[发明专利]一种基于底层节点排序的虚拟网络映射方法及装置

摘要

本发明实施例提供了一种基于底层节点排序的虚拟网络映射方法及装置，应用于控制器，所述方法包括：接收目标虚拟网络请求；获取当前底层网络中每个底层节点的各项属性信息的属性值；根据每个底层节点的各项属性信息的属性值以及预先计算的各项属性信息对应的权重参数，计算各底层节点对应的排序权重；根据排序权重对各底层节点进行排序，形成第一队列；根据所述第一队列、各虚拟节点的计算资源需求以及各虚拟链路的带宽资源需求，对各虚拟节点进行映射以及对各虚拟链路进行映射。本发明实施例能够更好的适应变化的网络系统，提高虚拟网络映射的效果。

主权项

1.一种基于底层节点排序的虚拟网络映射方法，其特征在于，应用于控制器，所述方法包括：接收目标虚拟网络请求；所述目标虚拟网络请求包括各虚拟节点的计算资源需求以及各虚拟链路的带宽资源需求；获取当前底层网络中每个底层节点的各项属性信息的属性值；根据每个底层节点的各项属性信息的属性值以及预先计算的各项属性信息对应的权重参数，计算各底层节点对应的排序权重；所述权重参数为根据历史虚拟网络映射数据计算得到的；根据排序权重对各底层节点进行排序，形成第一队列；根据所述第一队列、各虚拟节点的计算资源需求以及各虚拟链路的带宽资源需求，对各虚拟节点进行映射以及对各虚拟链路进行映射；所述各项属性信息对应的权重参数的计算方式包括：采用粒子群优化训练算法，将各个粒子的预设的权重向量初值作为各个粒子的当前权重向量，将各个粒子的预设的速度向量初值作为各个粒子的当前速度向量；判断训练次数是否小于预设训练次数阈值；如果小于，则根据各个粒子的当前权重向量、各个粒子的当前速度向量以及所述历史虚拟网络映射数据中所述任一属性信息的属性值，计算该属性信息对应的当前权重参数，并根据公式更新各个粒子的当前权重向量，根据公式更新各个粒子的当前速度向量，并返回执行所述判断训练次数是否小于预设训练次数阈值的步骤；如果不小于，则输出所述任一属性信息对应的当前权重参数；其中，为第k轮训练后第n个粒子的速度向量；为第k‑1轮训练后第n个粒子的速度向量；为第k‑1轮训练后第n个粒子的当前权重向量；为第k‑1轮训练后第n个粒子在达到局部优化参数时对应的权重向量；为第k‑1轮训练后粒子群在达到全局优化参数时对应的权重向量；MAX为对向量的各分量取最大值，MIN为对向量的各分量取最小值，v_max为当前速度向量的最大值，c₁、c₂、c₃均为常数，r₁、r₂均为随机变量。