[发明专利]网络功能虚拟化的总吞吐量最大化的资源优化方法

权利要求书

1.一种网络功能虚拟化的总吞吐量最大化的资源优化方法，是包括网络功能虚拟化架构和基站的总吞吐量最大化的资源优化方法，其特征在于，

包括：

所述网络功能虚拟化架构包括逻辑层、虚拟层、物理层和管理编排系统，所述逻辑层包括具有第一数量的逻辑节点和具有第二数量的控制器，所述物理层包括具有第三数量的物理节点，所述第三数量等于所述第一数量与所述第二数量之和，所述逻辑节点和所述控制器通过所述虚拟层与所述物理节点形成映射关系，所述逻辑节点和所述控制器通过相应的所述物理节点经过正交信道向所述基站发送信息信号；

所述基站基于所述信息信号计算每个所述逻辑节点和每个所述控制器的有效载荷比特数、信道使用数量、发射功率、接收信噪比和吞吐量，计算所有所述逻辑节点的第一总发射能量和第一总吞吐量，并计算所有所述控制器的第二总发射能量和第二总吞吐量；并且

当所述第三数量等于预设服务数量、有效载荷比特数等于预设比特数且接收信噪比等于预设接收信噪比，所述逻辑节点和所述控制器满足超可靠性要求，所述第一总发射能量不大于第一能量阈值且所述第二总发射能量不大于第二能量阈值，所述信道使用数量不大于信道使用总数时，所述管理编排系统基于混合优化算法自适应地分配所述发射功率和所述信道使用数量，以使总吞吐量最大化，所述总吞吐量为所述第一总吞吐量与所述第二总吞吐量之和，

其中，所述混合优化算法是多维的且以所述总吞吐量为适应值的混合蛙跳-极值优化算法，所述多维包括各个逻辑节点的发射功率和各个所述控制器的发射功率，以及各个所述逻辑节点和各个所述控制器的信道使用数量，

其中，所述超可靠性要求满足和且其中，p_e,Li为第i个逻辑节点的分组错误概率，p_e,Cj为第j个控制器的分组错误概率，是任一个所述逻辑节点的分组错误概率上限，是任一个所述控制器的分组错误概率上限，所述混合蛙跳-极值优化算法输入参数包括第一数量M、第二数量N、各个所述逻辑节点的有效载荷比特数k_Li、各个所述控制器的有效载荷比特数k_Cj、各个所述逻辑节点的接收信噪比γ_Li、各个所述控制器的接收信噪比γ_Cj、任一个所述逻辑节点的分组错误概率上限任一个所述控制器的分组错误概率上限第一能量阈值第二能量阈值和信道使用总数n_∑，输出参数包括总吞吐量R_Σ、各个所述逻辑节点的发射功率P_t,Li、各个所述控制器的发射功率P_t,Cj、各个逻辑节点的信道使用数量n_Li和各个所述控制器的信道使用数量n_Cj，

所述混合蛙跳-极值优化算法包括：设置初始化参数；随机生成包括F只青蛙在内的群组p；每只青蛙的位置用维度为t＝2(M+N)的X_i表示；通过评估算法计算每只青蛙的适应值f(X_i)；判断是否满足收敛准则；当满足收敛准则时，获得最优的输出参数并结束进程；当不满足收敛准则时，将F只青蛙相应的适应值按照降序排序；构造p组青蛙和子模因复合体；对每组青蛙进行for循环，每一次循环中在子模因复合体中局部搜索，利用所述评估算法计算每只青蛙的适应值，并再对每只青蛙进行极值优化，每只青蛙的适应值由评估算法获得；对所有青蛙进行洗牌，其中，F＝pq，q表示每组青蛙的数量，

所述评估算法的输入参数为第i只青蛙的位置X_i，输出参数为第i只青蛙的位置的适应值f(X_i)，计算每只青蛙的位置的适应值f(X_i)；其中T表示惩罚系数，且满足T＝2×10⁴；当或者时，f(X_i)＝f(X_i)-T；当或者时，f(X_i)＝f(X_i)-T；当时，f(X_i)＝f(X_i)-T；否则返回f(X_i)，R_Li表示第i个逻辑节点的吞吐量，R_Cj表示第j个控制器的吞吐量，E_Li表示第i个逻辑节点的发射能量，E_Cj表示第j个控制器的发射能量，

所述极值优化的过程包括：随机生成具有多个组成部分的个体；计算每个个体的每个组成部分的所述适应值；设置当前个体为最优个体；判断是否满足设定标准，当满足时结束进程；当不满足设定标准时，计算当前个体的每个组成部分的适应值；查找适应值小于或等于所述当前个体的适应值的组成部分；获取目标个体；将目标个体作为新的当前个体；当目标个体的适应值小于最优个体的适应值，则目标个体作为最优个体。