] 进一步的，本发明步骤2计算得到链路的可存活性，链路可存活性是指网络承受并 从故障中恢复的能力，是评价网络中最重要的要求之一，直接影响着网络服务质量(QoS)中 的可用性指标，它的重要性在大吞吐量的光网络下尤其明显。
【附图说明】
[0029] 图1本发明搜索映射方法的流程图；
[0030] 图2本发明基于SDN的Ν0Χ架构示意图；
[0031] 图3本发明Ν0Χ架构的具体应用示意图；
[0032] 图4(a) -例虚拟光网络架构示意图；
[0033] 图4(b)-例虚拟光网络映射前后的物理光网络架构示意图；
[0034] 图5-个域的NSFNET仿真拓扑图；
[0035]图6三个域的NSFNET仿真拓扑概图；
[0036]图7 V0N数量仿真结果统计图；
[0037]图8域的个数仿真结果统计图。
【具体实施方式】
[0038]下面结合附图对本发明做进一步的详细说明。
[0039]本发明基于SDN架构面向虚拟光网络的映射方法包括以下步骤：
[0040]步骤1，确定虚拟请求和物理底层的各网络参数及拓扑结构图，并创建以V0N-FP值 为链路权值的拓扑辅助图，确定优化目标。
[0041] 1.1、确定虚拟请求，虚拟请求是一个无向拓扑图，描述6￥(\^^￥，0，1>，0〇￥)，其 中Vv是虚拟节点的合集，Εν是虚拟链路的合集，Cv是节点上资源的开销，Tv是链路上传输的 开销，CDv则表示其所属的域名。
[0042] 1.2、确定物理底层，物理底层被描述为Gs(Dp，Lp)，其中Dp是域的合集，Lp是域间 链路的集(本方案假定域间链路空间足够满足传输开销）。域名为i的Dp又可描述为Dpi(Ni， Ei，Bi，Ci，Fi)，其中Ni是域中节点，Ei是域中链路，Bi是域中的边缘节点，Ci与Fi分别代表 着域中物理节点上可用的资源和物理链路上可用的频带槽，根据二进制相移键控(Binary Phase Shift Keying，BPSK)，每个频带槽容量为 12.5GB/s。
[0043] 1.3、计算链路V0N-FP值，以此值为链路的权值在原物理拓扑图上创作一幅辅助拓 扑图。
[0044] 1.4、以低链路失败率和高可生存能力优化目标，已知L(x，y)表示节点X跟y之间的 域间链路，定义P(x，y)为出错失败的概率，该段链路的可存活性：
[0045] Survivability(x,y) = l_P(x，y);
[0046] 整个网络总的链路失败率定义为
[0047] FPVL=1-I] (x,y)evv( l_P(x,y));
[0048] 优化目标函数也就是取适应函数FitnessU)的最小值：
[0049]
[0050]步骤2，将拓扑辅助图上的链路按V0N-FP值升序排列，以便映射，根据虚拟请求进 行分类，按照映射规则确定映射方式。
[0051] 2.1、如果虚拟请求链路中两端节点都未映射过，且两节点所属域相同，则将其映 射在相同域中，因为域内链路出错率通常远远小于域间链路。
[0052] 2.2、如果虚拟请求链路中两端节点都未映射过，且两节点的所属域有多个共同的 域，映射时随机选择一个域，进行节点映射时，尽量选择边缘节点附近的物理节点，以便域 间映射。
[0053] 2.3、如果虚拟请求链路两端节点的所属域没有共同域，则选择域间链路在辅助图 排序中最靠前的两个所属域，将两节点分别映射到各自域内的边缘节点上，以便域间映射。
[0054] 2.4、如果虚拟请求链路一端的节点已经被部署，则尽量将另一端节点映射在相同 域中。
[0055] 步骤3,制定一种基于种群的全局搜索和基于个体的局部启发式搜索的方法框架， 将分类好的虚拟光网络请求用此搜索方法进行求解映射，如图1所示。
[0056] 3.1、制定一种基于种群的全局搜索和基于个体的局部启发式搜索的方法框架。全 局策略采用遗传算法，局部搜索策略采用模拟退火算法。
[0057] 3.2、确定参数，定义染色体的主机矢量Hik表示它承载在第i个染色体上的虚拟节 点k的物理节点。染色体的状态矢量Sik表示改染色体的映射状态，如果Sik = 0,则对应的虚 拟节点应重新映射。否则保持该虚拟节点的当前映射。mbest定义为本地最好的映射方案， 即在当前迭代适应度函数最佳。nbest定义为到目前为止所获得的最佳值。NR(u)是节点u的 排序方法，Pv是选择概率：
[0058]
