
表示发生故障的虚拟网业务集合。
Figure BDA00030024615600001015
表示虚拟业务
Figure BDA00030024615600001016
是否被成功恢复的标识，取值为
Figure BDA00030024615600001017
当取值为1时，表示虚拟业务
Figure BDA00030024615600001018
被成功恢复。当取值为0时，表示虚拟业务
Figure BDA00030024615600001019
未被成功恢复。
Figure BDA00030024615600001020
S102、根据所述故障恢复模型，构建粒子群优化算法模型；
需要说明的是，从目标函数及其约束条件可知，要求解最优化的解是NP难题。考虑到粒子群优化算法具有求解速度快、求解效果好等优点，为了获得最优解，本发明采用粒子群优化算法进行求解。粒子群优化算法是一种通过粒子间互相学习而指导搜索最优解的智能化算法。粒子群优化算法的两个关键参数是粒子的位置和粒子的速度。
在本发明中，粒子的位置是指一个资源恢复方案。粒子的速度是指粒子从一个粒子位置向更优化的粒子位置运动的过程。使用
Figure BDA0003002461560000111
表示由D个粒子位置构成的向量，被定义为第i个恢复方案。其中，D表示需要恢复的故障底层节点Fn和故障底层链路Fe构成的集合。集合中的每个元素
Figure BDA0003002461560000112
表示当前的故障底层资源是否恢复，取值为二进制数值。当其取值为1时，表示对当前的故障底层资源进行恢复。当其取值为0时，表示对当前的故障底层资源不进行恢复。
粒子的速度用来表示资源恢复方案的优化策略，使用向量
Figure BDA0003002461560000113
表示。其中，向量元素
Figure BDA0003002461560000114
表示第j个需要恢复的网络资源的恢复状态是否需要改变。当
Figure BDA0003002461560000115
表示需要进行改变。当
Figure BDA0003002461560000116
表示不需要进行改变。每个粒子运动时，使用Xpb表示其历史最优的位置，使用Xgb表示全局历史最优的位置。
在粒子群优化算法中，为了对恢复方案进行优化，一般采用粒子的加法、减法、乘法三种运算。粒子的加法运算使用
Figure BDA0003002461560000117
表示，用于计算恢复方案的优化策略。计算方法如公式(6)所示。其中，Pi和Pj表示采取现有恢复方案的概率，且Pi+P＝1(0≤P≤1)。当某个恢复方案的概率不确定时，使用＊表示。例如，
Figure BDA0003002461560000118
其中，第一个*表示当前故障资源的恢复方案是以0.1的概率取0，以0.9的概率取1。
Figure BDA0003002461560000119
减法运算使用Θ表示，用于比较两种恢复方案的区别。计算方法如公式(7)所示。计算方法为比较每维度上的取值。如果相等，减法的计算结果为1。如果不相等，减分的计算结果为0。例如，(1,1,0,0,0)Θ(1,0,1,0,1)＝(1,0,0,1,0)。
Xi和Xj区别＝XiΘXj (7)
乘法运算使用
Figure BDA0003002461560000121
表示，用于计算出新的更加优化的方案。计算方法如公式(8)所示。
例如，
Figure BDA0003002461560000122
表明恢复方案中第二个需要恢复的网络资源的恢复方案需要调整。
Figure BDA0003002461560000123
基于上述计算方法，可以得到粒子位置的优化方法如公式(9)，粒子速度的优化公式如公式(10)。
Figure BDA0003002461560000124
Figure BDA0003002461560000125
S103、采用所述粒子群优化算法模型，对所述故障恢复模型进行求解，得到虚拟业务故障恢复策略。
需要说明的是，通过粒子群算法的过程分析，本发明提出的基于粒子群的虚拟业务故障恢复算法(Virtual Service Failure Recovery Algorithm based on ParticleSwarm，VSFRAoPW)如表1所示。算法包括下面七个步骤。(1)、构建二层关联模型：顶层节点为故障资源，底层节点为虚拟业务，从顶层节点到底层节点的连线，表示当前的故障资源为其连接的虚拟业务提供网络资源。(2)、构建故障资源的二进制字符串。使用故障的网络节点集合Fn、故障的网络链路集合Fe构建一个二进制字符串Xi，每位表示当前网络资源是否被恢复。(3)、参数初始化。根据粒子群建模和分析可知，需要初始化的参数包括算法的迭代次数MG、粒子群规模N、随机生成粒子的初始位置Xi、随机生成粒子的初始速度Vi。(4)、计算初始位置。虚拟网业务故障恢复问题的目标函数为公式(5)，所以，将公式(5)设置为每个粒子位置的适应度函数值f(Xi)。(5)、粒子速度和粒子位置更新。在恢复虚拟网业务时，需要满足的业务资源分配约束包括底层节点分配资源约束、底层链路分配资源约束。所以，判断各个粒子位置是否符合约束条件时，将约束条件设置为公式(1)到公式(4)，并进行相应操作。(6)、更新全局最优初始位置和个体最优初始位置。通过判断全局最优初始位置Xgb和个体最优初始位置Xpb的取值，对全局最优初始位置和个体最优初始位置进行更新。(7)、判断是否达到结束条件。判断的条件为最大的迭代次数MG；如已达到最大迭代次数，输出最优的Xi。
