基于人工智能的NFV服务功能链的部署与优化

发布时间：2020-10-26 22:33

　　 随着互联网的飞速发展以及硬件设备的更新换代,用户的网络需求也日益增加,运营商目前主要依靠架设大量中间件(Middle box)设备来实现用户的网络请求,为用户提供服务。但是由于中间件设备功能单一,再加之其受地理位置约束较大,这种模式越来越难以满足用户需求。网络功能虚拟化(Network Function Virtualization,NFV)技术的出现为运营商解决上述问题提供了新的办法,这种技术将原本由专有设备实现的功能利用软件来实现,将一条网络请求变成若干虚拟网络功能的有序排列,只需将其部署在标准的x86设备上,摆脱了传统中间件设备位置约束的影响,同时也省去了相关设备成本和维修成本,同时相比现有系统,性能也有了巨大的提升。人工智能(Artificial Intelligence,AI)技术正逐步影响着我们生活的各个方面,同时其也在促进着各行各业的发展,以前无法通过计算解决的问题,也开始通过人工智能的方法进行实现。人工神经网络(Artificial Neural Networks,ANN)作为一种典型的人工智能方法,通过模仿生物神经系统的工作原理,构建了一整套非线性信号处理系统,用于解决一些大规模复杂问题。该系统不仅在时间成本上有巨大的优化,而且还具有良好的并行处理能力。图神经网络(Graph Neural Network,GNN)是一种特别适合处理图问题的神经网络,自提出之日起,已经被应用到各种图相关问题中。图神经网络的工作原理以节点为单位,通过节点的属性和状态综合分析,产生目标输出。本文的主要内容如下:(1)在NFV问题中,目前比较多的是采用启发式算法,针对不同指标采取不同策略对服务功能链进行部署。但是,启发式算法容易陷入局部最优的困局中,其算法性能也不能达到特别优秀的程度,最重要的是其运算时间也相对较长,在处理大规模网络拓扑时这些缺点会被进一步的放大。因此本文利用图神经网络方法,根据网络拓扑中的信息对系统进行训练,使其可以自主部署服务功能链。(2)针对服务功能链部署问题中的节点资源和带宽资源浪费问题,同样利用图神经网络的方法,提出一种整合拆分算法,通过对节点的拆分和服务功能链的整合,提高对节点资源和带宽资源的利用率。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP393.09;TP18
【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 国内外研究现状
    1.3 本文主要工作
    1.4 本文的组织结构
第二章 相关背景知识
    2.1 NFV相关内容
        2.1.1 NFV系统框架
        2.1.2 NFV商业模型
        2.1.3 NFV工作流程
    2.2 人工智能相关内容
        2.2.1 人工智能算法
        2.2.2 神经网络模型
        2.2.3 图神经网络模型
    2.3 可行性分析
    2.4 本章小结
第三章 基于图神经网络的自匹配SFC部署算法的研究
    3.1 SFC部署问题研究
    3.2 图神经网络模型研究
    3.3 GNN仿真平台
    3.4 贪心算法研究
        3.4.1 算法概述
        3.4.2 算法优缺点
    3.5 禁忌搜索算法研究
        3.5.1 算法概述
        3.5.2 算法优缺点
    3.6 基于GNN的自匹配部署算法研究
        3.6.1 近似同构概念
        3.6.2 算法基本思想
        3.6.3 训练过程分析
        3.6.4 部署过程分析
        3.6.5 筛选模块分析
    3.7 仿真实验与结果分析
        3.7.1 美国拓扑下实验结果及分析
        3.7.2 大规模拓扑下实验结果及分析
        3.7.3 不同SFC链路长度下自匹配算法性能分析
        3.7.4 自匹配算法进化性分析
    3.8 本章小结
第四章 SFC整合拆分部署算法的研究
    4.1 节点资源浪费问题
        4.1.1 边缘节点资源浪费问题
        4.1.2 重复节点资源浪费问题
    4.2 链路带宽资源浪费问题
    4.3 SFC整合拆分部署算法研究
        4.3.1 SFC整合概念
        4.3.2 节点拆分概念
        4.3.3 裁剪概念
        4.3.4 变量及约束条件定义
        4.3.5 算法概述
    4.4 仿真实验与结果分析
        4.4.1 节点计算资源实验及分析
        4.4.2 链路带宽资源实验及分析
    4.5 本章小结
第五章 总结与展望
    5.1 论文总结
    5.2 未来展望
致谢
参考文献
攻读硕士期间参与的项目和所获奖励

【相似文献】

相关期刊论文 前10条

1 王芳,徐理;基于功能链的供应链与价值链之内在联系[J];价值工程;2004年06期

2 石福丽;朱一凡;;基于信息功能链的军事通信网络拓扑抗毁性评估方法[J];装备指挥技术学院学报;2011年06期

3 张惠英;;从“个、底”功能链接说起[J];语文研究;2010年01期

4 戴华英;300吨／小时多功能链斗式挖砂船[J];水运科技信息;1994年06期

5 张传浩;周桥;;节点效用最大化的服务功能链构建方法[J];计算机应用;2018年02期

6 ;成就中国首个IP智能边缘服务功能链[J];个人电脑;2015年04期

7 刘艺;张红旗;杨英杰;常德显;;一种区分等级的可生存服务功能链映射方法[J];计算机研究与发展;2018年04期

8 王琛;汤红波;游伟;袁泉;牛犇;;一种基于动态规划的vEPC服务功能链部署方法[J];计算机应用研究;2018年07期

9 高鹏;胡晓东;李家兴;唐伦;;5G-C-RAN中最大化效用服务功能链部署算法[J];计算机工程与应用;年期

10 唐宏伟;冯圣中;赵晓芳;;TOChain:一种高性能虚拟网络安全服务功能链[J];北京邮电大学学报;2018年01期

相关博士学位论文 前2条

1 武春龙;基于功能与支持集对产品功能与模块结构构建方法的研究[D];浙江大学;2015年

2 康与云;基于功能链的机电产品设计方案矩阵式求解方法研究[D];南京航空航天大学;2013年

相关硕士学位论文 前10条

1 周廷枢;虚拟网络功能转发图设计及映射研究[D];电子科技大学;2018年

2 杜炯;基于服务功能链的交换机架构研究[D];电子科技大学;2018年

3 宋雪;网络功能虚拟化的资源分配机制研究[D];电子科技大学;2018年

4 路宽;基于人工智能的NFV服务功能链的部署与优化[D];电子科技大学;2018年

5 李卓峰;低能耗服务功能链的映射研究[D];电子科技大学;2018年

6 何其超;基于SDN的服务功能链流量引导的设计与实现[D];北京邮电大学;2018年

7 张世雷;NFV中服务功能链的故障诊断方法[D];北京邮电大学;2018年

8 吕晨;网络服务功能链拓扑设计及映射研究[D];电子科技大学;2016年

9 刘蓓;基于NFV的网络中虚拟服务功能链的部署和迁移[D];电子科技大学;2017年

10 周桥;基于SDNFV的服务功能链部署优化技术研究[D];解放军信息工程大学;2017年

本文编号：2857605