面向软件定义网络的服务功能链优化部署算法研究

发布时间：2021-10-16 19:52

　　针对网络功能虚拟化（NFV）环境下,现有服务功能链部署方法无法在优化映射代价的同时保证服务路径时延的问题,该文提出一种基于IQGA-Viterbi学习算法的服务功能链优化部署方法。在隐马尔可夫模型参数训练过程中,针对传统Baum-Welch算法训练网络参数容易陷入局部最优的缺陷,改进量子遗传算法对模型参数进行训练优化,在每一迭代周期内通过等比例复制适应度最佳种群的方式,保持可行解多样性和扩大空间搜索范围,进一步提高模型参数的精确度。在隐马尔科夫链求解过程中,针对隐含序列无法直接观测这一难点,利用Viterbi算法能精确求解隐含序列的优势,解决有向图网络中服务路径的优化选择问题。仿真实验结果表明,与其它部署算法相比,所提IQGA-Viterbi学习算法能有效降低网络时延和映射代价的同时,提高了网络服务的请求接受率。 

【文章来源】：电子与信息学报. 2019,41(01)北大核心EICSCD

【文章页数】：9 页

【参考文献】：
期刊论文
[1]A virtual service placement approach based on improved quantum genetic algorithm[J]. Gang XIONG,Yu-xiang HU,Le TIAN,Ju-long LAN,Jun-fei LI,Qiao ZHOU.  Frontiers of Information Technology & Electronic Engineering. 2016(07)
[2]一种基于Viterbi算法的虚拟网络功能自适应部署方法[J]. 刘彩霞,卢干强,汤红波,王晓雷,赵宇.  电子与信息学报. 2016(11)
[3]量子遗传算法优化BP神经网络的网络流量预测[J]. 张立仿,张喜平.  计算机工程与科学. 2016(01)
[4]基于GEP和Baum-Welch算法训练HMM模型的研究[J]. 张增银,元昌安,胡建军,蔡宏果,王文栋,杨立志.  计算机工程与设计. 2010(09)
[5]一种解决组合优化问题的量子遗传算法QGA[J]. 熊焰,陈欢欢,苗付友,王行甫.  电子学报. 2004(11)



本文编号：3440404