业务网络的分解方法及系统的制作方法
【专利摘要】本发明提供了一种业务网络的分解方法及系统。该方法包括：S1，对每个分解方案交叉和/或变异，以获得下一代分解方案；S2，针对步骤S1获得的多个分解方案，根据每个分解方案在经过历史迭代数下最优的分解方案的参数和/或所有的分解方案在经过历史迭代数下最优的分解方案的参数，计算该分解方案下一代应该对应的参数，直至计算所有分解方案下一代应该对应的参数，参数和分解方案一一对应，从而可获得每个分解方案下一代对应的分解方案并发送至步骤S1；S3，重复执行步骤S1?S2直至预设的迭代数，在最后获得的多个分解方案中选择最优的分解方案作为最终的分解方案。该业务网络的分解方法及系统，能够获得较优的分解方案，对业务的处理效率高且成本低。
【专利说明】
业务网络的分解方法及系统
技术领域
[0001] 本发明属于网络功能虚拟化技术领域，具体涉及一种业务网络的分解方法及系 统。
【背景技术】
[0002] 网络功能虚拟化已成为全球电信行业发展的重要趋势，网络功能虚拟化技术是为 了解决现有专用通信设备的不足而随之产生的，即是将传统网络功能虚拟化，并承载于采 用通用硬件的软件平台，将传统电信设备的软件与硬件解耦，基于通用计算、存储、网络设 备实现电信网络功能。
[0003] 目前，一个业务网络应自顶向下分解，直到可分配到资源，现有技术中采用的是随 机分配一种分解方案进行分解，这样不仅对业务的处理效率不高且成本较高。
【发明内容】
[0004] 本发明旨在至少解决现有技术中存在的技术问题之一，提出了一种业务网络的分 解方法及系统，能够获得较优的分解方案，从而对业务的处理效率高且成本低。
[0005] 为解决上述问题之一，本发明提供了一种业务网络的分解方法，包括:S1，对每个 分解方案进行交叉和/或变异，以获得下一代分解方案;S2，针对步骤S1获得的多个所述分 解方案，根据每个所述分解方案在经过历史迭代数下最优的分解方案的参数和/或所有的 分解方案在经过历史迭代数下最优的分解方案的参数，计算该分解方案的下一代分解方案 应该对应的参数，直至计算出所有的分解方案的下一代分解方案应该对应的参数，所述参 数和所述分解方案一一对应，从而可获得每个所述分解方案的下一代分解方案并发送至步 骤S1;S3,重复执行步骤S1-S2直至预设的迭代数，在最后获得的多个所述分解方案中选择 最优的分解方案作为最终的分解方案。
[0006] 优选地，根据以下公式计算每个分解方案的下一代分解方案应该对应的参数1: /；+1 =/；'+α；Μ?*? . s
[0007]
[0008]
[0009] r为当前迭代数；
[0010] i指第i个分解方案；
[0011] t、》、di、d2和Θ为预设系数；
[0012] φε(〇，ι)，θε(〇，ι);
[0013] #是指第i个所述分解方案在经过历史迭代数下最优的分解方案的参数；
[0014] 是指所有的分解方案在经过历史迭代数下最优的分解方案的参数。
[0015]优选地，所述对每个分解方案进行交叉包括:对每个分解方案随机分配一交叉概 率;选择交叉概率大于阈值的所述分解方案;对选择的所述分解方案进行交叉操作;判断交 叉操作后的每个所述分解方案的优劣性是否优于所有所述分解方案的优劣性的平均值，若 是，则将交叉操作后的所述分解方案作为下一代所述分解方案，若否，则选择交叉操作前较 优的所述分解方案作为下一代所述分解方案。
[0016] 优选地，所述对每个分解方案进行变异包括:对每个所述分解方案随机分配一变 异概率;每个所述分解方案根据与之对应的所述变异概率进行变异操作；判断变异操作后 的所述分解方案的优劣性是否优于变异操作前的优劣性，若是，则变异操作后的所述分解 方案作为下一代所述分解方案，若否，则选择变异操作前较优的所述分解方案作为下一代 所述分解方案。
