2020年关于自适应虚拟网络映射模型的构建分析的论文_第1页
2020年关于自适应虚拟网络映射模型的构建分析的论文_第2页
2020年关于自适应虚拟网络映射模型的构建分析的论文_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

关于自适应虚拟网络映射模型的构建分析的论文 当前互联网环境中，虚拟网专用技术（VPN）与虚拟网络映射技术存在类似的方面，它们均是共享底层网络资源。同时，结合约束条件来构建虚拟网络专用网。但是构建 VPN 网络时，只考虑了底层链路资源约束条件。而虚拟网络映射技术将请求约束条件、底层节点资源和链路资源约束条件等因素考虑在内，来构建匹配的虚拟网络专用网。这能克服 VPN 技术带来的专网专用问题，最大化底层网络资源共享优势。 本文对底层网络存在的一些问题进行了分析，如物理网络固化1、资源利用率低2、系统稳定性差等，提出了带自适应因子的虚拟网络映射算法。综合考虑了链路负载能力、虚拟网络申请数等参数，并在遗传迭代过程中加入自适应因子。 在实际的研究中，虚拟网络映射模型3可分为三大模块进行构建，包括底层资源模块、虚拟网络模块以及虚拟网络映射关系4。其中底层资源模块与虚拟网络模块可抽象为图论中无向图模型，同时可构建虚拟网络。 虚拟网络映射关系可以描述为映射：，其中 Vv（G） V（G），Ev（G）E（G），v（G） （G）。虚拟网络映射首先是将虚拟节点映射到满足资源约束条件的底层节点之上，然后将虚拟链路再映射到满足其带宽、时延等约束条件的底层无向图路径上。 本文算法是基于遗传算法进行改进，为了获得更好的遗传算法性能，加入的自适应因子 Fit（n）（公式1）主要对交叉率 Pc、变异率 Pm 进行调整。Fit（n）在第 n 代时，当适应因子值相较于上一代有一定的提高时，优良基因在种群进化过程中得到保留的机会也将更大。适应度因子越高，收敛性越好，资源利用率越高。 文章算法是基于遗传算法改进，主要在寻找最优路径过程中，将自适应因子加入考虑进去，结合轮盘法思想，尽可能在最短迭代过程中获得最优的解。 公式（3）表示底层线路负载标准差。在公式（3）中 pro（v（vvi，vvj）指被选中的链路负载能力。 文章主要使用 cloudsim 进行仿真实验，生成50个物理节点，100 条链路带宽为 10Gbps 的物理拓扑网络模型。虚拟网络映射请求时间间隔在20个单位，生命周期为60个单位时间，虚拟网络申请数50，且需要的虚拟节点数区间在 2，15，虚链路带宽请求在 100Mbps，1Gbps。仿真实验算法（FGA）主要与基于单径多商品流模型的 MC算法、简单遗传算法（SGA 算法）的线路负载标准差、网络资源利用率两个指标进行对比分析，实验仿真结果如图1，图2所示。 虚拟网络申请数在增加时，线路负载标准差呈现波动，FGA 算法的线路负载标准差要优于 MC 算法与SGA 算法。网络资源利用率随着虚拟网络申请数的增多呈现上升趋势，当网络申请数达到一定数量时，整
人人文库> 全部分类> 应用文书 > 年终总结

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论