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。

基于知识图谱的服务功能链在线部署算法

沉浸式云XR、全息通信等新型网络业务的出现对网络服务质量提出了更高的要求。为保证网络服务的可获得性,在实施虚拟网络功能部署时,必须根据网络功能的属性以及之间的依赖关系,将网络服务的时延、可靠性等控制在一定的服务质量等级内。然而邻接矩阵、边表等传统的网络表征形式无法涵盖这些关键网络信息,造成算法在输入阶段的信息缺失,进而导致计算结果的偏差。因此,为了准确提取用户需求,反映网络资源的动态变化,采用知识图谱对网络及其业务进行表征,提出了一种基于知识图谱的服务功能链在线部署算法。所提算法对网络业务请求与底层网络分别进行知识提取,构建或更新相应的知识图谱,分解出它们的关系集合,并基于此设计了一种基于编辑距离的关系对齐方法,指导复杂依赖关系下的服务功能链在线部署。实验表明,所提算法使复杂网络环境下的服务功能链部署请求接收率提高了10%~15%,网络平均能耗降低了约13%,且复杂度低,时效性较强。