基于熵权法的虚拟网络映射算法

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (23): 94-99.

基于熵权法的虚拟网络映射算法

许倩1，2，3，易辉跃2，3，朱军1，胡宏林2，3

1.安徽大学电子信息工程学院，合肥 230039
2.上海无线通信研究中心，上海 200335
3.中国科学院无线传感网与通信重点实验室，上海 200335

出版日期:2015-12-01 发布日期:2015-12-14

Virtual network mapping algorithm based on entropy weight method

XU Qian1，2，3, YI Huiyue2，3, ZHU Jun1, HU Honglin2，3

1.School of Electronics and Information Engineering, Anhui University, Hefei 230039, China
2.Shanghai Research Center for Wireless Communications, Shanghai 200335, China
3.Key?Laboratory?of?Wireless?Sensor?Network?&?Communication, Shanghai?Institute?of?Microsystem?and?Information?Technology, Chinese?Academy?of?Sciences, Shanghai 200335, China

Online:2015-12-01 Published:2015-12-14

摘要/Abstract

摘要： 目前虚拟网络研究的一个热点是虚拟网络映射，但是传统两阶段算法中的节点映射算法着重于提高网络资源利用率，而忽略了网络的整体负载性能。为了避免现有映射算法中使用单一固有属性计算拓扑势值带来的片面性，在节点映射过程中增加了节点的另一个固有属性。但是，由于这两个固有属性之间的数量级相差较大，从而引入熵权，通过计算两个属性的熵权值来优化拓扑势值的计算，提出了一种基于熵权法的虚拟网映射算法。仿真实验结果表明，所提出的算法提高了映射接受率，并降低了网络的整体负载。

关键词: 网络虚拟化, 虚拟网络映射, 拓扑势, 熵权

Abstract: Virtual network mapping in network virtualization has been attracted much attention in recent years. Most node mapping algorithms focus on the utilization efficiency of the network resources, but ignore the performance regarding to the load balance of the whole network. In order to avoid one-sideness when it only uses one intrinsic attribute to compute the topology potential value in the existing mapping algorithm, this paper adds another node?inherent?attribute?in?the process of the node mapping. Because the magnitude of these two inherent properties are not in the same order, it introduces the entropy weight, and optimizes the calculation of the topology potential value through computing the entropy value of these two attributes. Then, this paper proposes a virtual network mapping algorithm based on the entropy weight method. Simulation results show that the proposed algorithm improves the success rate of the mapping and reduces the network overall load.

Key words: network virtualization, virtual network mapping, topology potential, entropy weight

许倩1，2，3，易辉跃2，3，朱军1，胡宏林2，3. 基于熵权法的虚拟网络映射算法[J]. 计算机工程与应用, 2015, 51(23): 94-99.

XU Qian1，2，3, YI Huiyue2，3, ZHU Jun1, HU Honglin2，3. Virtual network mapping algorithm based on entropy weight method[J]. Computer Engineering and Applications, 2015, 51(23): 94-99.

[1]	高航航，赵尚弘，王翔，彭聪. 具有高可靠特征的无线虚拟网络映射方法研究[J]. 计算机工程与应用, 2020, 56(12): 73-80.
[2]	高鹏，胡晓东，李家兴，唐伦. 5G-C-RAN中最大化效用服务功能链部署算法[J]. 计算机工程与应用, 2019, 55(7): 108-114.
[3]	李耀华，王星州. 飞机液压系统故障诊断[J]. 计算机工程与应用, 2019, 55(5): 232-236.
[4]	候梦男，王志晓，何婧，芮晓彬，高菊远. 融合拓扑势的社交网络层次化社区发现算法[J]. 计算机工程与应用, 2019, 55(1): 56-63.
[5]	熊芳敏1，岑宇森1，曾碧卿2. 熵权法融合局部匹配Gabor特征的鲁棒人脸识别[J]. 计算机工程与应用, 2016, 52(5): 134-140.
[6]	李小平，张磊. 基于ANP-EM分析法的应急预案评估方法研究[J]. 计算机工程与应用, 2016, 52(24): 223-228.
[7]	王曙燕，张兴根，孙家泽. 基于云模型的老人手机易用性评估模型研究[J]. 计算机工程与应用, 2016, 52(19): 245-251.
[8]	王铁，蒲云. 车站应急保障体系属性约简研究[J]. 计算机工程与应用, 2015, 51(16): 219-222.
[9]	雷勋平. 我国汽车制造业供应链风险评价实证研究——基于熵权可拓决策模型的分析[J]. 计算机工程与应用, 2015, 51(12): 264-270.
[10]	饶泓1，董晓睿1，何宇东1，李祥文2. 采用熵权和模糊集的特征评价方法及应用[J]. 计算机工程与应用, 2012, 48(23): 47-51.
[11]	杜敏1，王晓亮2. 基于熵权的群组动态优化竞争的P2P信任模型[J]. 计算机工程与应用, 2012, 48(17): 123-128.
[12]	冯向前，钱钢. 基于熵权的区间数多属性决策方法[J]. 计算机工程与应用, 2010, 46(33): 236-238.
[13]	万树平. 供应商选择的多属性群决策方法[J]. 计算机工程与应用, 2009, 45(8): 198-199.
[14]	万树平. 机器人非视觉多传感器信息融合的TOPSIS法[J]. 计算机工程与应用, 2009, 45(7): 209-211.
[15]	王增民，王开珏. 基于熵权的K最临近算法改进[J]. 计算机工程与应用, 2009, 45(30): 129-131.