[0017] 优选地，按照以下公式计算每个分解方案的优劣性Z:
[0018]
[0019] 其中，Pije(0，l)，i，_]·ε[0，η-1]，α+β+γ =1，α，β，γ e(0，l);
[0020] Xij = 〇或 i;
[0021 ] Z值越小表示该分解方案越优；
[0022] (?指第i行第j列的单位虚拟基础资源的能力；
[0023] Plj指第i行第j列的单位虚拟基础资源的能力的利用率；
[0024] 指第i行第j列的单位虚拟基础资源的时间成本；
[0025] eij指第i行第j列的单位虚拟基础资源的能耗成本。
[0026] 本发明还提供一种业务网络的分解系统，包括：
[0027] 交叉和/或变异模块，用于对每个分解方案进行交叉和/或变异，以获得下一代分 解方案并发送至计算模块；
[0028] 计算模块，用于针对所述交叉和/或变异模块获得的多个所述分解方案，根据每个 所述分解方案在经过历史迭代数下最优的分解方案的参数和/或所有的分解方案在经过历 史迭代数下最优的分解方案的参数，计算该分解方案的下一代分解方案应该对应的参数， 直至计算出所有的分解方案的下一代分解方案应该对应的参数，所述参数和所述分解方案 一一对应，从而可获得每个所述分解方案的下一代分解方案并发送至所述交叉和/或变异 丰旲块；
[0029] 确定模块，用于在所述交叉和/或变异模块和所述计算模块重复执行次数达到预 设迭代数之后，在最后获得的多个所述分解方案中选择最优的分解方案作为最终的分解方 案。
[0030] 优选地，所述计算模块，用于根据以下公式计算每个分解方案的下一代分解方案 应该对应的参数1:
[0031]
[0032]
[0033]
[0034] r为当前迭代数；
[0035] i指第i个分解方案；
[0036] t、57、di、d2和Θ为预设系数；
[0037] φε(〇，ι)，θε(〇，ι);
[0038] ￥是指第i个所述分解方案在经过历史迭代数下最优的分解方案的参数；
[0039] 乂是指所有的分解方案在经过历史迭代数下最优的分解方案的参数。
[0040] 优选地，所述交叉和/或变异模块为交叉模块;所述交叉模块，用于对每个分解方 案随机分配一交叉概率;选择交叉概率大于阈值的所述分解方案;对选择的所述分解方案 进行交叉操作;判断交叉操作后的每个所述分解方案的优劣性是否优于所有所述分解方案 的优劣性的平均值，若是，则将交叉操作后的所述分解方案作为下一代所述分解方案，若 否，则选择交叉操作前较优的所述分解方案作为下一代所述分解方案。
[0041] 优选地，所述交叉和/或变异模块为变异模块;所述变异模块，用于对每个所述分 解方案随机分配一变异概率;每个所述分解方案根据与之对应的所述变异概率进行变异操 作;判断变异操作后的所述分解方案的优劣性是否优于变异操作前的优劣性，是，则变异操 作后的所述分解方案作为下一代所述分解方案，若否，则选择变异操作前较优的所述分解 方案作为下一代所述分解方案。
[0042] 优选地，所述计算模块，用于按照以下公式计算每个分解方案的优劣性Z:
[0043]
[0044] 丹1i^PijtVU，丄；，丄，Jt LU，n_丄」，utpt γ -丄，u，p，γ tvu，丄)；
[0045] 叉土」=0或1;
[0046] Z值越小表示该分解方案越优；
[0047] (?指第i行第j列的单位虚拟基础资源的能力；
[0048] Plj指第i行第j列的单位虚拟基础资源的能力的利用率；
[0049] 指第i行第j列的单位虚拟基础资源的时间成本；
[0050] eij指第i行第j列的单位虚拟基础资源的能耗成本。
[0051]本发明具有以下有益效果：
