一种基于SDN的CCN集中控制缓存决策方法

在软件定义网络(SDN)和内容中心网络(CCN)融合架构下,为了充分利用控制层对网络拓扑和缓存资源的全局感知,在全网中实现缓存资源的优化使用,提出了一种集中控制的缓存决策优化方案.在该方案中,应用粒子群优化算法(PSO)并且根据节点边缘度、节点重要度以及内容流行度对缓存资源和内容进行集中缓存决策,使得内容在不同的节点进行合理的缓存.仿真结果表明,通过评估缓存大小对缓存性能的影响,PSO缓存决策方法取得了比LCE、PROB缓存决策策略更优的缓存命中率和路径延展率,明显降低了缓存节点的缓存替换数,使得缓存达到了整体缓存优化.     

软件定义承载网中基于负载均衡的虚拟网络资源分配算法

在具有集中式控制特点的carrier-SDN（软件定义承载网）中应用网络虚拟化技术为虚拟网络分配资源,实现承载网资源分配是解决承载网结构僵化的重要途径。提出carrier-SDN中基于负载均衡的虚拟网络资源分配算法。首先,建立carrier-SDN多层模型;其次,根据虚拟网络映射算法的特点,二值化粒子群优化算法;最后,以负载均衡为优化目标,求解虚拟网络映射问题。仿真结果表明,与已有方法相比,所提算法在虚拟网络负载均衡性、请求接受率和网络收益方面性能优越。     

应用粒子群优化的绿色虚拟网络映射算法

绿色网络是近年来网络技术研究的热点,以节能为优化目标的虚拟网络映射算法成为基于网络虚拟化技术中资源分配研究的重点.提出了应用粒子群优化的绿色虚拟网络映射算法,重定义粒子群优化算法中的参数和粒子进化行为,以关闭底层网络节点和链路数量最多为适应度函数,在较低的算法复杂度条件下,获得绿色虚拟网络映射的最优解.仿真结果表明,与对比算法相比,静态环境下所提算法的运行时间大幅度降低;动态环境下所提算法的节点关闭率、链路关闭率、虚拟网络请求接受率均有所提升,算法运行时间也大大缩短.     

软件定义网络中应用蚁群优化的负载均衡算法

在软件定义网络中提出了一种应用蚁群优化的负载均衡算法,以负载均衡度为目标函数重定义了蚁群算法中的参数和操作,对软件定义网络数据流和网络拓扑进行合理设置,规划出流传输的最优路径,从而提升了网络资源利用率和流传输质量.仿真结果表明,与其他算法相比,新算法在负载均衡度、流接受率、流丢包率、时延以及网络吞吐量方面的性能都有明显的提升.