| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第0章 绪论 | 第10-18页 |
| 0.1 课题研究的背景和意义 | 第10-11页 |
| 0.2 国内外研究现状与分析 | 第11-16页 |
| 0.2.1 可生存性增强技术的国内外研究现状 | 第11-14页 |
| 0.2.2 虚拟网络映射技术的国内外研究现状 | 第14-15页 |
| 0.2.3 自配置技术的国内外研究现状 | 第15-16页 |
| 0.2.4 研究现状总结 | 第16页 |
| 0.3 课题的来源及研究内容 | 第16-18页 |
| 0.3.1 课题来源 | 第16页 |
| 0.3.2 课题的主要研究内容 | 第16-18页 |
| 第1章 SDN及认知网络概述 | 第18-25页 |
| 1.1 SDN技术概述 | 第18-23页 |
| 1.1.1 SDN与网络虚拟化 | 第20-21页 |
| 1.1.2 SDN与云计算 | 第21-23页 |
| 1.1.3 SDN面临的挑战 | 第23页 |
| 1.2 认知网络及自律计算 | 第23-24页 |
| 1.3 本章小结 | 第24-25页 |
| 第2章 基于蚁群混合遗传算法的静态虚拟网络映射算法 | 第25-40页 |
| 2.1 引言 | 第25页 |
| 2.2 虚拟网络映射技术研究背景 | 第25-27页 |
| 2.3 虚拟网络映射的建模与形式化 | 第27-31页 |
| 2.3.1 底层物理网络的建模及描述 | 第27-28页 |
| 2.3.2 虚拟网络的建模及描述 | 第28页 |
| 2.3.3 虚拟网络映射的描述 | 第28-29页 |
| 2.3.4 虚拟网络映射约束条件及优化目标 | 第29-31页 |
| 2.4 基于蚁群混合遗传算法的静态虚拟网络映射算法 | 第31-38页 |
| 2.4.1 虚拟网络映射算法求解思路 | 第31-33页 |
| 2.4.2 节点预选取 | 第33页 |
| 2.4.3 算法步骤 | 第33-35页 |
| 2.4.4 仿真实现与性能评价 | 第35-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第3章 面向节点失效的虚拟网络重映射算法 | 第40-48页 |
| 3.1 引言 | 第40页 |
| 3.2 动态资源重映射的建模与形式化 | 第40-41页 |
| 3.3 动态资源重映射方法——DRRA_PSF | 第41-45页 |
| 3.4 仿真实现与性能评价 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 面向认知网络的资源自配置算法 | 第48-57页 |
| 4.1 引言 | 第48页 |
| 4.2 认知网络体系结构总体概述 | 第48-49页 |
| 4.3 效用函数的引入 | 第49页 |
| 4.4 面向认知网络的资源自配置方法 | 第49-56页 |
| 4.4.1 确定用户服务优先级序列 | 第50-52页 |
| 4.4.2 寻找最优资源配置方案 | 第52-53页 |
| 4.4.3 优化配置时间窗口 | 第53-54页 |
| 4.4.4 仿真实现与性能评价 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间所发表的学术论文 | 第64-65页 |
| 致谢 | 第65页 |