基于多目标粒子群优化的虚拟网络映射算法

发布时间：2018-04-22 15:35

  本文选题：虚拟网络映射 + 多目标优化算法　； 参考：《计算机应用》2017年03期

【摘要】：在虚拟网络映射中,多数研究只考虑一个映射目标,不能体现多方的利益。为此,将多目标算法和粒子群算法结合,提出了一种基于多目标粒子群优化(PSO)的虚拟网络映射算法(VNE-MOPSO)。首先,在基本的粒子群算法中引入交叉算子,扩大了种群优化的搜索空间;其次,在多目标优化算法中引入非支配排序、拥挤距离排序,从而加快种群的收敛;最后,以同时最小化成本和节点负载均衡度为虚拟网络映射目标函数,采用多目标粒子群优化算法求解虚拟网络映射问题(VNMP)。实验结果表明,采用该算法求解虚拟网络映射问题,在网络请求接受率、平均成本、平均节点负载均衡度、基础设施提供商的收益等方面具有优势。
[Abstract]:In virtual network mapping, most of the studies only consider one mapping goal, and can not reflect the interests of multiple parties. Therefore, a virtual network mapping algorithm based on multi-objective particle swarm optimization (PSO) is proposed by combining multi-objective algorithm with particle swarm optimization (PSO). First, the crossover operator is introduced into the basic particle swarm optimization algorithm, which expands the search space of population optimization. Secondly, in the multi-objective optimization algorithm, the undominated ordering and congestion distance ordering are introduced to speed up the convergence of the population. Taking the cost minimization and node load balance as the objective function of virtual network mapping, the multi-objective particle swarm optimization algorithm is used to solve the virtual network mapping problem. The experimental results show that the proposed algorithm has advantages in network request acceptance rate, average cost, average node load balance and infrastructure provider's income.
【作者单位】： 山东师范大学信息科学与工程学院;山东省分布式计算机软件新技术重点实验室;
【基金】：国家自然科学基金资助项目(61373149)~~
【分类号】：TP18;TP393.01

【相似文献】

相关期刊论文 前10条

1 蒙正中;;一种改进的混合粒子群优化算法[J];桂林工学院学报;2009年03期

2 吴昌友;王福林;马力;;一种新的改进粒子群优化算法[J];控制工程;2010年03期

3 周驰,高海兵,高亮,章万国;粒子群优化算法[J];计算机应用研究;2003年12期

4 高鹰,谢胜利;免疫粒子群优化算法[J];计算机工程与应用;2004年06期

5 张荣沂;一种新的集群优化方法——粒子群优化算法[J];黑龙江工程学院学报;2004年04期

6 高鹰;谢胜利;;混沌粒子群优化算法[J];计算机科学;2004年08期

7 刘钊,康立山,蒋良孝,杨林权;用粒子群优化改进算法求解混合整数非线性规划问题[J];小型微型计算机系统;2005年06期

8 戴冬雪,王祁,阮永顺,王晓超;基于混沌思想的粒子群优化算法及其应用[J];华中科技大学学报(自然科学版);2005年10期

9 窦全胜;周春光;马铭;刘全;;群核进化粒子群优化方法[J];计算机科学;2005年08期

10 范娜;云庆夏;;粒子群优化算法及其应用[J];信息技术;2006年01期

相关会议论文 前10条

1 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

2 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年

3 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年

4 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

5 汪荣贵;李守毅;孙见青;;一种新的自适应粒子群优化算法及应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

6 黄双欢;程良伦;;一种基于粒子群优化的快速图像倾斜角度检测算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

8 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

9 王亚;于永光;耿玲玲;;一类改进的自适应粒子群优化算法对混沌系统未知参数的估计[A];中国力学大会——2013论文摘要集[C];2013年

10 崔静;邓方;方浩;;基于改进粒子群优化算法的弹道求解方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

相关博士学位论文 前10条

1 刘昊;多样性增强的粒子群优化算法及其应用研究[D];北京理工大学;2015年

2 姜毅;动态环境下粒子群优化算法的研究[D];武汉大学;2013年

3 刘华蓥;粒子群优化算法的改进研究及在石油工程中的应用[D];东北石油大学;2012年

4 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年

5 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年

6 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年

7 闫允一;粒子群优化及其在图像处理中的应用研究[D];西安电子科技大学;2008年

8 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年

9 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年

10 徐慧;粒子群优化算法改进及其在煤层气产能预测中的应用研究[D];中国矿业大学;2013年

相关硕士学位论文 前10条

1 陈卓;粒子群优化算法的改进及在油藏数值模拟中的应用[D];北京建筑大学;2015年

2 白云;基于粒子群优化算法的复杂网络社区挖掘[D];西北农林科技大学;2015年

3 杨艳华;基于粒子群优化支持向量机的网络态势预测模型研究[D];兰州大学;2015年

4 孟亚州;基于粒子群优化OTSU的肺组织分割算法研究[D];宁夏大学;2015年

5 郑博;基于快速排序的多目标粒子群优化算法的研究及应用[D];郑州大学;2015年

6 米永强;非线性规划问题的混合粒子群优化算法研究[D];宁夏大学;2015年

7 李建美;基于自适应变异与文化框架的混沌粒子群优化算法[D];陕西师范大学;2015年

8 刘星;基于粒子群优化算法的特征选择方法研究[D];南京大学;2015年

9 牛旭;动态粒子群优化算法及其应用[D];西安电子科技大学;2014年

10 叶华;粒子群优化算法研究[D];西安电子科技大学;2014年

，

本文编号：1787835