[发明专利]跨域虚拟网络映射方法及其装置、计算机可读介质

说明书

本发明实施例提供了一种跨域虚拟网络映射方法及其装置、计算机可读介质，属于虚拟网络映射技术领域。所述方法包括：接收用户端发送的VNR，将VNR划分为单元子图并发送至对应候选域的本地控制器；接收本地控制器发送的候选节点方案和域内部分信息，基于候选节点方案和域内部分信息生成伪拓扑，并通过粒子群优化算法计算所述伪拓扑上映射代价最小的最优映射方案；根据所述最优映射方案，将VNR划分为单域子图并发送至各个本地控制域。本发明通过改进在跨域虚拟网络映射模型背景下的粒子群优化算法，降低了原有算法的收敛速度，避免迭代陷入早熟而得到局部最优解。进而使得映射方案的成本更加低廉，并降低了网络映射开销。

技术领域

本发明涉及虚拟网络映射技术领域，尤其涉及一种跨域虚拟网络映射方法及其装置、计算机可读介质。

背景技术

虚拟网络映射是一个资源分配问题，主要研究如何在满足节点和链路的约束条件下，能够为各种虚拟网络请求提供物理网络资源，同时更为有效地利用物理网络资源，提高物理网络资源利用率。一般的虚拟网络(Virtual Network，简称VN)映射算法分为节点映射过程和链路映射过程两个阶段。节点映射过程主要是把虚拟网络请求(Virtual NetworkRequest，简称VNR)中的节点，在满足节点CPU计算资源约束的条件下，映射到物理网络节点上。链路映射阶段主要任务是把VNR中的虚拟链路，在满足链路带宽需求的条件下，映射到一个非循环的物理路径上。

粒子群优化算法是模拟大自然物种觅食行为的启发式算法。每个粒子模拟一个个体，在解空间内搜索最优解(食物)，通过迭代更新粒子的位置和速度实现优化过程。现有粒子群优化算法的主要缺点在于：对于中小规模问题，迭代收敛速度过快，容易出现早熟，达到局部最优解；对于离散化问题，如VNE问题，模型速度矢量往往是二值的，优化效果相对较差。

根据物理网络类别不同，虚拟网络映射问题可以分为单域虚拟网络映射和跨域虚拟网络映射两种。跨域物理网络往往规模较大，为了实现VNR的高效映射，不必要获得全部物理网络信息。因此，全局控制器无法得知各个域内所有的拓扑与资源信息，而只知道由本地控制器提供的部分域内信息。此外，VN节点还可能受到地理位置的限制，即某些VN节点只能映射到固定几个域中，这增加了问题的复杂性。因此，现有的跨域虚拟网络映射还存在映射方案成本高、网络映射开销大的问题。

发明内容

有鉴于此，本发明的主要目的在于提供一种跨域虚拟网络映射方法及其装置、计算机可读介质，通过改进在跨域虚拟网络映射模型背景下的粒子群优化算法，降低了原有算法的收敛速度，避免迭代陷入早熟而得到局部最优解。进而使得映射方案的成本更加低廉，并降低了网络映射开销。

第一方面，本发明实施例提供了一种跨域虚拟网络映射方法，应用于全局控制器，所述方法包括：

接收用户端发送的VNR，将VNR划分为单元子图并发送至对应候选域的本地控制器；

接收本地控制器发送的候选节点方案和域内部分信息，基于候选节点方案和域内部分信息生成伪拓扑，并通过粒子群优化算法计算所述伪拓扑上映射代价最小的最优映射方案；

根据所述最优映射方案，将VNR划分为单域子图并发送至各个本地控制域。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述通过粒子群优化算法计算所述伪拓扑上映射代价最小的最优映射方案，具体包括：

步骤a，随机生成粒子的初始位置X_i与初始速度V_i；

步骤b，通过计算所有粒子当前适应度，以预估映射代价，并更新粒子最佳位置X_pb与全局历史最佳位置X_gb；

步骤c，根据以下算式，更新所有粒子的位置和速度；