表1基于粒子群的虚拟业务故障恢复算法
Figure BDA0003002461560000131
Figure BDA0003002461560000141
在本发明的某一个实施例中，所述根据基础网络中的底层网络的底层节点资源和底层链路资源，构建网络切片环境下的故障恢复模型，具体为：
构建底层节点恢复的资源约束条件，采用如下公式：
Figure BDA0003002461560000142
其中，
Figure BDA0003002461560000143
表示故障节点m需要消耗的节点资源数量，Fn表示需要恢复的发生故障的节点的集合，
Figure BDA0003002461560000144
表示故障节点m是否成功恢复的标识，取值为
Figure BDA0003002461560000145
当
Figure BDA0003002461560000146
取值为1时，表示故障节点m已经被成功恢复，当
Figure BDA0003002461560000147
取值为0时，表示故障节点m没有被成功恢复，Ren表示总的节点恢复资源量；
构建底层链路恢复资源约束条件，采用公式：
Figure BDA0003002461560000148
其中，
Figure BDA0003002461560000149
表示恢复故障链路mn需要消耗的链路资源数量，Fe表示需要恢复的发生故障的链路组成的集合，
Figure BDA00030024615600001410
表示故障链路mn是否成功恢复的标识，取值为
Figure BDA00030024615600001411
当
Figure BDA00030024615600001412
取值为1时，表示故障链路mn被成功恢复，当
Figure BDA00030024615600001413
取值为0时，表示故障链路mn没有被恢复成功，Ree表示总的链路恢复资源量；
构建底层节点分配资源约束条件，采用公式：
Figure BDA00030024615600001414
其中，
Figure BDA00030024615600001415
表示被恢复的发生故障业务
Figure BDA00030024615600001416
需要底层节点
Figure BDA00030024615600001417
为其分配的计算资源数量；cm表示发生故障的底层节点
Figure BDA0003002461560000151
剩余的计算资源容量，Cm表示底层节点
Figure BDA0003002461560000152
总共具有的计算资源数量，Cg表示底层节点
Figure BDA0003002461560000153
发生故障后仍然可承载的虚拟业务所占用的计算资源数量；
构建底层链路分配资源约束条件，采用如下公式：
Figure BDA0003002461560000154
其中，
Figure BDA0003002461560000155
表示被恢复的发生故障业务
Figure BDA0003002461560000156
需要底层链路mn为其分配的带宽资源数量；emn表示发生故障的底层链路mn剩余的带宽资源容量，Bmn表示底层链路mn总共具有的带宽资源数量，Bg表示底层链路mn发生故障后仍然可承载的虚拟业务所占用的带宽资源数量；
根据所述底层节点恢复的资源约束条件、底层链路恢复资源约束条件、底层节点分配资源约束条件和底层链路分配资源约束条件，建立故障恢复模型的目标函数：
Figure BDA0003002461560000157
其中，
Figure BDA0003002461560000158
表示成功恢复的虚拟网业务的数量，
Figure BDA0003002461560000159
表示发生故障的虚拟网业务集合，
Figure BDA00030024615600001510
表示虚拟业务
Figure BDA00030024615600001511
是否被成功恢复的标识，取值为
Figure BDA00030024615600001512
当
Figure BDA00030024615600001513
取值为1时，表示虚拟业务
Figure BDA00030024615600001514
被成功恢复，当
Figure BDA00030024615600001515
取值为0时，表示虚拟业务
Figure BDA00030024615600001516
未被成功恢复。
在本发明的某一个实施例中，所述根据所述故障恢复模型，构建粒子群优化算法模型，具体为：
对粒子群算法中粒子的位置参数和粒子的速度参数进行优化，获得粒子群优化算法模型，其中所述粒子的位置参数表示资源恢复方案，粒子的速度表示资源恢复方案的优化策略。
在本发明的某一个实施例中，所述采用所述粒子群优化算法模型，对所述故障恢复模型进行求解，得到虚拟业务故障恢复策略，具体为：
根据故障资源和虚拟业务的映射关系，构建故障资源和虚拟业务的二层关联模型；
构建故障资源的二进制字符串Xi，每位表示当前网络资源是否被恢复；
参数初始化，其中，所述参数包括：迭代次数MG、粒子群规模N、随机生成粒子的初始位置Xi和额随机生成粒子的初始速度Vi；
计算粒子初始位置，包括：计算每个粒子位置的适应度函数值f(Xi)，并将最优的初始位置Xi设置为全局最优初始位置Xgb，将每个粒子的初始位置Xi设置为个体最优初始位置Xpb；