[0052]本发明提供的业务网络的分解方法及系统，其定义与分解分案一一对应的参数， 并在每个分解方案进行一代交叉和/或变异之后，根据每个分解方案在经过历史迭代数下 最优的分解方案的参数和/或所有的分解方案在经过历史迭代数下最优的分解方案的参 数，计算该分解方案的下一代分解方案应该对应的参数，从而可获得每个分解方案的下一 代分解方案并作为下次交叉和/或变异的初始分解方案，由于下一代分解方案是根据在经 过历史迭代数下的最优分解方案获得，因此，可以提高每一代的每个分解方案的优越性，重 复执行多次上述交叉和/或变异和计算之后，在最后获得的多个分解方案中选择最优的分 解方案作为最终的分解方案，则最终能够获得较优的分解方案，从而对业务的处理效率高 且成本低。
【附图说明】
[0053]图1为本发明实施例1提供的业务网络的分解方法的流程图；
[0054]图2为本发明实施例2提供的业务网络的分解系统的原理框图。
【具体实施方式】
[0055] 为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图来对本发明 提供的上行带宽资源共享方法及系统进行详细描述。
[0056] 实施例1
[0057] 图1为本发明实施例1提供的业务网络的分解方法的流程图。请参阅图1，本实施例 提供的业务网络的分解方法，包括：
[0058] S0，随机获得多个分解方案和与之一一对应的参数并发送至步骤S1。
[0059] S1，对每个分解方案进行交叉和/或变异，以获得下一代分解方案。
[0060] S2,针对步骤S1获得的多个分解方案，根据每个分解方案在经过历史迭代数下最 优的分解方案的参数和/或所有的分解方案在经过历史迭代数下最优的分解方案的参数， 计算该分解方案的下一代分解方案应该对应的参数，直至计算出所有的分解方案的下一代 分解方案应该对应的参数，参数和分解方案一一对应，从而可获得每个分解方案的下一代 分解方案并发送至步骤S1。
[0061] S3,重复执行步骤S1-S2直至预设的迭代数，在最后获得的多个分解方案中选择最 优的分解方案作为最终的分解方案。
[0062] 在此说明，每经过一次操作均获得下一代分解方案，该操作包括上述提到的交叉、 变异以及计算等;依次经过上述交叉、变异和计算则会得到三代分解方案。
[0063] 本发明实施例1提供的业务网络的分解方法，其定义与分解分案一一对应的参数， 并在每个分解方案进行一次交叉和/或变异之后，根据每个分解方案在经过历史迭代数下 最优的分解方案的参数和/或所有的分解方案在经过历史迭代数下最优的分解方案的参 数，计算该分解方案的下一代分解方案应该对应的参数，从而可获得每个分解方案的下一 代分解方案并作为下次交叉和/或变异的初始分解方案，由于下一代分解方案是根据在经 过历史迭代数下的最优分解方案获得，因此，可以提高每一代的每个分解方案的优越性，重 复执行多次上述交叉和/或变异和计算之后，在最后获得的多个分解方案中选择最优的分 解方案作为最终的分解方案，则最终能够获得较优的分解方案，从而对业务的处理效率高 且成本低。
[0064] 具体地，在步骤S2中，根据以下公式计算每个分解方案的下一代分解方案应该对 应的参数1:
[0065]
[0066]
[0067]
[0068] r为当前迭代数；
[0069] i指第i个分解方案；
[0070] t、?7、di、d2和Θ为预设系数；
[0071] φε (0,1) ,0e (0,1)；
[0072] 是指第i个分解方案在经过历史迭代数下最优的分解方案的参数；
[0073] i?〖是指所有的分解方案在经过历史迭代数下最优的分解方案的参数。
[0074] 在本实施例中，优选地，对每个分解方案进行交叉包括:对每个分解方案随机分配 一交叉概率;选择交叉概率大于阈值的分解方案;对选择的分解方案进行交叉操作;判断交 叉操作后的每个分解方案的优劣性是否优于所有分解方案的优劣性的平均值，若是，则将 交叉操作后的分解方案作为下一代分解方案，若否，则选择交叉操作前较优的分解方案作 为下一代分解方案。