[0059]
[0060] 这里u可以是虚拟节点或物理节点。如果u为一个物理节点，那么L(u)为所有连接u 节点链路的集合，C (u)为剩余的节点资源，b (1)为剩余的链路资源。对于一个虚拟节点U，L (U)是所有连接u节点虚拟链路的集合，C(u)为需求的节点资源，b(l)为需求的链路资源。 [0061 ] 3.3、定义初始化方法。初始化方法具体为：
[0062] 3.3.1、对于物理节点V，若v属于Hi且对应的ski为1，则定义这个节点为可触的；反 之这个节点为不可触。
[0063] 3.3.2、对于虚拟节点u，若对应的ski为0则将其列入优先队列PQ中。
[0064] 3.3.3、根据NR(u)函数计算所有PQ中的虚拟节点和所有不可触的物理节点。将队 列PQ中的虚拟节点按NR(u)值降序排列。
[0065] 3.3.4、将PQ队列中的虚拟节点u按NR (u)值由大到小出列，建立一张由物理节点v 构成的候选表CL(v)，入选表的物理节点必须为不可触且剩余节点资源满足资源需求。以Pv 的概率从CL (v)中选出物理节点v映射虚拟节点u。
[0066] 3.3.5、反复步骤3.3.4，直到PQ队列为空。
[0067] 3.4、设置nbest到+〇〇,所有的状态矢量Sik归零。初始化所有染色体的主机矢量 Hi。再随机设置Sik至1。对于每一个染色体，检查其可行性并计算其适应度函数F(X)。计算 当前种群的mbest并设置nbest =mbest。
[0068] 3.5、通过选择、交叉和变异产生新的子代。选择:选择具有最小适应度函数F(x)的 染色体，并把它放入下一子代中，并把剩余的染色体归入队列TQ。交叉变异:将队列TQ中剩 余可行的染色体进行配对，然后以交叉概率Pc(本方案定为0.9)进行交叉得到两个新的染 色体。变异:对队列中产生的新的染色体以Pm的概率进行变异。最后将这些新的染色体放入 下一代中。
[0069] 3.6、模拟退火算法进行局部搜索。对于队列TQ中所有的染色体，用模拟退火算法 进行本地搜索，这意味着可以选出不同区域中的精英染色体。当系统(T)的温度(本案定义 初始T为100)低于预定义的Tmin(本案定义为0.1)时，请执行以下操作:通过移动检测不同 染色体的适应度函数，如果结果较好，接受它，否则，以Ph的概率接受它。然后系统(T)以衰 减因子r进行退温：
[0070] T(n+1) =r*T(n)
[0071] 3.7、根据光网络约束条件筛选染色体，进行重初始化。将不能满足光网络约束条 件(例如频带槽的一致性及连续性)染色体的适应度函数f(x)置为+~。出列队列TQ中所有 适应度函数f(x)为+~的染色体，将这些不可行的染色体的状态矢量Sik置零，并将其主机 矢量Hi初始化。初始化完成后再随机设置Sik至1，最后将这些更新后的染色体放入下一子 代中。
[0072] 3.8、计算当代最优解。初始化更新每一个染色体主机矢量Hi，检查其可行性，计算 适应度函数，别且更新mb e s t，若比上一代更优，更新nb e s t。
[0073] 步骤4,重复迭代搜索映射的方法得出适应度函数最小时的最优映射方案，并分配 给基于SDN的Ν0Χ架构处理。
[0074] 4.1、重复步骤3.3至步骤3.7，直到到达迭代的最大数目。最后输出nbest为虚拟光 网络映射的解决方案。
[0075] 4.2、根据Ν0Χ架构将数据传输和计算路由方案分开由Ν-Ν0Χ和Ρ-Ν0Χ负责。
[0076] 4.2.1、N_N0X作为局部控制器在本方法中用于数据转发。
[0077] 4.2.2、P_N0X作为全局控制器在本方案从应用层通过网管协议接受请求，统计从 局部控制器通过OpenFlow协议传来的资源信息，分析计算路由方法并通知各个域内的局部 路由器。
[0078] 本发明基于SDN的Ν0Χ架构中Ρ-Ν0Χ和Ν-Ν0Χ的关系如图2所示。参见图3,全局控制 器将按照基于种群的全局搜索和基于个体的局部启发式搜索的方法求得的最佳映射方案 进行全局的路由信息分配;局部控制器按照全局控制器的指令进行数据转发。
[0079] 参见图4(a)，虚拟光网络有三个虚拟节点各自的资源需求为2、3、3,各自的从属域 为域1、域1、域2,虚拟光网络有两条链路，需求分别为30GB/s和15GB/s;参见图4(b)，物理光 网络的可用节点和