基于最大收益的无线虚拟网络重映射算法

曹　傧,郎文强,李　云

(1.重庆市移动通信重点实验室，重庆 400065; 2.重庆邮电大学 通信与信息工程学院，重庆 400065)



基于最大收益的无线虚拟网络重映射算法

曹傧1,2,郎文强1,2,李云1,2

(1.重庆市移动通信重点实验室，重庆 400065; 2.重庆邮电大学 通信与信息工程学院，重庆 400065)

针对无线环境的动态性及虚拟网络请求到达与离开的随机性，使得物理网络负载分布不均衡，导致后续请求的接受率降低的问题，提出一种无线网络虚拟化中的两阶段重映射算法(two stages reconfiguration scheme for wireless network virtualization, TR-WNV)。该算法通过第1个阶段选出合适的虚拟网络进行重映射，接着在第2个阶段按照优先级对已选出的虚拟网络进行重映射，并根据离散度来判断每次映射效果。最后，通过仿真对算法进行验证，结果表明该算法在保证虚拟网络请求收益最大化同时，有效提高了虚拟网络请求接受率，实现整个底层网络的负载分布均衡。

无线网络虚拟化；资源分配；虚拟网络重映射

0　引　言

随着第4代移动通信(4G)进入规模商用阶段，全球通信行业已经全面开启对面向2020年及未来的第五代移动通信(5G)的探索[1]。更大的网络容量、更可靠的传输和更快的处理速度成为了5G移动通信网络的首要目标。为了更好地顺应5G的发展，无线网络虚拟化得到广泛应用，具有安全、可扩展性、灵活性等技术特点[2]。网络虚拟化中，虚拟网络(virtual network, VN)就是一个基本实体，由多个虚拟节点和虚拟链路形成的虚拟拓扑组成。无线网络虚拟化的核心问题之一就是如何简单地管理控制网络，高效分配网络资源，从而达到共享底层基础设施，提升网络性能的目的。

在无线网络虚拟化环境下，如何将VN请求合理映射到资源约束物理网络中是一个关键问题。但是，随着VN请求到达和离开，原先资源分配不再适合当前状态；并且随着时间推移，底层网络资源表现出负载不均衡的现象，比如会出现有的底层物理资源利用率高，有的利用率低。因此，如果不考虑虚拟网络重映射(virtual network reconfiguration, VNR)将会造成资源空闲，使得SN(substrate network)资源利用率降低[3]。所以通过VNR机制重优化资源分配，有利于解决负载均衡问题，具有重要的研究意义。大多数研究仅仅考虑静态VN请求，针对这种静态请求设计高效的分配策略。然而，在实际情况下，分布式计算和在线程序等需要底层物理网络资源随着时间动态地变化。例如，在分布式计算中，新的工作开始和现有的工作完成，甚至从计算密集型阶段到通信密集型阶段也会导致VN请求的变更。因此,为了适应需求的变化以及动态的映射，需要对VNR算法进行深入研究。

目前关于无线网络虚拟化下的VNR问题没有太多研究。而对于有线重配置问题，文献[4]提出对底层物理链路和节点进行周期性地检查，并将超过预先设定阈值的物理节点或物理链路标记出来，包含标记的VN即需要进行重映射。文献[5]为了减低VNR的拒绝率，研究一种贪婪的VNR算法。对映射到超负载的底层物理节点或链路上典型的星型虚拟拓扑进行重新分配，减少了重映射开销。文献[6]设计出一种基于成本效益的重映射框架和算法，为了适应用户的需要变化，将重映射问题转化为数学问题，利用混合整数线性规划进行重配置。其目标函数为最小化VNR成本，在框架里考虑了负载均衡的问题，并尽量避免资源碎片。文献[7]利用虚拟节点与链路的迁移、交换从而降低重映射的开销，提高InP收益。文献[8]的重映射算法只针对关键节点进行重映射。对关键节点重映射能够提高接受率，并且降低重映射时间开销。而由于无线环境中存在信道可变性、用户的移动性、广播、链路间干扰以及多种多样的接入技术，所以，使得VNR机制变得复杂。

如果不考虑VNR机制将会导致网络资源浪费，并对后续的VN请求接受率造成影响。因此，通过VNR机制重新优化VN资源分配是必要的。本文主要针对以下问题对无线多跳网络环境下的VNR机制进行研究：

