计算机科学 ›› 2017, Vol. 44 ›› Issue (Z6): 312-313.doi: 10.11896/j.issn.1002-137X.2017.6A.071
谢永浩,高嵩峰,代明竹
XIE Yong-hao, GAO Song-feng and DAI Ming-zhu
摘要： 优化了基于改进蚁群算法的虚拟网络映射结果。以最优化应用底层网络的资源,提升虚拟网络映射底层网络的资源利用效率为研究目标,在不需要支持路径分裂底层网络的情况下,提出一种新的基于改进蚁群算法的虚拟网络映射。通过引入高斯过程模型,加快蚁群优化算法的收敛速度,满足实际应用的实时性要求；并且以映射开销作为适应度函数,最终解决虚拟网络映射问题。实验结果表明,在满足相同准确度的前提下,该算法显著地降低了算法的求解时间,发挥了积极影响。
| [1] 肖国荣.改进蚁群算法和支持向量机的网络入侵检测[J].计算机工程与应用,2014,50(3):75-78. [2] 曹文杰.基于蚁群算法的虚拟网络映射研究[D].济南:山东大学,2015. [3] 张葆.虚拟网络映射算法研究[D].西安:西安电子科技大学,2014. [4] 蔡进科,顾华玺,卢冀,等.基于Openflow网络的高可靠性虚拟网络映射算法[J].电子与信息学报,2014,36(2):396-402. [5] 杨微.低功耗片上网络映射算法研究[J].现代计算机,2015(2):10-13. [6] 朱强,王慧强,马春光,等.虚拟网络可生存的启发式可靠映射算法[J].通信学报,2015,36(7):109-119. [7] 侯颖.基于蚁群算法的众核嵌入式流程序映射方法研究[D].上海:海东华大学,2015. [8] 邱大洪.基于混沌的蚁群算法及其应用研究[D].北京:北京化工大学,2015. [9] 尔雅莉.基于蚁群算法的非结构化P2P资源搜索研究[D].太原:太原理工大学,2014. [10] 赵玉苹,张惠珍.带柔性时间窗车辆路径问题的混沌蚁群算法[J].数学理论与应用,2016(2):84-92. [11] 殷洪海.云环境下基于改进蚁群算法的资源调度策略[D].成都:电子科技大学,2014. [12] 范绍聪,刘怡俊.基于量子蚁群算法的片上网络映射研究[J].计算机应用研究,2017,34(1):156-159. [13] 李燕龙,王俊义,符杰林,等.基于改进蚁群算法的高能效WSN协作传输策略[J].电视技术,2015,39(11):131-135. [14] 赵开新,魏勇,王东署.改进蚁群算法在P2P网络资源搜索中的应用[J].火力与指挥控制,2015,40(5):139-142. [15] 沈显庆,崔保峰.模拟退火改进蚁群算法的公交网络设计[J].黑龙江科技大学学报,2016,26(3):327-331. |
| No related articles found! |
|
||
首页