更新粒子速度、粒子位置、全局最优初始位置和个体最优初始位置；
判断是否达到预设的结束条件，若是，输出最优的Xi，若否，返回执行步骤更新粒子速度、粒子位置、全局最优初始位置和个体最优初始位置。
需要说明的是，在本发明的实验环境中，使用GT－ITM工具生成网络拓扑环境。在底层网络方面，底层网络节点数量从100个增加到700个，用于描述不同网络规模环境下的网络环境。每个底层节点的资源、每条底层链路的资源，都服从(10，30)的均匀分布。在虚拟网络方面，虚拟网络节点数量服从(10，30)的均匀分布，每个虚拟节点的资源、每条虚拟链路的资源，都服从(1，5)的均匀分布。因底层链路故障和底层节点故障的恢复类似，本发明实验以底层链路故障为研究对象。在仿真底层链路故障方面，每条链路发生故障的概率为0.05。当某条底层链路发生故障后，其剩余的链路容量服从(0，10)的均匀分布。
在算法比较方面，将本发明算法VSFRAoPW与启发式恢复算法(Heuristicrecovery algorithm，VSFRAoHR)进行比较。算法VSFRAoHR以恢复故障业务数量最大化为目标，采用粒子群优化算法进行求解。在比较指标方面，使用故障恢复率、用户满意度两个指标进行评价。故障恢复率是指被成功恢复的发生故障的虚拟网业务数量在总的虚拟网业务数量种的占比。用户满意度u使用公式(11)计算。其中，flowθ表示恢复的虚拟网业务的流量。fθ表示恢复的虚拟网业务的数量。Θ表示已成功恢复的虚拟网业务集合。Ω表示需要恢复的虚拟网业务集合。α和β是调节恢复业务流量和恢复业务数量的权重因子。从公式(11)可知，恢复的虚拟网业务的数量和流量越多，公式(11)的分子越大，用户满意度u的取值越大，算法恢复的效果越好。
Figure BDA0003002461560000171
故障恢复率的实验结果如图2所示。X轴表示底层网络节点的数量从100个增加到700个，用于验证不同的底层网络规模下算法的性能。Y轴表示虚拟网业务故障的恢复率。实验中使用的底层链路恢复资源总量为300个。从实验结果可知，随着底层网络规模的增加，两个算法的虚拟网业务故障恢复率都在降低。这是因为底层网络规模增加，发生故障的虚拟网业务数量增加，需要的恢复资源也需要增加。从两个算法的性能分析方面，各种网络环境下，本发明算法的虚拟网业务故障恢复的恢复率都高于对比算法。这是因为本发明算法采取的粒子群优化算法，可以较好的获得全局最优解，从而提升虚拟网业务的恢复成功率。
恢复资源总量对用户满意度影响的实验结果如图3所示。图中X轴表示恢复资源的总量从100个增加到500个。Y轴表示用户满意度取值。实验结果展示了底层网络节点数量在400个的网络环境下的用户满意度情况。从图可知，随着恢复资源总量的增加，两个算法下的用户满意度都在增加，这是因为恢复资源总量增加后，可以恢复更多的发生故障的底层网络资源，从而恢复了较多的发生故障的虚拟网业务。从两个算法的用户满意度分析可知，各种恢复资源总量环境下，本发明算法的用户满意度都高于比较算法。这是因为本发明算法能够找到最优的恢复策略，从而恢复了较多发生故障的虚拟业务。
本发明实施例一种网络切片下基于粒子群的虚拟业务故障恢复方法与现有技术相比，其有益效果在于：
本发明以恢复故障业务数量最大化为目标，采用粒子群优化算法进行求解。在比较指标方面，使用故障恢复率、用户满意度两个指标进行评价，通过在实验仿真环境的运行，相对于现有的故障恢复方法，本发明能够找到最优的恢复策略，可以恢复更多的发生故障的底层网络资源，从而恢复了较多的发生故障的虚拟网络业务。
本发明第二实施例：
如图2所示，本发明实施例提供的一种网络切片下基于粒子群的虚拟业务故障恢复装置200，包括：故障构建模块201、算法构建模块202和处理模块203，其中，
所述故障构建模块201，用于根据基础网络中的底层网络的底层节点资源和底层链路资源，构建网络切片环境下的故障恢复模型；
所述算法构建模块202，用于根据所述故障恢复模型，构建粒子群优化算法模型；
所述处理模块203，用于采用所述粒子群优化算法模型，对所述故障恢复模型进行求解，得到虚拟业务故障恢复策略。
在本发明的某一个实施例中，所述故障构建模块201，具体用于：
构建底层节点恢复的资源约束条件，采用如下公式：
Figure BDA0003002461560000181
其中，
Figure BDA0003002461560000182
表示故障节点m需要消耗的节点资源数量，Fn表示需要恢复的发生故障的节点的集合，
Figure BDA0003002461560000183
表示故障节点m是否成功恢复的标识，取值为
Figure BDA0003002461560000184
当
Figure BDA0003002461560000185
取值为1时，表示故障节点m已经被成功恢复，当
Figure BDA0003002461560000191
取值为0时，表示故障节点m没有被成功恢复，Ren表示总的节点恢复资源量；
构建底层链路恢复资源约束条件，采用公式：
Figure BDA0003002461560000192
其中，
Figure BDA0003002461560000193
表示恢复故障链路mn需要消耗的链路资源数量，Fe表示需要恢复的发生故障的链路组成的集合，
Figure BDA0003002461560000194
表示故障链路mn是否成功恢复的标识，取值为