[0075] 可以理解，采用交叉操作后的优于"父代"的分解方案作为下一代分解方案，以及 选择交叉操作前较优的分解方案作为下一代分解方案，可以进一步提高每一代分解方案的 优越性，从而最后能够获得更优的分解方案。
[0076] 在本实施例中，另外，优选地，对每个分解方案进行变异包括:对每个分解方案随 机分配一变异概率;每个分解方案根据与之对应的变异概率进行变异操作；判断变异操作 后的分解方案的优劣性是否优于变异操作前的优劣性，若是，则变异操作后的分解方案作 为下一代分解方案，若否，则选择交叉操作前较优的分解方案作为下一代分解方案。
[0077] 可以理解，采用变异操作后的优于"父代"的分解方案作为下一代分解方案，以及 选择变异操作前较优的分解方案作为下一代分解方案，可以进一步提高每一代分解方案的 优越性，从而最后能够获得更优的分解方案。
[0078] 另外，在本实施例中，按照以下公式计算每个分解方案的优劣性Z:
[0079]
[0080] 其中，1^￡(0，1)，1，].￡[ 0，11-1]，(；[+{3+丫= 1，(；[，{3，丫￡(0，1);
[0081] Xij = 〇或 1;
[0082] Z值越小表示该分解方案越优；
[0083] (?指第i行第j列的单位虚拟基础资源的能力；
[0084] Plj指第i行第j列的单位虚拟基础资源的能力的利用率；
[0085] 指第i行第j列的单位虚拟基础资源的时间成本；
[0086] eij指第i行第j列的单位虚拟基础资源的能耗成本。
[0087] 由上可知，单位虚拟基础资源的能力利用率、时间成本和能耗成本作为评价分解 方案优劣性的因素，根据实际需求通过上述^^ = 〇(或1)可以考虑选择其中的至少一种因素 不作为(或作为)评价分解方案优劣性的因素;α、β、γ作为三种因素中的权重系数，可根据 实际需求进行设置，若该因素越重要，则应该设置该因素对应的权重系数值越大。
[0088] 需要说明的是，在本实施例中，尽管步骤S1中先进行交叉操作再进行变异操作，针 对变异操作后获得的下一代分解方案执行上述步骤S2,但是，本发明并不局限于此，在实际 应用中还可先进行变异操作再进行交叉操作，在此情况下，针对交叉操作后获得的下一代 分解方案智祥上述步骤S2。
[0089] 另外，在实际应用中，在步骤S1中还可仅进行交叉操作和变异操作中的一种。
[0090] 实施例2
[0091] 图2为本发明实施例2提供的业务网络的分解系统的原理框图。请参阅图2,本发明 实施例2提供的业务网络的分解系统，包括:随机模块10、交叉和/或变异模块11、计算模块 12和确定模块13。其中，随机模块10用于随机获得多个分解方案和与之一一对应的参数并 发送至交叉和/或变异模块11。交叉和/或变异模块11用于对每个分解方案交叉和/或变异， 以获得下一代分解方案。计算模块12用于针对交叉和/或变异模块11获得的多个分解方案， 根据每个分解方案在经过历史迭代数下最优的分解方案的参数和/或所有的分解方案在经 过历史迭代数下最优的分解方案的参数，计算该分解方案的下一代分解方案应该对应的参 数，直至计算所有的分解方案的下一代分解方案应该对应的参数，参数和分解方案一一对 应，从而可获得每个分解方案的下一代分解方案并发送至交叉和/或变异模块11。确定模块 13用于在交叉和/或变异模块和计算模块重复执行次数达到预设迭代数之后，在最后获得 的多个分解方案中选择最优的分解方案作为最终的分解方案。
[0092] 具体地，计算模块12用于根据以下公式计算每个分解方案的下一代分解方案应该 对应的参数1:
;
[0093]
[0094]
[0095]
[0096] r为当前迭代数；
[0097] i指第i个分解方案；
[0098] 1:、^%(11、(12和9为预设系数；
[0099] φε(〇，ι)，θε(〇，ι);
