發(fā)布時間：2021-10-04 22:12

　　網(wǎng)絡虛擬化通過資源抽象、隔離和共享等技術(shù),有效地解決了網(wǎng)絡僵化問題,促進了業(yè)務的創(chuàng)新發(fā)展。隨著虛擬現(xiàn)實、高清視頻等通信密集型業(yè)務和大數(shù)據(jù)、云計算等計算密集型業(yè)務的興起,對鏈路和節(jié)點提出不同的映射需求,如果不加區(qū)分地部署傳統(tǒng)業(yè)務和新興業(yè)務,將會降低服務質(zhì)量和能源效率。因此,本文針對不同業(yè)務需求對虛擬網(wǎng)節(jié)能映射算法進行研究,主要工作如下:（1）針對部署傳統(tǒng)業(yè)務的算法存在鏈路跳數(shù)多和節(jié)點映射分散的問題,利用網(wǎng)絡節(jié)能區(qū)域分布特征以及拓撲信息對節(jié)點和鏈路映射的協(xié)調(diào)作用,提出基于滑動區(qū)域的粒子群虛擬網(wǎng)節(jié)能映射算法。當虛擬網(wǎng)請求到達時,提取主干拓撲并設置鏈路映射優(yōu)先級。通過群智協(xié)同尋找節(jié)能區(qū)域,并在該區(qū)域交替執(zhí)行鏈路映射和節(jié)點映射。實驗結(jié)果表明,在傳統(tǒng)業(yè)務場景下,該算法提高了節(jié)點聚集度,縮短了鏈路映射長度,并降低了映射成本和網(wǎng)絡能耗。（2）針對兩階段映射算法因忽略節(jié)點之間的結(jié)構(gòu)特征而導致通信密集型業(yè)務部署成功率較低的問題,利用譜理論對網(wǎng)絡拓撲進行分析,提出基于小波擴散的虛擬網(wǎng)絡映射算法。通過無監(jiān)督的學習節(jié)點拓撲結(jié)構(gòu),并綜合評估節(jié)點之間的拓撲鄰近性、連接密度和通信容量,從而選擇有助于鏈路映射的節(jié)點。實... 

【文章來源】：鄭州大學河南省 211工程院校

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【部分圖文】：

互聯(lián)網(wǎng)用戶數(shù)量統(tǒng)計圖

3基于滑動區(qū)域的粒子群虛擬網(wǎng)節(jié)能映射算法17圖3.1所示。abc虛擬節(jié)點A底層節(jié)點B虛擬網(wǎng)請求底層網(wǎng)絡EC鏈路映射調(diào)整后的鏈路映射圖3.1離散粒子群優(yōu)化案例圖3.1描述VNR的映射方案為：{a→A,b→B,c→C}，對b節(jié)點的映射進行調(diào)整，更新后的方案為：{a→A,b→E,c→C}。假設Xi表示粒子i的當前映射方案，Xi的各個維度可以相互獨立地隨機調(diào)整，產(chǎn)生的解均為可行解，個體最優(yōu)方案和群體最優(yōu)映射方案分別為Pbest和Gbest。從以上更新過程可以看出，離散粒子群存在兩點不足：①Xi一次更新到Pbest和Gbest的可能性為1nvn，其中vn為VNR的節(jié)點個數(shù)，n為底層節(jié)點個數(shù)，可看出，粒子的更新方向不明確。②由于VNE方案具有離散性和跳躍性的特點，不能保證在Pbest和Gbest的鄰近方案中存在更好的解。這種隨機更新不能很好地結(jié)合拓撲信息進行指導節(jié)點更新，因此在考慮節(jié)能映射時，不能保證得到較高的評價指標。圖3.2連續(xù)粒子群優(yōu)化案例PSO在連續(xù)搜索空間中發(fā)揮比較好的搜索性能，如圖3.2所示，Pi為粒子的當前位置，Pbest和Gbest分別是Pi的個體最優(yōu)解和群體最優(yōu)解。由圖可看出，在Pbest和Gbest的周圍存在更優(yōu)的解，粒子Pi在朝著Pbest和Gbest更新的過程中，遇到

