[发明专利]一种虚拟网络映射方法及装置

权利要求书

1.一种虚拟网络映射方法，其特征在于，包括如下步骤：

1)提取待映射的虚拟网络请求的初始输入特征和对应的物理网络的初始输入特征；所述物理网络的初始输入特征包括各物理节点资源的最大容量和剩余容量、以及各物理链路资源的最大容量和剩余容量，所述待映射的虚拟网络请求的初始输入特征包括虚拟节点资源的需求容量、以及各虚拟链路资源的需求容量；其中，物理网络的节点为所述物理节点，物理网络的链路为所述物理链路，虚拟网络请求的节点为所述虚拟节点，虚拟网络请求的链路为所述虚拟链路；

2)将待映射的虚拟网络请求的初始输入特征和对应的物理网络的初始输入特征输入至训练好的虚拟网络映射模型中，得到映射结果；其中，所述虚拟网络映射模型包括一级模型和二级模型，所述一级模型包括用于提取物理网络特征的物理网络模型和用于提取虚拟网络请求特征的虚拟网络请求模型，所述物理网络模型的输出和虚拟网络请求模型的输出叠加后作为二级模型的输入，且所述训练好的虚拟网络映射模型利用已映射的虚拟网络请求的初始输入特征、对应的物理网络的初始输入特征、以及将已映射的虚拟网络请求映射至对应的物理网络的映射结果作为样本训练得到

3)根据映射结果，将待映射的虚拟网络请求映射至对应的物理网络；

其中，所述物理网络模型为图卷积神经网络模型，所述虚拟网络请求模型为全连接神经网络模型。

2.根据权利要求1所述的虚拟网络映射方法，其特征在于，步骤1)中，所述物理网络的初始输入特征还包括物理网络的特殊参数，所述物理网络的特殊参数包括以下至少一种：物理网络的拓扑特征、各物理节点的可靠性、各物理链路的可靠性、各物理链路的传输时延和各物理链路的丢包率。

3.根据权利要求1所述的虚拟网络映射方法，其特征在于，步骤1)中，所述待映射的虚拟网络请求的初始输入特征还包括虚拟节点的数量变化特征。

4.根据权利要求1所述的虚拟网络映射方法，其特征在于，步骤1)中，所述待映射的虚拟网络请求的初始输入特征还包括虚拟网络请求的特殊约束，所述虚拟网络请求的特殊约束包括以下至少一种：虚拟节点需部署在特定的物理节点上、各虚拟链路的传输时延要求和各虚拟链路的可靠性要求。

5.根据权利要求1～4任一项所述的虚拟网络映射方法，其特征在于，步骤1)中，所述二级模型为全连接神经网络模型。

6.根据权利要求1所述的虚拟网络映射方法，其特征在于，所述图卷积神经网络使用的激活函数为sigmoid函数或ReLU函数。

7.根据权利要求1所述的虚拟网络映射方法，其特征在于，所述图卷积神经网络模型采用拉普拉斯矩阵进行物理网络特征的提取，所述拉普拉斯矩阵为L＝D^-1/2(D-A)D^-1/2，式中，D为各物理节点的度构成的矩阵，A为各物理节点之间的连接关系构成的矩阵。

8.一种虚拟网络映射装置，其特征在于，包括存储器和处理器，所述处理器用于执行存储在存储器中的指令以实现如权利要求1～7任一项所述的虚拟网络映射方法。