1)判断哪些VN需要进行重映射。在重映射过程中，为了减少重映射开销以及切换中断次数，并不是对多个或全部VN同时进行重映射，只需要选择恰当的VN。那么，选择哪些VN是本文研究的问题。

2)重映射优先级问题。当所有重映射请求到达缓冲队列后，如果按照时间先后顺序依次处理，可能会导致排在后面的某个大型VN由于底层网络缺少功率或带宽资源没有被接受，降低了重映射接受率。所以需要对重映射优先级进行定义。

3)如何将重映射请求合理分配到底层无线网络中。重映射过程需要根据底层网络负载以及VN的收益分别对虚拟节点以及链路重映射。由于本文是在无线环境下进行研究，所以在进行重映射的过程中还要考虑干扰以及底层网络的动态性。

本文提出一种无线网络虚拟化中的两阶段重映射算法(two stages reconfiguration scheme for wireless network virtualization, TR-WNV)。TR-WNV算法包括2个阶段：第1个阶段是寻找合适的重映射请求(finding virtual network reconfiguration request, FVNR)，通过此阶段解决了上述第1个问题。第2个阶段是将重映射请求合理映射到底层无线网络中(embedding virtual network reconfiguration request, EVNR)，从而解决问题2和问题3。实验证明TR-WNV算法不仅提高了VN请求接受率以及收益，同时使得底层无线网络负载更加均衡。

1　网络模型

1.1VN模型

底层无线网络拓扑用带有权值的无向图GS=(NS,ES)表示。其中，NS表示物理节点集合，ES表示链路集合。VN用无向图GV=(NV,EV)表示，NV，EV分别表示虚拟节点集合和虚拟链路集合。另外，用RS表示物理网络中一条物理路径。

本文考虑的资源包括节点功率以及链路带宽。对于每个物理节点nS∈NS，其所能提供的功率大小为p(nS)，单位为W。对于每条物理链路eS∈ES，其提供带宽大小用b(eS)表示，单位为MHz。同理，对于每个虚拟节点nV∈NV，其所请求的功率大小为p(nV)，而每条虚拟链路eV∈EV，所请求的带宽大小为b(eV)。

本文是在无线网络环境下考虑重映射问题。因此，无线网络中的干扰不可忽视。对于一条物理链路，本文只考虑相邻链路之间的干扰，定义物理链路资源利用率影响因子dI(e)，对于每条物理链路有

(1)

(1)式中：λe∈[0,1]为干扰因子，其大小根据不同场景而设定；de表示可能产生干扰的相邻物理链路个数。dI(e)与de成反比，这说明链路干扰对资源利用率影响是消极负面的。

1.2VNM(virtual network mapping)模型

本文要求同一个VN中虚拟节点必须分配到不同物理节点之上，对于每次无线虚拟网络分配过程，能够描述成从VN请求GV到底层无线网络子集GS的映射，表示为M:GV(NV,EV)→GS(N*,R*)，其中,N*⊂NS,R*⊂RS，即

1)节点映射MN:NV→N*。

对于∀nV∈NV,MN:nV→nS，需要满足一定限制条件，即虚拟节点分配功率资源大小必须低于底层物理节点可用功率资源大小，在满足条件同时，VN请求中虚拟节点距离其目标物理节点不能超过节点映射范围，即

(2)

dis(loc(nV),loc(nS))≤D

(3)

(2)式中，restp(nS)表示底层物理节点可用功率资源即节点剩余功率资源。(3)式中，dis(loc(nV),loc(nS))表示虚拟节点nV到物理节点nS的距离；D表示VN请求中虚拟节点的映射半径[9]。

2)链路映射ME:EV→R*。

本文中一条虚拟无线链路可以分配到一条或多条底层无线链路组成的路径中。对于∀eV∈EV,ME:eV→RS，RS表示映射的物理路径集合。同理，在虚拟无线链路分配过程中也需要满足限制条件，即虚拟链路分配带宽大小不能大于物理链路剩余带宽，restb(eS)表示物理链路的可用带宽，即

(4)

