面向谷歌云数据集的虚拟网络映射算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-22页 |
| 1.1 研究背景和目的 | 第11-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.3 论文的研究贡献 | 第19-20页 |
| 1.4 论文的组织结构 | 第20-22页 |
| 2 相关知识和问题模型 | 第22-27页 |
| 2.1 算法分类 | 第22-23页 |
| 2.2 问题模型 | 第23-25页 |
| 2.2.1 网络拓扑 | 第23-24页 |
| 2.2.2 映射目标 | 第24-25页 |
| 2.3 虚拟网络映射问题目前的主流解法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 数据集分析 | 第27-40页 |
| 3.1 数据集来源 | 第27-30页 |
| 3.2 数据清洗 | 第30-33页 |
| 3.3 数据分析 | 第33-38页 |
| 3.4 误差产生 | 第38页 |
| 3.5 本章小结 | 第38-40页 |
| 4 传统虚拟网络映射算法性能比较 | 第40-56页 |
| 4.1 VNE-USP算法 | 第40-44页 |
| 4.2 VNE-OMS算法 | 第44-46页 |
| 4.3 实验环境 | 第46-47页 |
| 4.4 实验结果 | 第47-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 基于遗传算法的资源优化映射算法 | 第56-65页 |
| 5.1 算法设计思想 | 第56-58页 |
| 5.2 VNE-NGA启发式算法 | 第58-61页 |
| 5.3 实验环境 | 第61-62页 |
| 5.4 实验结果 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 论文总结 | 第65页 |
| 6.2 未来展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第71-73页 |
| 学位论文数据集 | 第73页 |