Figure BDA0003002461560000195
当
Figure BDA0003002461560000196
取值为1时，表示故障链路mn被成功恢复，当
Figure BDA0003002461560000197
取值为0时，表示故障链路mn没有被恢复成功，Ree表示总的链路恢复资源量；
构建底层节点分配资源约束条件，采用公式：
Figure BDA0003002461560000198
其中，
Figure BDA0003002461560000199
表示被恢复的发生故障业务
Figure BDA00030024615600001910
需要底层节点
Figure BDA00030024615600001911
为其分配的计算资源数量；cm表示发生故障的底层节点
Figure BDA00030024615600001912
剩余的计算资源容量，Cm表示底层节点
Figure BDA00030024615600001913
总共具有的计算资源数量，Cg表示底层节点
Figure BDA00030024615600001914
发生故障后仍然可承载的虚拟业务所占用的计算资源数量；
构建底层链路分配资源约束条件，采用如下公式：
Figure BDA00030024615600001915
其中，
Figure BDA00030024615600001916
表示被恢复的发生故障业务
Figure BDA00030024615600001917
需要底层链路mn为其分配的带宽资源数量；emn表示发生故障的底层链路mn剩余的带宽资源容量，Bmn表示底层链路mn总共具有的带宽资源数量，Bg表示底层链路mn发生故障后仍然可承载的虚拟业务所占用的带宽资源数量；
根据所述底层节点恢复的资源约束条件、底层链路恢复资源约束条件、底层节点分配资源约束条件和底层链路分配资源约束条件，建立故障恢复模型的目标函数：
Figure BDA0003002461560000201
其中，
Figure BDA0003002461560000202
表示成功恢复的虚拟网业务的数量，
Figure BDA0003002461560000203
表示发生故障的虚拟网业务集合，
Figure BDA0003002461560000204
表示虚拟业务
Figure BDA0003002461560000205
是否被成功恢复的标识，取值为
Figure BDA0003002461560000206
当
Figure BDA0003002461560000207
取值为1时，表示虚拟业务
Figure BDA0003002461560000208
被成功恢复，当
Figure BDA0003002461560000209
取值为0时，表示虚拟业务
Figure BDA00030024615600002010
未被成功恢复。
在本发明是某一个实施例中，所述算法构建模块202，具体用于：
对粒子群算法中粒子的位置参数和粒子的速度参数进行优化，获得粒子群优化算法模型，其中所述粒子的位置参数表示资源恢复方案，粒子的速度表示资源恢复方案的优化策略。
在本发明的某一个实施例中，所述处理模块203，具体用于：
根据故障资源和虚拟业务的映射关系，构建故障资源和虚拟业务的二层关联模型；
构建故障资源的二进制字符串Xi，每位表示当前网络资源是否被恢复；
参数初始化，其中，所述参数包括：迭代次数MG、粒子群规模N、随机生成粒子的初始位置Xi和额随机生成粒子的初始速度Vi；
计算粒子初始位置，包括：计算每个粒子位置的适应度函数值f(Xi)，并将最优的初始位置Xi设置为全局最优初始位置Xgb，将每个粒子的初始位置Xi设置为个体最优初始位置Xpb；
更新粒子速度、粒子位置、全局最优初始位置和个体最优初始位置；
判断是否达到预设的结束条件，若是，输出最优的Xi，若否，返回执行步骤更新粒子速度、粒子位置、全局最优初始位置和个体最优初始位置。
本发明第三实施例：
本发明实施例还提供一种计算机终端设备，包括：一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一项所述的网络切片下基于粒子群的虚拟业务故障恢复方法。
需要说明的是，所述处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field－ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器也可以是任何常规的处理器，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(SmartMediaCard，SMC)、安全数字(SecureDigital，SD)卡和闪存卡(FlashCard)等，或所述存储器也可以是其他易失性固态存储器件。
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，上述终端设备仅仅是示例，并不构成对终端设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件。
本发明第四实施例：
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一项所述的网络切片下基于粒子群的虚拟业务故障恢复方法。
