| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究工作的背景与意义 | 第10-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文主要工作 | 第16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第二章 相关背景知识 | 第18-35页 |
| 2.1 NFV相关内容 | 第18-27页 |
| 2.1.1 NFV系统框架 | 第18-22页 |
| 2.1.2 NFV商业模型 | 第22-23页 |
| 2.1.3 NFV工作流程 | 第23-27页 |
| 2.2 人工智能相关内容 | 第27-33页 |
| 2.2.1 人工智能算法 | 第27-28页 |
| 2.2.2 神经网络模型 | 第28-32页 |
| 2.2.3 图神经网络模型 | 第32-33页 |
| 2.3 可行性分析 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于图神经网络的自匹配SFC部署算法的研究 | 第35-56页 |
| 3.1 SFC部署问题研究 | 第35-36页 |
| 3.2 图神经网络模型研究 | 第36-40页 |
| 3.3 GNN仿真平台 | 第40-41页 |
| 3.4 贪心算法研究 | 第41-43页 |
| 3.4.1 算法概述 | 第41-43页 |
| 3.4.2 算法优缺点 | 第43页 |
| 3.5 禁忌搜索算法研究 | 第43-44页 |
| 3.5.1 算法概述 | 第43页 |
| 3.5.2 算法优缺点 | 第43-44页 |
| 3.6 基于GNN的自匹配部署算法研究 | 第44-51页 |
| 3.6.1 近似同构概念 | 第44-45页 |
| 3.6.2 算法基本思想 | 第45页 |
| 3.6.3 训练过程分析 | 第45-47页 |
| 3.6.4 部署过程分析 | 第47-48页 |
| 3.6.5 筛选模块分析 | 第48-51页 |
| 3.7 仿真实验与结果分析 | 第51-55页 |
| 3.7.1 美国拓扑下实验结果及分析 | 第51-53页 |
| 3.7.2 大规模拓扑下实验结果及分析 | 第53页 |
| 3.7.3 不同SFC链路长度下自匹配算法性能分析 | 第53-54页 |
| 3.7.4 自匹配算法进化性分析 | 第54-55页 |
| 3.8 本章小结 | 第55-56页 |
| 第四章 SFC整合拆分部署算法的研究 | 第56-71页 |
| 4.1 节点资源浪费问题 | 第56-58页 |
| 4.1.1 边缘节点资源浪费问题 | 第56-57页 |
| 4.1.2 重复节点资源浪费问题 | 第57-58页 |
| 4.2 链路带宽资源浪费问题 | 第58-60页 |
| 4.3 SFC整合拆分部署算法研究 | 第60-66页 |
| 4.3.1 SFC整合概念 | 第60-63页 |
| 4.3.2 节点拆分概念 | 第63页 |
| 4.3.3 裁剪概念 | 第63页 |
| 4.3.4 变量及约束条件定义 | 第63-65页 |
| 4.3.5 算法概述 | 第65-66页 |
| 4.4 仿真实验与结果分析 | 第66-70页 |
| 4.4.1 节点计算资源实验及分析 | 第67-69页 |
| 4.4.2 链路带宽资源实验及分析 | 第69-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 论文总结 | 第71页 |
| 5.2 未来展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士期间参与的项目和所获奖励 | 第79页 |