基于深度强化学习的能源高效VNF放置和链接方法

网络功能虚拟化(NFV)技术的出现使得网络功能由虚拟网络功能(VNF)提供,从而提高网络的灵活性,可扩展性和成本效益.然而,NFV面临一个重要挑战是,如何有效地将VNF放置不同的网络位置并链接起来引导流量,同时最大限度减少能源消耗.此外,面对网络服务质量要求,提高服务接受率对于网络性能也是至关重要的.为了解决这些问题,本文研究了NFV中的VNF放置和链接(VNFPC),以最大化服务接受率同时权衡优化能源消耗.因此,在NFV中设计了一种基于Actor-Critic深度强化学习(DRL)的能源高效的VNFPC方法,称为ACDRLVNFPC.该方法应用了适应性共享方案,通过在多服务之间共享同类型VNF和多VNF共享同一个服务器来实现节能.实验结果表明,提出的算法有效权衡了能耗和服务接受率,并且,在执行时间方面也得到了优化.与基准算法相比,ACDRL-VNFPC在服务接受率,能耗和执行时间方面性能分别提高了2.39%,14.93%和16.16%.

可靠性感知的边缘计算VNF实例放置

为了解决日益增长的延迟敏感型应用程序和用户需求与计算资源受限的冲突,移动边缘计算(Mobile Edge Computing,MEC)已经成为一种很有前途的计算范式。服务提供商通过在边缘环境中部署虚拟化网络功能(Virtual Network Functions,VNF),为用户提供更加高效和可扩展性的服务供应链(Service Function Chain,SFC)来满足用户请求。若在提供服务过程中出现不可靠的服务或严重的服务失败,可能导致用户的巨大损失,所以网络服务提供商必须保证提供持续可靠的服务。针对该问题,考虑了边缘服务器的可靠性,利用计算统一设备架构(Computational Unified Device Architecture,CUDA)支持的门控循环单元(Gate Recurrent Unite,GRU)来预测VNF实例是否可用,通过预测结果,提前对VNF进行备份,避免了过度冗余备份造成的成本过高问题。考虑服务器的存储资源有限,提出了基于VNF实例可用性的放置(RVP)算法,优化服务提供商的成本。最后对提出的算法进行了性能评估,实验结果验证了RVP算法的优越性。

一种面向运营成本优化的虚拟网络功能部署和路由分配策略

随着网络功能虚拟化(NFV)技术的发展,虚拟网络功能(VNF)可以通过服务功能链(SFC)的形式部署在如虚拟机的通用平台中,为管理带来灵活性。但是对于服务提供商来说,由于网络基础设施的复杂性和日益增长的服务需求,给VNF的部署带来了高昂的运营成本(OPEX)。针对此问题,该文提出一种面向OPEX优化的策略,旨在最小化OPEX中的激活、能耗和传输成本,得到VNF部署和路由分配优化方案。为此建立一种全新的混合整数线性规划(MILP)模型,并设计包括遗传算法(GA)在内的3种OPEX优化算法。仿真实验评估在不同资源配给下MILP和3种算法的OPEX及其性能,其中GA算法在节点资源配比60%以上时可以得到近似于MILP模型的解决方案。

基于成本的服务链组成与部署联合优化策略

网络功能虚拟化(NFV)通过将虚拟网络功能(VNF)部署在虚拟设备中,提高了网络管理的灵活性,但随着服务需求的扩大,网络供应商消耗的运营支出(OPEX)也不断增加。由于VNF改变流大小的特性、VNF间的依赖性以及组成和部署方式的复杂性,面向OPEX的VNF组成和部署问题充满挑战。提出一种面向成本的虚拟网络链组成和部署联合优化策略,将节点映射成本、链路映射成本、激活成本和能耗成本公式化为OPEX,构建混合整数非线性规划模型。为分析影响成本的不同因素,同时提高特殊依赖情况下的处理效率,根据不同依赖关系将VNF请求集分为完全无序、部分有序和完全有序VNF集合进行分析,并设计3种相应优化算法。实验结果表明,在完全无序、部分有序情况下,算法性能优于首次适应算法、随机拟合算法等同类算法,对于完全有序算法,当节点资源配比在50%以上时,可获得小规模网络下近似线性规划模型精确解的方案。