需要说明的是，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序)，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种网络切片下基于粒子群的虚拟业务故障恢复方法，其特征在于，包括：
根据基础网络中的底层网络的底层节点资源和底层链路资源，构建网络切片环境下的故障恢复模型；
根据所述故障恢复模型，构建粒子群优化算法模型；
采用所述粒子群优化算法模型，对所述故障恢复模型进行求解，得到虚拟业务故障恢复策略。
2.根据权利要求1所述的网络切片下基于粒子群的虚拟业务故障恢复方法，其特征在于，所述根据基础网络中的底层网络的底层节点资源和底层链路资源，构建网络切片环境下的故障恢复模型，具体为：
构建底层节点恢复的资源约束条件，采用如下公式：
Figure FDA0003002461550000011
其中，
Figure FDA0003002461550000012
表示故障节点m需要消耗的节点资源数量，Fn表示需要恢复的发生故障的节点的集合，
Figure FDA0003002461550000013
表示故障节点m是否成功恢复的标识，取值为
Figure FDA0003002461550000014
当
Figure FDA0003002461550000015
取值为1时，表示故障节点m已经被成功恢复，当
Figure FDA0003002461550000016
取值为0时，表示故障节点m没有被成功恢复，Ren表示总的节点恢复资源量；
构建底层链路恢复资源约束条件，采用公式：
Figure FDA0003002461550000017
其中，
Figure FDA0003002461550000018
表示恢复故障链路mn需要消耗的链路资源数量，Fe表示需要恢复的发生故障的链路组成的集合，
Figure FDA0003002461550000019
表示故障链路mn是否成功恢复的标识，取值为
Figure FDA00030024615500000110
当
Figure FDA00030024615500000111
取值为1时，表示故障链路mn被成功恢复，当
Figure FDA0003002461550000021
取值为0时，表示故障链路mn没有被恢复成功，Ree表示总的链路恢复资源量；
构建底层节点分配资源约束条件，采用公式：
Figure FDA0003002461550000022
其中，
Figure FDA0003002461550000023
表示被恢复的发生故障业务
Figure FDA0003002461550000024
需要底层节点
Figure FDA0003002461550000025
为其分配的计算资源数量；cm表示发生故障的底层节点
Figure FDA0003002461550000026
剩余的计算资源容量，Cm表示底层节点
Figure FDA0003002461550000027
总共具有的计算资源数量，Cg表示底层节点
Figure FDA0003002461550000028
发生故障后仍然可承载的虚拟业务所占用的计算资源数量；
构建底层链路分配资源约束条件，采用如下公式：
Figure FDA0003002461550000029
其中，
Figure FDA00030024615500000210
表示被恢复的发生故障业务
Figure FDA00030024615500000211
需要底层链路mn为其分配的带宽资源数量；emn表示发生故障的底层链路mn剩余的带宽资源容量，Bmn表示底层链路mn总共具有的带宽资源数量，Bg表示底层链路mn发生故障后仍然可承载的虚拟业务所占用的带宽资源数量；
根据所述底层节点恢复的资源约束条件、底层链路恢复资源约束条件、底层节点分配资源约束条件和底层链路分配资源约束条件，建立故障恢复模型的目标函数：
Figure FDA00030024615500000212
其中，
Figure FDA00030024615500000213
表示成功恢复的虚拟网业务的数量，
Figure FDA00030024615500000214
表示发生故障的虚拟网业务集合，
Figure FDA00030024615500000215
表示虚拟业务
Figure FDA00030024615500000216
是否被成功恢复的标识，取值为
Figure FDA00030024615500000217
当
Figure FDA00030024615500000218
取值为1时，表示虚拟业务
Figure FDA00030024615500000219
被成功恢复，当
Figure FDA00030024615500000220
取值为0时，表示虚拟业务
Figure FDA00030024615500000221
未被成功恢复。
3.根据权利要求1所述的网络切片下基于粒子群的虚拟业务故障恢复方法，其特征在于，所述根据所述故障恢复模型，构建粒子群优化算法模型，具体为：
对粒子群算法中粒子的位置参数和粒子的速度参数进行优化，获得粒子群优化算法模型，其中所述粒子的位置参数表示资源恢复方案，粒子的速度参数表示资源恢复方案的优化策略。
4.根据权利要求1所述的网络切片下基于粒子群的虚拟业务故障恢复方法，其特征在于，所述采用所述粒子群优化算法模型，对所述故障恢复模型进行求解，得到虚拟业务故障恢复策略，具体为：
