[发明专利]基于图卷积网络的虚拟网络映射方法及装置

权利要求书

1.一种基于图卷积网络的虚拟网络映射方法，其特征在于，包括：

获取虚拟网络的映射请求，并基于所述映射请求和物理网络的属性信息确定物理节点的特征矩阵；所述映射请求包括虚拟网络的属性信息，所述虚拟网络的属性信息包括虚拟节点的个数、虚拟节点之间相连的概率、虚拟节点CPU容量的分布区间、虚拟链路宽带的分布区间和虚拟请求到达时间中的一个或多个，所述物理网络的属性信息包括物理节点的个数、物理链路的个数、物理节点CPU容量的分布区间和物理链路宽带的分布区间中的一个或多个；

将所述物理节点的特征矩阵输入至目标图卷积网络，得到物理节点的映射概率；

基于所述物理节点的映射概率，按照资源需求顺序对虚拟网络中所有的虚拟节点依次进行虚拟网络映射；

若虚拟网络映射中的节点映射和链路映射都成功，则确定虚拟网络映射成功；

所述目标图卷积网络包括：至少两个隐藏层；

将所述物理节点的特征矩阵输入至目标图卷积网络，得到物理节点的映射概率，包括：

将所述物理节点的特征矩阵作为输入数据输入至第一个隐藏层，输出所述物理节点的第一空间结构信息；所述第一个隐藏层的公式为：

H¹＝RELU(AH⁰W⁰)

其中，A为所述物理节点的特征矩阵，A∈R^n×n，H⁰∈R^n×nfeat，W⁰∈R^{nfeat×nhidden}，n为物理节点的个数，nfeat为物理节点的特征信息的特征维度，所述物理节点的特征信息包括以下至少之一：节点剩余计算资源、节点度、带宽和、映射节点距离，nhidden为第一个隐藏层的神经元个数；

所述节点剩余计算资源为其中，n^v表示映射到物理节点n^s上的虚拟节点；

所述节点度为其中，L(n^s,n)表示物理节点n和物理节点n^s是否相连，如果相连则为1，不相连则为0；

所述带宽和为其中，表示和物理节点n^s相连的链路集合，BW(l^s)表示链路l^s的带宽，SUM(n^s)表示与物理节点n^s相连的链路带宽和；

所述映射节点距离为其中，代表当前虚拟网络的映射请求已映射节点集合，代表已映射节点的总量，代表物理节点n^s和物理节点之间的距离；

将所述第一空间结构信息作为输入数据输入至第二个隐藏层，输出所述物理节点的第二空间结构信息；其中，所述第二空间结构信息是第一空间结构信息的高阶；所述第二个隐藏层的公式为：

H²＝RELU(AH¹W¹)

其中，A∈R^n×n，H¹∈R^n×nhidden，W¹∈R^{nhidden×nClass}，nClass为分类个数；在VNE场景中，nClass被设为1，H²输出的向量维度为n*nClass；

将所述第二空间结构信息进行分类，得到所述物理节点的映射概率。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取训练样本；其中，所述训练样本包括：训练物理节点的特征矩阵；

将所述训练物理节点的特征矩阵输入到初始图卷积网络，得到所述训练物理节点的映射概率；

基于所述训练物理节点的映射概率计算所述初始图卷积网络的目标损失函数的函数值；

通过所述目标损失函数的函数值对初始图卷积网络的参数进行调整，得到所述目标图卷积网络。

3.根据权利要求1所述的方法，其特征在于，基于所述映射请求和物理网络的属性信息确定物理节点的特征矩阵，包括：

基于所述映射请求和物理网络的属性信息，确定物理节点的多个特征信息；

基于所述多个特征信息确定物理节点的特征矩阵。