發(fā)布時間：2021-10-16 19:52

　　針對網(wǎng)絡(luò)功能虛擬化（NFV）環(huán)境下,現(xiàn)有服務(wù)功能鏈部署方法無法在優(yōu)化映射代價的同時保證服務(wù)路徑時延的問題,該文提出一種基于IQGA-Viterbi學習算法的服務(wù)功能鏈優(yōu)化部署方法。在隱馬爾可夫模型參數(shù)訓練過程中,針對傳統(tǒng)Baum-Welch算法訓練網(wǎng)絡(luò)參數(shù)容易陷入局部最優(yōu)的缺陷,改進量子遺傳算法對模型參數(shù)進行訓練優(yōu)化,在每一迭代周期內(nèi)通過等比例復制適應(yīng)度最佳種群的方式,保持可行解多樣性和擴大空間搜索范圍,進一步提高模型參數(shù)的精確度。在隱馬爾科夫鏈求解過程中,針對隱含序列無法直接觀測這一難點,利用Viterbi算法能精確求解隱含序列的優(yōu)勢,解決有向圖網(wǎng)絡(luò)中服務(wù)路徑的優(yōu)化選擇問題。仿真實驗結(jié)果表明,與其它部署算法相比,所提IQGA-Viterbi學習算法能有效降低網(wǎng)絡(luò)時延和映射代價的同時,提高了網(wǎng)絡(luò)服務(wù)的請求接受率。 

【文章來源】：電子與信息學報. 2019,41(01)北大核心EICSCD

【文章頁數(shù)】：9 頁

【參考文獻】：
期刊論文
[1]A virtual service placement approach based on improved quantum genetic algorithm[J]. Gang XIONG,Yu-xiang HU,Le TIAN,Ju-long LAN,Jun-fei LI,Qiao ZHOU.  Frontiers of Information Technology & Electronic Engineering. 2016(07)
[2]一種基于Viterbi算法的虛擬網(wǎng)絡(luò)功能自適應(yīng)部署方法[J]. 劉彩霞,盧干強,湯紅波,王曉雷,趙宇.  電子與信息學報. 2016(11)
[3]量子遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測[J]. 張立仿,張喜平.  計算機工程與科學. 2016(01)
[4]基于GEP和Baum-Welch算法訓練HMM模型的研究[J]. 張增銀,元昌安,胡建軍,蔡宏果,王文棟,楊立志.  計算機工程與設(shè)計. 2010(09)
[5]一種解決組合優(yōu)化問題的量子遺傳算法QGA[J]. 熊焰,陳歡歡,苗付友,王行甫.  電子學報. 2004(11)



本文編號：3440404