根据故障资源和虚拟业务的映射关系，构建故障资源和虚拟业务的二层关联模型；
构建故障资源的二进制字符串Xi，每位表示当前网络资源是否被恢复；
参数初始化，其中，所述参数包括：迭代次数MG、粒子群规模N、随机生成粒子的初始位置Xi和额随机生成粒子的初始速度Vi；
计算粒子初始位置，包括：计算每个粒子位置的适应度函数值f(Xi)，并将最优的初始位置Xi设置为全局最优初始位置Xgb，将每个粒子的初始位置Xi设置为个体最优初始位置Xpb；
更新粒子速度、粒子位置、全局最优初始位置和个体最优初始位置；
判断是否达到预设的结束条件，若是，输出最优的Xi，若否，返回执行步骤更新粒子速度、粒子位置、全局最优初始位置和个体最优初始位置。
5.一种网络切片下基于粒子群的虚拟业务故障恢复装置，其特征在于，包括：故障构建模块、算法构建模块和处理模块，其中，
所述故障构建模块，用于根据基础网络中的底层网络的底层节点资源和底层链路资源，构建网络切片环境下的故障恢复模型；
所述算法构建模块，用于根据所述故障恢复模型，构建粒子群优化算法模型；
所述处理模块，用于采用所述粒子群优化算法模型，对所述故障恢复模型进行求解，得到虚拟业务故障恢复策略。
6.根据权利要求5所述的网络切片下基于粒子群的虚拟业务故障恢复装置，其特征在于，所述故障构建模块，具体用于：
构建底层节点恢复的资源约束条件，采用如下公式：
Figure FDA0003002461550000041
其中，
Figure FDA0003002461550000042
表示故障节点m需要消耗的节点资源数量，Fn表示需要恢复的发生故障的节点的集合，
Figure FDA0003002461550000043
表示故障节点m是否成功恢复的标识，取值为
Figure FDA0003002461550000044
当
Figure FDA0003002461550000045
取值为1时，表示故障节点m已经被成功恢复，当
Figure FDA0003002461550000046
取值为0时，表示故障节点m没有被成功恢复，Ren表示总的节点恢复资源量；
构建底层链路恢复资源约束条件，采用公式：
Figure FDA0003002461550000047
其中，
Figure FDA0003002461550000048
表示恢复故障链路mn需要消耗的链路资源数量，Fe表示需要恢复的发生故障的链路组成的集合，
Figure FDA0003002461550000049
表示故障链路mn是否成功恢复的标识，取值为
Figure FDA00030024615500000410
当
Figure FDA00030024615500000411
取值为1时，表示故障链路mn被成功恢复，当
Figure FDA00030024615500000412
取值为0时，表示故障链路mn没有被恢复成功，Ree表示总的链路恢复资源量；
构建底层节点分配资源约束条件，采用公式：
Figure FDA0003002461550000051
其中，
Figure FDA0003002461550000052
表示被恢复的发生故障业务
Figure FDA0003002461550000053
需要底层节点
Figure FDA0003002461550000054
为其分配的计算资源数量；cm表示发生故障的底层节点
Figure FDA0003002461550000055
剩余的计算资源容量，Cm表示底层节点
Figure FDA0003002461550000056
总共具有的计算资源数量，Cg表示底层节点
Figure FDA0003002461550000057
发生故障后仍然可承载的虚拟业务所占用的计算资源数量；
构建底层链路分配资源约束条件，采用如下公式：
Figure FDA0003002461550000058
其中，
Figure FDA0003002461550000059
表示被恢复的发生故障业务
Figure FDA00030024615500000510
需要底层链路mn为其分配的带宽资源数量；emn表示发生故障的底层链路mn剩余的带宽资源容量，Bmn表示底层链路mn总共具有的带宽资源数量，Bg表示底层链路mn发生故障后仍然可承载的虚拟业务所占用的带宽资源数量；
根据所述底层节点恢复的资源约束条件、底层链路恢复资源约束条件、底层节点分配资源约束条件和底层链路分配资源约束条件，建立故障恢复模型的目标函数：
Figure FDA00030024615500000511
其中，
Figure FDA00030024615500000512
表示成功恢复的虚拟网业务的数量，
Figure FDA00030024615500000513
表示发生故障的虚拟网业务集合，
Figure FDA00030024615500000514
表示虚拟业务
Figure FDA00030024615500000515
是否被成功恢复的标识，取值为
Figure FDA00030024615500000516
当
Figure FDA00030024615500000517
取值为1时，表示虚拟业务
Figure FDA00030024615500000518
被成功恢复，当
Figure FDA00030024615500000519
取值为0时，表示虚拟业务
Figure FDA00030024615500000520
未被成功恢复。
