删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

面向软件定义网络的服务功能链优化部署算法研究

本站小编 Free考研考试/2022-01-03

卢昱,
刘益岑,,
李玺,
陈兴凯,
乔文欣,
陈立云
陆军工程大学信息工程系 ??石家庄 ??050003
基金项目:国家自然科学基金(51377170, 61271152),国家青年科学基金(61602505)

详细信息
作者简介:卢昱:男,1960年生,教授,研究方向为下一代网络体系架构
刘益岑:男,1990年生,硕士生,研究方向为智能VNF编排技术、软件定义服务
李玺:男,1982年生,讲师,研究方向为新型信息网络关键理论与技术
陈兴凯:男,1988年生,博士生,研究方向为未来网络体系架构关键技术
乔文欣:女,1992年生,博士生,研究方向为网络虚拟化技术可靠性
陈立云:男,1968年生,教授,研究方向为深度学习、人工智能
通讯作者:刘益岑 18419764051@163.com
中图分类号:TN915.81

计量

文章访问数:2084
HTML全文浏览量:428
PDF下载量:67
被引次数:0
出版历程

收稿日期:2018-03-21
修回日期:2018-07-27
网络出版日期:2018-08-24
刊出日期:2019-01-01

Research on Placement Algorithm of Service Function Chaining Oriented to Software Defined Networking

Yu LU,
Yicen LIU,,
Xi LI,
Xingkai CHEN,
Wenxin QIAO,
Liyun CHEN
Information Engineering Department, Army Engineering University, Shijiazhuang 050003, China
Funds:The National Natural Science Foundation of China (51377170, 61271152), The National Youth Science Fund Project (61602505)


摘要
摘要: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。
关键词:网络功能虚拟化/
服务功能链部署/
隐马尔可夫模型/
量子遗传算法/
Viterbi算法
Abstract:For Network Function Virtualization (NFV) environment, the existing placement methods can not guarantee the mapping cost while optimizing the network delay, a service function chaining optimal placement algorithm is proposed based on the IQGA-Viterbi learning algorithm. In the training process of Hidden Markov Model (HMM) parameters, the traditional Baum-Welch algorithm is easy to fall into the local optimum, so the quantum genetic algorithm is proposed, which can better optimize the model parameters. In each iteration, the improved algorithm maintains the diversity of feasible solutions and expands the scope of the spatial search by replicating the best fitness population with equal proportion, thus improving the accuracy of the model parameters. In the process of solving Hidden Markov chain, to overcome the problem that can not be directly observed for hidden sequences, Viterbi algorithm can solve the implicit sequences exactly and solve the problem of optimal service paths in the directed graph. Experimental results show that the network delay and mapping costs are lower compared with the existing algorithms. In addition, the acceptance ratio of requests is raised.
Key words:Network Function Virtualization (NFV)/
Service Function Chaining (SFC) placement/
Hidden Markov Model (HMM)/
Quantum Genetic Algorithm (QGA)/
Viterbi algorithm



PDF全文下载地址:

https://jeit.ac.cn/article/exportPdf?id=a384fe7c-a96b-49c3-b7e2-07d0cd75098d
相关话题/网络 优化 遗传 技术 序列