[发明专利]基于改进遗传算法的服务功能链映射方法、装置及设备

说明书

本申请提供了一种基于改进遗传算法的服务功能链映射方法、装置及设备，涉及计算机技术领域。该方法包括：基于任务请求中的虚拟网络功能和物理节点信息的映射方案生成染色体；生成初始种群；基于适应度值确定个体最优染色体集合和群体最优染色体并进行迭代，得到目标群体最优染色体，目标群体最优染色体对应的映射方案为目标映射方案。本申请实施例通过对多条服务功能链的映射方案进行混合多编码，不论对哪部分进行交叉、变异都不会对编码的其他部分造成影响，降低了算法复杂度和时间复杂度，通过最优交叉，每个个体可以根据当前搜索状态动态调整搜索策略，通过自由交叉，可以扩大搜索空间避免陷入局部最优，从而引导SFC映射趋近最优解。

技术领域

本申请涉及计算机技术领域，具体而言，本申请涉及一种基于改进遗传算法的服务功能链映射方法、装置及设备。

背景技术

现有技术在编码时将SFC的构建与映射编码为1条染色体，当在进行染色体交叉时，如果进行构建交叉则相应的映射编码部分也会进行更改，造成过高的算法复杂度和过长的时间复杂度，当进行多条SFC同时映射时，其算法复杂度更高，算法效率低，易陷入局部最优。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一，特别是现有技术进行构建交叉则相应的映射编码部分也会进行更改，造成过高的算法复杂度和过长的时间复杂度，当进行多条SFC同时映射时，其算法复杂度更高，算法效率低，易陷入局部最优的技术缺陷。

第一方面，提供了一种基于改进遗传算法的服务功能链映射方法，所述方法包括：

获取物理网络状态信息和任务请求，所述物理网络状态信息包括物理节点信息；

基于所述任务请求中的虚拟网络功能和所述物理节点信息的映射方案生成染色体；

随机从各所述任务请求的染色体集合中选择方案生成初始种群；

基于适应度值确定所述初始种群中的个体最优染色体集合和群体最优染色体；

基于预设的规则对所述个体最优染色体集合和群体最优染色体进行预设次数的迭代，得到目标群体最优染色体，所述目标群体最优染色体对应的映射方案为目标映射方案。

作为本申请一种可能的实施方式，在该实施方式中，所述基于适应度值确定所述初始种群中的个体最优染色体集合和群体最优染色体，包括：

采用预设的适应度函数计算各染色体的适应度值；

将所述迭代过程中每个个体适应度值最小的染色体作为个体最优染色体，基于各所述个体最优染色体确定所述群体最优染色体。

作为本申请一种可能的实施方式，在该实施方式中，基于预设的规则对所述个体最优染色体集合和群体最优染色体进行预设次数的迭代，包括：

对所述初始群体中的每个染色体，当随机生成概率小于最优交叉概率时，将所述个体最优染色体和所述群体最优染色体进行交叉操作，得到新的染色体。

作为本申请一种可能的实施方式，在该实施方式中，基于预设的规则对所述个体最优染色体集合和群体最优染色体进行预设次数的迭代，包括：

对所述初始群体中的每个染色体，当随机生成概率不小于最优交叉概率时，将所述个体最优染色体和普通染色体进行交叉操作，并将所述群体最优染色体和普通染色体进行交叉操作，得到新的染色体。

作为本申请一种可能的实施方式，在该实施方式中，所述基于预设的规则对所述个体最优染色体集合和群体最优染色体进行预设次数的迭代，包括：

对所述初始群体中的每个染色体，当随机生成概率小于变异概率时，对各所述染色体执行变异操作，生成新的染色体。

作为本申请一种可能的实施方式，在该实施方式中，还包括：