虚拟网络嵌入：拓扑感知与优化策略

"通过拓扑感知和优化来嵌入虚拟网络" 本文主要探讨了网络虚拟化中的一个核心问题，即如何有效地将多个虚拟网络（VN）嵌入到物理网络基础设施中，以最大化接纳VN请求的能力。这个问题被证明是NP-hard，意味着在计算复杂性理论中，寻找最优解是非常困难的。作者提出了一种创新的方法来解决这一挑战，着重强调了拓扑感知和优化在虚拟网络嵌入过程中的作用。 首先，文章引入了一种基于随机游走的拓扑感知机制，用于评估和比较物理网络节点的资源和拓扑特性。随机游走是一种模拟信息在网络中传播的数学模型，通过这种方式，可以更全面地理解节点在整个网络中的重要性和影响力。这个方法能够帮助确定节点的优先级，这对于后续的节点匹配至关重要。 接下来，作者设计了一个贪婪算法，依据节点的排名来匹配虚拟网络中的节点与物理网络中的节点。贪婪算法是一种求解优化问题的策略，它在每一步选择局部最优解，期望最终达到全局最优解。在这种情况下，算法会优先考虑具有较高资源和拓扑优势的节点，以期优化嵌入效果。 然而，由于可能存在多种嵌入方案，作者进一步关注如何找到最佳嵌入，以提高未来VN请求的接纳率，并最大化物理网络提供商的收益。在不允许路径拆分的约束下，他们提出了一个整数线性规划（ILP）模型，这是一个优化工具，用于在满足特定约束条件下最大化或最小化目标函数。 为了解决ILP问题，作者开发了一种快速收敛的离散粒子群优化算法（DPSO）。这是一种启发式搜索方法，受到自然界中鸟群或鱼群行为的启发，能够在多维搜索空间中高效探索可能的解决方案。DPSO在解决复杂的优化问题时，往往能提供接近最优解的结果。 实验结果显示，提出的算法在长期平均收益与VN请求接受度的比率上表现接近最优，并显著优于已有的算法。这表明，结合拓扑感知、随机游走和DPSO的策略在虚拟网络嵌入中具有很大的潜力，可以有效提升网络资源的利用效率和网络服务的质量。 这篇论文揭示了拓扑感知在虚拟网络嵌入中的关键作用，并通过随机游走和优化算法的设计，为解决这个复杂问题提供了新的思路和工具。这些方法对于网络虚拟化领域的研究和实践具有重要的指导意义。