基于含权k-壳分解的分组教学虚拟网络映射算法

提出一种两阶段的基于含权k-壳分解的分组教学虚拟网络映射算法。该算法根据含权k-壳分解法对底层网络进行预处理,然后沿着节点间的最短路径映射链路,并结合分组教学优化模型的分组、教学、自学与互学的优化策略,实现节点和链路的协调映射,从而进一步提高解的质量。仿真结果表明,所提算法作为一种多目标的虚拟网络映射算法,能够有效减少链路开启量,提升虚拟网络请求接受率及长期收益成本比。

基于滑动区域的粒子群虚拟网节能映射算法

针对传统虚拟网节能映射中存在的节点映射分散、链路映射跳数多等问题,利用虚拟网请求的最小生成树拓扑将节点和链路同时映射,该文提出了基于滑动区域的粒子群虚拟网节能映射算法(EVNE_SRPS)。当一个虚拟网请求到达时,生成其最小生成树拓扑,根节点为路径和最短的节点;在底层网络随机选取多个区域作为粒子对象,并在区域中心映射虚拟网请求的最小生成树拓扑;计算粒子的适应度,求出群体和个体最优解,并在最优解的指导下确定滑动方向、更新区域位置,经过迭代后得到虚拟网的映射方案。实验结果表明,与现有算法相比,该算法降低了网络能耗,提高了运营商的收益成本比。

基于顾问引导搜索的虚拟网络映射算法

针对虚拟网络映射问题,提出了一种基于顾问引导搜索的虚拟网络映射算法。综合考虑节点CPU、节点度、邻接带宽资源,结合元启发式顾问引导搜索算法进行虚拟网络映射。实验结果表明,与EAJTA-VNE算法和ANT-VNE算法相比,所提CGS-VNE算法在虚拟网络请求资源需求较低、资源需求中等、资源需求较高等环境下均有较高的请求接受率和收益成本比,缩短了映射时间。