[0100] Α「是指第i个分解方案在经过历史迭代数下最优的分解方案的参数；
[0101] %是指所有的分解方案在经过历史迭代数下最优的分解方案的参数。
[0102] 具体地，交叉和/或变异模块11为交叉模块;交叉模块用于对每个分解方案随机分 配一交叉概率;选择交叉概率大于阈值的分解方案;对选择的分解方案进行交叉操作;判断 交叉操作后的每个分解方案的优劣性是否优于所有分解方案的优劣性的平均值，若是，则 将交叉操作后的分解方案作为下一代分解方案，若否，则选择交叉操作前较优的分解方案 作为下一代分解方案。
[0103] 具体地，交叉和/或变异模块11为变异模块;变异模块用于对每个分解方案随机分 配一变异概率;每个分解方案根据与之对应的变异概率进行变异操作;判断变异操作后的 分解方案的优劣性是否优于变异操作前的优劣性，是，则变异操作后的分解方案作为下一 代分解方案，若否，则选择变异操作前较优的分解方案作为下一代分解方案。
[0104]另外，在本实施例中，计算模块12用于按照以下公式计算每个分解方案的优劣性：
[0105]
[0106] 其中，1^￡(0，1)，1，].￡[ 0，11-1]，(；[+{3+丫= 1，(；[，{3，丫￡(0，1);
[0107] = 0 或 1;
[0108] (?指第i行第j列的单位虚拟基础资源的能力；
[0109] PU指第i行第j列的单位虚拟基础资源的能力的利用率；
[0110] 指第i行第j列的单位虚拟基础资源的时间成本；
[0111] eij指第i行第j列的单位虚拟基础资源的能耗成本。
[0112] 可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施 方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精 神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
【主权项】
1. 一种业务网络的分解方法，其特征在于，包括： S1，对每个分解方案进行交叉和/或变异，以获得下一代分解方案； 52, 针对步骤Sl获得的多个所述分解方案，根据每个所述分解方案在经过历史迭代数 下最优的分解方案的参数和/或所有的分解方案在经过历史迭代数下最优的分解方案的参 数，计算该分解方案的下一代分解方案应该对应的参数，直至计算出所有的分解方案的下 一代分解方案应该对应的参数，所述参数和所述分解方案一一对应，从而可获得每个所述 分解方案的下一代分解方案并发送至步骤Sl; 53, 重复执行步骤S1-S2直至预设的迭代数，在最后获得的多个所述分解方案中选择最 优的分解方案作为最终的分解方案。2. 根据权利要求1所述的业务网络的分解方法，其特征在于，根据以下公式计算每个分 解方案的下一代分解方案应该对应的参数1:r为当前迭代数； i指第i个分解方案； 1:，.、(11、(12和9为预设系数； φε(〇，ι)，θε(〇，ι); 式是指第i个所述分解方案在经过历史迭代数下最优的分解方案的参数； <是指所有的分解方案在经过历史迭代数下最优的分解方案的参数。3. 根据权利要求1所述的业务网络的分解方法，其特征在于，所述对每个分解方案进行 交叉包括： 对每个分解方案随机分配一交叉概率； 选择交叉概率大于阈值的所述分解方案； 对选择的所述分解方案进行交叉操作； 判断交叉操作后的每个所述分解方案的优劣性是否优于所有所述分解方案的优劣性 的平均值，若是，则将交叉操作后的所述分解方案作为下一代分解方案，若否，则选择交叉 操作前较优的所述分解方案作为下一代分解方案。4. 根据权利要求1所述的业务网络的分解方法，其特征在于，所述对每个分解方案进行 变异包括： 对每个所述分解方案随机分配一变异概率； 每个所述分解方案根据与之对应的所述变异概率进行变异操作； 判断变异操作后的所述分解方案的优劣性是否优于变异操作前的优劣性，若是，则变 异操作后的所述分解方案作为下一代分解方案，若否，则选择变异操作前较优的所述分解 方案作为下一代分解方案。