7.根据权利要求5所述的网络切片下基于粒子群的虚拟业务故障恢复装置，其特征在于，所述算法构建模块，具体用于：
对粒子群算法中粒子的位置参数和粒子的速度参数进行优化，获得粒子群优化算法模型，其中所述粒子的位置参数表示资源恢复方案，粒子的速度参数表示资源恢复方案的优化策略。
8.根据权利要求5所述的网络切片下基于粒子群的虚拟业务故障恢复装置，其特征在于，所述处理模块，具体用于：
根据故障资源和虚拟业务的映射关系，构建故障资源和虚拟业务的二层关联模型；
构建故障资源的二进制字符串Xi，每位表示当前网络资源是否被恢复；
参数初始化，其中，所述参数包括：迭代次数MG、粒子群规模N、随机生成粒子的初始位置Xi和额随机生成粒子的初始速度Vi；
计算粒子初始位置，包括：计算每个粒子位置的适应度函数值f(Xi)，并将最优的初始位置Xi设置为全局最优初始位置Xgb，将每个粒子的初始位置Xi设置为个体最优初始位置Xpb；
更新粒子速度、粒子位置、全局最优初始位置和个体最优初始位置；
判断是否达到预设的结束条件，若是，输出最优的Xi，若否，返回执行步骤更新粒子速度、粒子位置、全局最优初始位置和个体最优初始位置。
9.一种计算机终端设备，其特征在于，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至4任一项所述的网络切片下基于粒子群的虚拟业务故障恢复方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的网络切片下基于粒子群的虚拟业务故障恢复方法。
CN202110353228.9A 2021-03-31 2021-03-31 网络切片下基于粒子群的虚拟业务故障恢复方法及装置 Active CN112953781B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110353228.9A CN112953781B (zh) 2021-03-31 2021-03-31 网络切片下基于粒子群的虚拟业务故障恢复方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110353228.9A CN112953781B (zh) 2021-03-31 2021-03-31 网络切片下基于粒子群的虚拟业务故障恢复方法及装置

Publications (2)

Publication Number Publication Date
CN112953781A true CN112953781A (zh) 2021-06-11
CN112953781B CN112953781B (zh) 2023-04-28

Family

ID=76231920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110353228.9A Active CN112953781B (zh) 2021-03-31 2021-03-31 网络切片下基于粒子群的虚拟业务故障恢复方法及装置

Country Status (1)

Country Link
CN (1) CN112953781B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023246081A1 (zh) * 2022-06-24 2023-12-28 烽火通信科技股份有限公司 一种光网络故障分析方法和装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102364899A (zh) * 2011-11-16 2012-02-29 北京邮电大学 一种基于粒子群优化的虚拟网络映射方法及系统
CN108182498A (zh) * 2018-01-15 2018-06-19 国网黑龙江省电力有限公司电力科学研究院 配电网故障恢复性重构方法
CN108322406A (zh) * 2017-12-28 2018-07-24 广东电网有限责任公司电力调度控制中心 一种基于链路性能和流分类的sdn数据平面故障恢复方法
CN109995028A (zh) * 2019-04-09 2019-07-09 国网山东省电力公司济南供电公司 一种基于最优恢复序列的配网故障恢复方法及系统
CN110350510A (zh) * 2019-05-23 2019-10-18 国网河南省电力公司郑州供电公司 一种考虑故障影响度的配电网供电恢复方法
CN111565146A (zh) * 2020-05-27 2020-08-21 南方电网调峰调频发电有限公司信息通信分公司 一种网络拓扑感知的电力通信网链路故障恢复算法
CN111682962A (zh) * 2020-05-19 2020-09-18 南方电网调峰调频发电有限公司信息通信分公司 一种电力数据网故障恢复方法、系统及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102364899A (zh) * 2011-11-16 2012-02-29 北京邮电大学 一种基于粒子群优化的虚拟网络映射方法及系统
CN108322406A (zh) * 2017-12-28 2018-07-24 广东电网有限责任公司电力调度控制中心 一种基于链路性能和流分类的sdn数据平面故障恢复方法
