[发明专利]基于遗传算法的VNF调度方案的确定方法及装置

说明书

本发明实施例提供了一种基于遗传算法的VNF调度方案的确定方法及装置，其中，所述方法包括获取网络功能虚拟化NFV的网络拓扑图，网络服务的虚拟网络功能VNF映射方案，VNF的时间信息以及遗传算法的最大遗传代数，基于网络服务的所有VNF，生成多个调度方案，并将所有调度方案，作为遗传算法的解群体，利用VNF的时间信息及映射方案，计算解群体中每个个体的执行时间的总时延；利用总时延，确定每个个体的适应度，基于每个个体的适应度，产生新一子代解群体，利用新一子代解群体更新解群体，直至达到最大遗传代数，则确定解群体中最佳的调度方案以及最佳的调度方案中的总执行时间。

技术领域

本发明涉及通信技术领域，特别是涉及一种基于遗传算法的虚拟网络功能(Virtual Network Feature，简称VNF)调度方案的确定方法及装置。

背景技术

网络功能虚拟化(Network Function Virtualization，简称NFV)技术是一种利用虚拟化技术来部署和管理网络服务的新技术，它将物理网络设备(也就是网络设备)与其上运行的功能分离，使网络功能不再依赖于专用硬件，最大程度上提高了资源利用率。

NFV的资源分配问题可以划分为1、VNF链的组成；2、VNF转发图的映射；3、VNF调度等三个阶段。但，目前多数研究都集中在第1阶段和第2阶段，第3阶段很少有人关注。随着网络规模的扩大，用户的需求也逐渐增多，为了保证网络服务的服务质量，VNF调度问题被重视起来。第3阶段中的NFV是将数据中心的各种网络设备类型的软硬件功能分离，将软件功能转移到服务器上，由服务器来完成相应功能。第3阶段中的VNF调度的最主要目的就是以适当的方式来执行每个服务器上所映射的VNF，在保证网络服务性能和VNF依赖性的前提下，最小化总的执行时间，从而改进网络服务的性能。

目前相关技术中可以采用如下主要步骤进行VNF调度：

相关技术中，在不同的网络条件下，基于不同的贪婪算法和基于禁忌搜索的启发式算法来对VNF的参数进行评估，确定网络服务的最小化总的执行时间；VNF的参数包括总的服务处理时间、接受率、收入、成本等。

但是，由于相关技术针对不同的网络条件，而网络条件不同，网络的复杂度不同。对不同的网络条件，VNF调度需要考虑的因素较多，但是目前相关技术只考虑对虚拟网络功能的处理时间，对VNF调度的结果会有很大的影响，确定的网络服务的最小化总的执行时间准确性较低。

发明内容

本发明实施例的目的在于提供一种基于遗传算法的VNF调度方案的确定方法及装置，用以解决相关技术只考虑对虚拟网络功能的处理时间，对VNF调度的结果会有很大的影响，确定的网络服务的最小化总的执行时间准确性较低的技术问题。具体技术方案如下：

第一方面，本发明实施提供了基于遗传算法的VNF调度方案的确定方法，包括：

获取网络功能虚拟化NFV的网络拓扑图，网络服务的虚拟网络功能VNF映射方案，VNF的时间信息以及遗传算法的最大遗传代数，所述VNF的时间信息包含：VNF等待时延、VNF处理时延及VNF传输时延；

基于网络服务的所有VNF，生成多个调度方案，并将所有调度方案，作为所述遗传算法的解群体，所述解群体中的一个个体为一个调度方案，所述调度方案包含所述网络拓扑图中每个节点调度VNF的执行时间表；

利用所述VNF的时间信息及所述映射方案，计算所述解群体中每个个体的执行时间的总时延；

利用所述总时延，确定所述每个个体的适应度，其中，所述适应度最强对应总时延最短的个体；

基于所述每个个体的适应度，从所有个体中选择满足预设适应度的个体、基于所有个体中其余个体进行交叉，以及基于所述其余个体的VNF的执行顺序进行变异，产生新一子代解群体，所述其余个体为所有个体中除所述满足预设适应度的个体以外的个体；