| 摘要 | 第5-8页 |
| ABSTRACT | 第8-9页 |
| 主要缩略语及中英文对照 | 第11-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 研究内容 | 第17-19页 |
| 1.3 论文的主要贡献 | 第19-20页 |
| 1.4 论文组织结构、 | 第20-22页 |
| 第二章 相关技术及相关研究综述 | 第22-42页 |
| 2.1 网络虚拟化 | 第22-23页 |
| 2.2 虚拟网络映射 | 第23-26页 |
| 2.3 国内外研究现状 | 第26-30页 |
| 2.3.1 请求动态到达下的虚拟网络映射方法 | 第26-28页 |
| 2.3.2 动态电力市场下的虚拟网络映射方法 | 第28-29页 |
| 2.3.3 动态重优化的虚拟网络映射方法 | 第29-30页 |
| 2.4 相关理论技术 | 第30-42页 |
| 2.4.1 整数线性规划 | 第30-32页 |
| 2.4.1.1 基本概念 | 第30页 |
| 2.4.1.2 模型分类 | 第30页 |
| 2.4.1.3 特点 | 第30-31页 |
| 2.4.1.4 求解方法 | 第31-32页 |
| 2.4.2 人工蜂群基础知识 | 第32-35页 |
| 2.4.2.1 算法来源 | 第32-33页 |
| 2.4.2.2 基本术语 | 第33-34页 |
| 2.4.2.3 基本步骤 | 第34-35页 |
| 2.4.3 聚类基础知识介绍 | 第35-38页 |
| 2.4.3.1 相似度的衡量 | 第35-37页 |
| 2.4.3.2 分类 | 第37-38页 |
| 2.4.3.3 评估方法 | 第38页 |
| 2.4.4 遗传算法基础知识 | 第38-42页 |
| 2.4.4.1 算法来源 | 第38-39页 |
| 2.4.4.2 基本术语 | 第39-40页 |
| 2.4.4.3 基本步骤 | 第40-42页 |
| 第三章 基于人工蜂群的虚拟网络映射算法 | 第42-54页 |
| 3.1 引言 | 第42-44页 |
| 3.2 问题建模 | 第44-46页 |
| 3.2.1 网络模型 | 第44页 |
| 3.2.2 问题定义 | 第44-45页 |
| 3.2.3 性能指标 | 第45-46页 |
| 3.3 基于人工蜂群的虚拟网络映射算法 | 第46-49页 |
| 3.3.1 VNE-ABC算法 | 第46-49页 |
| 3.3.2 时间复杂度分析 | 第49页 |
| 3.4 实验评估 | 第49-52页 |
| 3.4.1 实验环境设置 | 第49-51页 |
| 3.4.2 实验结果与分析 | 第51-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 基于聚类的低电能虚拟网络映射算法 | 第54-71页 |
| 4.1 引言 | 第54-55页 |
| 4.2 问题建模 | 第55-58页 |
| 4.2.1 网络模型 | 第55-56页 |
| 4.2.2 电能成本模型 | 第56-58页 |
| 4.2.2.1 节点能耗成本 | 第56-57页 |
| 4.2.2.2 链路能耗开销 | 第57页 |
| 4.2.2.3 切换能耗成本 | 第57-58页 |
| 4.2.3 评价指标 | 第58页 |
| 4.2.3.1 收益 | 第58页 |
| 4.2.3.2 能耗开销 | 第58页 |
| 4.3 基于聚类的低电能虚拟网络映射方法 | 第58-63页 |
| 4.3.1 算法框架 | 第58-59页 |
| 4.3.2 面临的挑战 | 第59-60页 |
| 4.3.3 计算聚类系数 | 第60-61页 |
| 4.3.4 虚拟网络域间映射算法 | 第61页 |
| 4.3.5 虚拟网络域内映射算法 | 第61-62页 |
| 4.3.6 时间复杂度分析 | 第62-63页 |
| 4.4 实验评估 | 第63-70页 |
| 4.4.1 实验设置 | 第63-64页 |
| 4.4.2 实验结果与分析 | 第64-70页 |
| 4.4.2.1 不同虚拟网络规模下和EA-VNE比较 | 第64-67页 |
| 4.4.2.2 请求到达密度和持续时间对算法性能的影响 | 第67-69页 |
| 4.4.2.3 偏向因子的影响 | 第69-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 基于遗传算法的低能耗虚拟网络迁移算法 | 第71-87页 |
| 5.1 引言 | 第71-72页 |
| 5.2 问题描述 | 第72-75页 |
| 5.2.1 虚拟网络迁移问题 | 第72-73页 |
| 5.2.2 虚拟网络迁移形式化描述 | 第73-75页 |
| 5.3 基于遗传算法的低电能虚拟网络迁移算法 | 第75-82页 |
| 5.3.1 面临的挑战 | 第75-77页 |
| 5.3.2 编码策略 | 第77-78页 |
| 5.3.3 种群初始化策略 | 第78-79页 |
| 5.3.4 交叉策略 | 第79页 |
| 5.3.5 变异策略 | 第79页 |
| 5.3.6 适应度函数选择 | 第79-81页 |
| 5.3.7 链路重建 | 第81-82页 |
| 5.4 实验评估 | 第82-86页 |
| 5.4.1 实验设置 | 第82页 |
| 5.4.2 实验结果和分析 | 第82-86页 |
| 5.5 本章小结 | 第86-87页 |
| 第六章 总结 | 第87-89页 |
| 6.1 论文总结 | 第87页 |
| 6.2 进一步工作 | 第87-89页 |
| 参考文献 | 第89-102页 |
| 致谢 | 第102-104页 |
| 攻读学位期间发表的论文与研究成果 | 第104页 |