CN108182498A (zh) * 2018-01-15 2018-06-19 国网黑龙江省电力有限公司电力科学研究院 配电网故障恢复性重构方法
CN109995028A (zh) * 2019-04-09 2019-07-09 国网山东省电力公司济南供电公司 一种基于最优恢复序列的配网故障恢复方法及系统
CN110350510A (zh) * 2019-05-23 2019-10-18 国网河南省电力公司郑州供电公司 一种考虑故障影响度的配电网供电恢复方法
CN111682962A (zh) * 2020-05-19 2020-09-18 南方电网调峰调频发电有限公司信息通信分公司 一种电力数据网故障恢复方法、系统及存储介质
CN111565146A (zh) * 2020-05-27 2020-08-21 南方电网调峰调频发电有限公司信息通信分公司 一种网络拓扑感知的电力通信网链路故障恢复算法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
常磊等: "一种粒子群优化的用户优先级虚拟网络映射算法", 《西安电子科技大学学报》 *
谢小军等: "基于QoS约束的电力通信网服务故障恢复算法", 《自动化仪表》 *
黄丽萍等: "可生存性虚拟网络映射算法的研究", 《计算机技术与发展》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023246081A1 (zh) * 2022-06-24 2023-12-28 烽火通信科技股份有限公司 一种光网络故障分析方法和装置

Also Published As

Publication number Publication date
CN112953781B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
Ramirez et al. Applying genetic algorithms to decision making in autonomic computing systems
CN104468803B (zh) 一种虚拟数据中心资源映射方法和设备
US9342370B2 (en) Server migration
WO2016083841A1 (en) Optimizing the topology of a network with variable traffic demands
Dash et al. Network reliability optimization problem of interconnection network under node-edge failure model
WO2016083842A1 (en) Optimizing a network topology to satisfy predicted growth
CN111682962A (zh) 一种电力数据网故障恢复方法、系统及存储介质
CN112532294B (zh) 溯源补偿健壮拓扑控制方法、系统、介质、设备及终端
CN111160661B (zh) 一种电力通信网可靠性优化方法、系统以及设备
Korupolu et al. Robust and probabilistic failure-aware placement
CN112953781A (zh) 网络切片下基于粒子群的虚拟业务故障恢复方法及装置
CN116566805B (zh) 一种面向体系容灾抗毁的节点跨域调度方法、装置
US9565101B2 (en) Risk mitigation in data center networks
Rezaei-Ravari et al. Reliable congestion-aware path prediction mechanism in 2D NoCs based on EFuNN
Di et al. Cost efficient virtual infrastructure mapping using subgraph isomorphism
CN115361295B (zh) 基于topsis的资源备份方法、装置、设备及介质
CN114157583B (zh) 一种基于可靠性的网络资源启发式映射方法及系统
Al Jadaan et al. Enhancing data selection using genetic algorithm
Shojaei et al. A Pareto-algebraic framework for signal power optimization in global routing
CN115378817B (zh) 服务功能链的资源备份方法、装置、设备及存储介质
CN113038520B (zh) 一种拓扑感知的虚拟网服务故障恢复方法及系统
CN107908502A (zh) 一种基于大型系统拓扑结构的容错节点分配方法
CN112181694B (zh) 一种云计算网络维护可靠性分析方法
CN112019368B (zh) 一种vnf迁移方法、装置及存储介质
CN117539587A (zh) 资源调度方法、装置、计算机设备、存储介质和程序产品

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