[发明专利]基于熵权法的多线程的虚拟网络映射和性能调节方法

权利要求书

1.一种基于熵权法的多线程的虚拟网络映射和性能调节方法，其特征在于，包括以下步骤：

获取多个虚拟网络请求，根据服务质量感知对所述多个虚拟网络请求进行分级，得到多个级别的虚拟网络请求，并为所述多个级别的虚拟网络请求设置差异化服务质量放宽系数；

将所述多个级别的虚拟网络请求输入训练好的节点映射策略评估网络进行节点和链路映射，得到所述多个级别的虚拟网络请求的初步映射结果，其中，所述节点映射策略评估网络以底层物理节点的资源情况、虚拟网络请求和底层物理节点和虚拟网络请求节点间的映射数据为训练数据，利用多线程的异步优势演员评论家算法训练得到；

通过熵权法对所述初步映射结果进行分析，得到所述多个级别的虚拟网络请求的最佳放宽比评估分数，将所述最佳放宽比评估分数中最高分数作为各级别的虚拟网络请求的差异化服务质量放宽系数。

2.根据权利要求1所述的方法，其特征在于，在对所述多个级别的虚拟网络请求进行节点和链路映射之前，所述方法还包括：

对所述训练好的节点映射策略评估网络进行临时链路剪枝操作，以去除所述训练好的节点映射策略评估网络中不满足虚拟链接要求的物理链接，并在映射结束后回复所述节点映射策略评估网络。

3.根据权利要求1所述的方法，其特征在于，所述节点映射策略评估网络包括演员网络和评论家网络，所述演员网络和所述评论家网络均包括卷积层、全连接层和输出层，且所述演员网络和所述评论家网络除输出层外共享相同的架构；其中，所述演员网络和所述评论家网络的卷积层的输入为底层物理节点的资源情况的状态矩阵和所述虚拟网络请求，卷积层的输出为每一个底层物理节点考虑自身属性后对于所述虚拟网络请求的合适程度，全连接层的输出为每个底层物理节点被所述虚拟网络请求映射的概率分布，所述演员网络的输出层的输出为参数化策略，所述评论家网络的输出为参数化估计值，所述节点映射策略评估网络基于所述参数化策略和参数化估计值得到所述虚拟网络请求的初步映射结果。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

筛选具有承载虚拟映射资源的底层物理节点，提取筛选出的底层物理节点的多个节点特征属性得到状态特征值，对所述状态特征值进行归一化和筛选后，利用所述状态特征值构建底层物理节点的状态矩阵。

5.根据权利要求1所述的方法，其特征在于，在所述节点映射策略评估网络中，利用优势函数代替状态-动作-值函数，其中，所述优势函数为：

其中，s为估计状态，a为动作，是估计状态s下的累积收益的状态函数，是状态行动值函数。

6.根据权利要求5所述的方法，其特征在于，基于优势函数对所述演员网络进行训练，包括：

其中，β为衰减参数，α为演员网络学习率，π_θ(s_t,a_t)为参数化策略，为优势函数，H(.)为策略每一步的熵，θ为参数集的梯度，为梯度向量；

通过时序差分方法对所述评论家网络进行训练，包括：

其中，θ_v为评论家网络值函数，α′为评论家网络学习率，为评论家网络梯度向量，r_t为t时刻的奖励，γ为折扣率，为估计状态s的下一状态下的累积收益的状态函数，为估计状态s下的累积收益的状态函数。

7.根据权利要求6或3所述的方法，其特征在于，在所述节点映射策略评估网络训练时，所述演员网络和所述评论家网络并行训练。

8.根据权利要求1所述的方法，其特征在于，所述根据服务质量感知对所述多个虚拟网络请求进行分级，包括：

考虑网络多种网络的业务需求按照实际进行不同虚拟网络请求中差异化服务质量需求对所述多个虚拟网络请求进行分级。