Virtual network embedding through node connectivity

Virtual network embedding （VNE） is an essential part of network virtualization, which is considered as one of the most promising way for the future network. Its main object is to efficiently assign the nodes and links of a virtual network （VN） to a shared substrate network （SN）, The NP-hard and exiting studies have put forward several heuristic algorithms. However, most of the algorithms only consider the local resource of nodes, such as CPU and bandwidth （BW）, to decide the embedding, and ignore the significant impact of network attributes. Based on the attributes of entire network, a model of the connectivity between each pair of nodes was formulated to measure the resource ranking of the nodes, and a new two-stage embedding algorithm was proposed. Thereafter, the node mapping and link mapping can be jointly considered. Extensive simulation shows that the proposed algorithm improves the performance of VNE by increasing the revenue/cost ratio and acceptance ratio of VN requests while reducing the runtime.

Virtual network embedding based on real-time topological attributes

研究目的:基于虚拟网络请求和底层物理网络实时拓扑属性,提出一种高效的两步式虚拟网络映射算法。创新要点:分别利用中介中心性和物理节点相关性对虚拟网络请求和底层物理网络中节点进行重要性评估,在此基础上给出一种两步式映射算法(算法1,2)。研究方法:首先给出中间中心性、接近中心性以及节点相关性计算模型,结合节点本地资源分别提出虚拟网络请求和物理网络中节点排名计算方式。当虚拟网络请求到达后,根据虚拟节点排名,将其映射到拥有足够资源的物理节点中排名最靠前的节点。节点映射完成后,使用K-th最短路径算法进行链路映射。映射过程中采用文献(Yu et al.,2008)中所使用的时间窗口模式进行接入控制。重要结论:利用节点本地资源,针对性分析虚拟网络请求和物理网络实时拓扑属性,提出两步式映射算法。该算法提高请求接受率、开销收益比的同时减少算法映射时间,取得更好的映射效果(图3-10)。

一种新的复杂网络概述算法研究

针对大型复杂网络相关的概述问题展开了深入系统地研究,本文重点对属性与结构的相似度进行了全面考量,由于用户具有各自的选择属性,主要是将虚拟连接与实连接进行有效的集成,一般而言,对于大型网络数据会同时把具有相同属性的节点共同放置于k个非重叠的分类上。本文主要是以属性相似度为核心,然后将节点全部置于对应的分类中,重点采用了虚拟图概念,主要是围绕属性相似度开展的,旨在较好的划分复杂网络。另外,对子分类进行调整的过程中借助了HB-图,这样可以有助于在分类结构时,对算法进行优化。该论文为了更好地加强算法的执行效率,专门提出了诸多方法对算法加以改进。也就是说,该论文中所采用的算法,能够确保用户较好地对上卷操作(Roll-up)以及下钻操作(Drill-down)加以执行,并且,围绕各粒度层面为中心,对复杂网络的概述过程展开全面的分析。实验结果表明本文提出的基于虚连接和实连接的复杂网络概述算法OCNVR算法是切实可行的,较之于其他算法而言其执行效率更加高校。