5. 根据权利要求1-4任意一项所述的业务网络的分解方法，其特征在于，按照以下公式 计算每个分解方案的优劣性Z:其中，Pi j e (〇，I)，i，j e [ 〇，η-1 ]，α+β+ γ=1，α，β，γ e(0，l); Xij = O或 I ; Z值越小表示该分解方案越优； Cij指第i行第j列的单位虚拟基础资源的能力； Plj指第i行第j列的单位虚拟基础资源的能力的利用率； 知指第i行第j列的单位虚拟基础资源的时间成本； eij指第i行第j列的单位虚拟基础资源的能耗成本。6. -种业务网络的分解系统，其特征在于，包括： 交叉和/或变异模块，用于对每个分解方案进行交叉和/或变异，以获得下一代分解方 案并发送至计算模块； 所述计算模块，用于针对所述交叉和/或变异模块获得的多个所述分解方案，根据每个 所述分解方案在经过历史迭代数下最优的分解方案的参数和/或所有的分解方案在经过历 史迭代数下最优的分解方案的参数，计算该分解方案的下一代分解方案应该对应的参数， 直至计算出所有的分解方案的下一代分解方案应该对应的参数，所述参数和所述分解方案 一一对应，从而可获得每个所述分解方案的下一代分解方案并发送至所述交叉和/或变异 丰旲块； 确定模块，用于在所述交叉和/或变异模块和所述计算模块重复执行次数达到预设迭 代数之后，在最后获得的多个所述分解方案中选择最优的分解方案作为最终的分解方案。7. 根据权利要求6所述的业务网络的分解系统，其特征在于，所述计算模块，用于根据 以下公式计算每个分解方案的下一代分解方案应该对应的参数1:r为当前迭代数； i指第i个分解方案； t、?7、di、d2和Θ为预设系数； φε(〇，ι)，θε(〇，ι); A是指第i个所述分解方案在经过历史迭代数下最优的分解方案的参数； /(是指所有的分解方案在经过历史迭代数下最优的分解方案的参数。8. 根据权利要求6所述的业务网络的分解系统，其特征在于，所述交叉和/或变异模块 为交叉模块； 所述交叉模块，用于对每个分解方案随机分配一交叉概率;选择交叉概率大于阈值的 所述分解方案;对选择的所述分解方案进行交叉操作;判断交叉操作后的每个所述分解方 案的优劣性是否优于所有所述分解方案的优劣性的平均值，若是，则将交叉操作后的所述 分解方案作为下一代分解方案，若否，则选择交叉操作前较优的所述分解方案作为下一代 分解方案。9. 根据权利要求6所述的业务网络的分解系统，其特征在于，所述交叉和/或变异模块 为变异模块； 所述变异模块，用于对每个所述分解方案随机分配一变异概率;每个所述分解方案根 据与之对应的所述变异概率进行变异操作;判断变异操作后的所述分解方案的优劣性是否 优于变异操作前的优劣性，是，则变异操作后的所述分解方案作为下一代分解方案，若否， 则选择变异操作前较优的所述分解方案作为下一代分解方案。10. 根据权利要求6-9任意一项所述的业务网络的分解系统，其特征在于，所述计算模 块，用于按照以下公式计算每个分解方案的优劣性Z:其中，Pi j e (〇，I)，i，j e [ 〇，η-1 ]，α+β+ γ=1，α，β，γ e(0，l); Xij = O或 I ; Z值越小表示该分解方案越优； Cij指第i行第j列的单位虚拟基础资源的能力； Plj指第i行第j列的单位虚拟基础资源的能力的利用率； 知指第i行第j列的单位虚拟基础资源的时间成本； eij指第i行第j列的单位虚拟基础资源的能耗成本。
【文档编号】H04L12/927GK105933247SQ201610248418
【公开日】2016年9月7日
【申请日】2016年4月20日
【发明人】王智明, 王志军, 房秉毅
【申请人】中国联合网络通信集团有限公司