3基于滑動區(qū)域的粒子群虛擬網(wǎng)節(jié)能映射算法20態(tài)變化，呈現(xiàn)不同的節(jié)能特征。將承載數(shù)量以熱度分布圖的形式呈現(xiàn)出來，如圖3.5所示。圖3.5映射區(qū)域熱度分布圖圖3.5中，水平和垂直坐標為區(qū)域位置。區(qū)域顏色的深淺表示底層網(wǎng)絡區(qū)域承載的業(yè)務量的多少，即熱度分布。在業(yè)務量比較平穩(wěn)時，將虛擬網(wǎng)絡按照集中方式映射到某一區(qū)域時，一定程度上可以充分利用已開啟的節(jié)點和鏈路提供業(yè)務服務。但是隨著業(yè)務量的激增，會導致局部熱點問題，影響新的虛擬網(wǎng)服務的部署，進而降低運營商的總體收益。因此，如何通過定向滑動區(qū)域，以快速尋找資源充足且節(jié)能的區(qū)域成為關(guān)鍵問題。為了更好地對區(qū)域進行評價描述，引入節(jié)能區(qū)域定義。節(jié)能區(qū)域E是由底層網(wǎng)絡區(qū)域中心節(jié)點0s與其周圍的節(jié)點和鏈路組成的區(qū)域，E的大小以容納當前的虛擬網(wǎng)絡為準，節(jié)能區(qū)域的評價可以通過公式（3.3）描述：()()()()()()()()()value=+++SSSSNLSSSSNLNOELOECECEEabNELECTECTE（3.3）a是E的節(jié)點和鏈路開啟率的權(quán)重因子，b是E的節(jié)點和鏈路剩余資源的權(quán)重因子，SNCT和SLCT分別表示節(jié)點和鏈路的資源總量。()()SSNOENE和()()SSLOELE分別表示E的節(jié)點和鏈路開啟率。開啟率越高，則該區(qū)域的資源復用率越高，有利于提升節(jié)能效果。()()SSNNCECTE和()()SSLLCECTE分別表示E的節(jié)點和鏈路剩余資源率，剩余資源率越高，則接收VNR的能力越強。（3）群體智能協(xié)同優(yōu)化為了尋找節(jié)能區(qū)域，針對傳統(tǒng)離散粒子群更新方式存在的問題，借鑒連續(xù)粒

【參考文獻】：
期刊論文
[1]基于機器學習的智能路由算法綜述[J]. 劉辰屹,徐明偉,耿男,張翔.  計算機研究與發(fā)展. 2020(04)
[2]基于滑動區(qū)域的粒子群虛擬網(wǎng)節(jié)能映射算法[J]. 莊雷,田帥魁,和孟佯,宋玉,王國卿,劉文覃,馬嶺.  電子與信息學報. 2019(12)
[3]Task-Aware Flow Scheduling with Heterogeneous Utility Characteristics for Data Center Networks[J]. Fang Dong,Xiaolin Guo,Pengcheng Zhou,Dian Shen.  Tsinghua Science and Technology. 2019(04)
[4]Topology Based Reliable Virtual Network Embedding from a QoE Perspective[J]. Peiying Zhang,Sheng Wu,Miao Wang,Haipeng Yao,Yunjie Liu.  中國通信. 2018(10)
[5]彈性光網(wǎng)絡中基于安全性感知的差異化虛擬光網(wǎng)絡的映射策略[J]. 劉煥淋,林振宇,王欣,陳勇,向敏,馬躍.  電子與信息學報. 2019(02)
[6]內(nèi)容中心網(wǎng)絡中能耗優(yōu)化的隱式協(xié)作緩存機制[J]. 伊鵬,李根,張震.  電子與信息學報. 2018(04)
[7]Efficient Algorithm for Energy-Aware Virtual Network Embedding[J]. Shuxian Jia,Guiyuan Jiang,Peilan He,Jigang Wu.  Tsinghua Science and Technology. 2016(04)
[8]時間和能量感知的貝葉斯虛擬網(wǎng)映射[J]. 胡穎,莊雷,陳鴻昶,馬丁.  通信學報. 2016(06)
[9]數(shù)據(jù)驅(qū)動的信息中心網(wǎng)絡認知路由協(xié)議[J]. 曹健,王興偉,張金宏,黃敏.  計算機研究與發(fā)展. 2015(04)



本文編號：3418428