1.3VNR请求模型

本文用VR(GV)=(NCV,ECV)表示VNR请求，即适合进行重映射的GV。GV中适合重映射虚拟节点集合用NCV表示，NCV⊆NV，ECV表示适合重映射虚拟链路集合，ECV⊆EV。对于每个nCV∈NCV，其所请求的功率大小为p(nCV)。同理，每条虚拟链路eCV∈ECV，所请求带宽大小为b(eCV)。本文所涉及的重映射算法只针对GV中需要进行重映射的虚拟节点或链路，不对GV其余虚拟节点或链路进行重映射，这样大大降低了重映射的开销[10]。

1.4目标函数

本文从VN请求收益入手，首先对VN请求收益进行分析，对于一个VN请求GV，定义GV获得的收益为

(5)

dis(loc(nV),loc(nS))≤D

(6)

2　TR-WNV算法

本文所提出的TR-WNV算法是将最大化VN请求收益作为目标函数，同时考虑底层无线网络负载以及链路干扰。TR-WNV算法首先通过FVNR阶段在VN中找出合适的重映射请求，从而避免对所有VN进行重映射，提高了重映射请求的效率。接着在EVNR阶段，根据瞬时收益的大小确定优先级。再以最大化VN请求收益为目标分别对虚拟节点以及链路进行映射，从而使得底层无线网络能够接受更多VN请求。下面将分别介绍FVNR与EVNR两个阶段。

2.1FVNR阶段描述

为了描述整个底层无线网络的负载情况，本文引入了数学中的离散度CV，即标准差除以平均数。离散度CV能够表示一组数列中各个数据之间的离散程度，并且无量纲。整个数列的离散度CV越小，说明数列中各个数据间差异越小[11]。

(7)

(8)

(9)

(10)

(9)-(10)式中：N，M分别表示物理节点以及链路数量；μNS,μES分别表示整个无线物理节点功率以及链路带宽的平均资源利用率。

为了选出合适的VR(GV)，借鉴文献[4]，本文在FVNR阶段定义选择门限系数θ∈[0,1]。θ是根据具体场景设置的。并将承载压力大的底层物理节点或链路上的VN作为VR(GV)。θ=0意味着负载最大的物理节点或链路承载压力大；θ=1意味着所有节点或链路都承载压力大。那么，承载压力大的底层无线物理节点或者链路可以表示为

(11)

(12)

(12)式中：Nh表示承载压力大的物理节点；Eh表示承载压力大的物理链路；Lnmax(nS)表示整个底层无线网络中最大物理节点负载；Lemax(eS)表示最大无线链路负载。

为了确定是选择Nh还是Eh上的VN作为VR(GV)，在FVNR阶段比较离散度CVn和CVe。如果CVn>CVe，那么包含Nh的VN即为VR(GV)，反之，包含Eh的VN即为VR(GV)。为了方便理解FVNR阶段的过程，加深对离散度的理解，下面举例说明如何通过FVNR阶段找出重映射请求。

图1　FVNR阶段实例Fig.1　Example of FVNR stage

分别计算离散度CVn和CVe，并比较大小。

显然，CVn

通过上述分析，在FVNR阶段通过定义离散度及选择门限系数，选出VR(GV)进行重映射，从而减少了重映射个数，降低了重映射开销，同时为下一阶段准备。

2.2EVNR阶段描述

通过FVNR阶段，所有VR(GV)进入请求队列中排队。接下来，本文将进入EVNR阶段对请求队列中的VR(GV)进行重映射。为了解决优先级问题，在EVNR阶段首先对请求队列中多个VR(GV)进行排序。将VR(GV)按照其瞬时收益从大到小排列，并优先处理重映射请求收益大的VR(GV)。为了尽量提高VNR质量，减少VNR次数，本文将离散度作为衡量重映射效果参数。离散度越小说明该次重映射效果越好，越大则说明该次重映射没有达到目标。

在执行重映射阶段时，除了满足资源约束性条件外，还要遵守以下原则：

1)虚拟节点所分配到的底层物理节点应该在其映射半径范围内；

2)虚拟节点不能分配到原来底层物理节点上；同理，虚拟链路也不能分配到原来的物理链路上，防止产生不必要的开销；

3)同一VN中节点进行重映射，不能重映射到同一个物理节点上。

本文在重映射过程中定义3个相关参数[12]。首先定义虚拟节点的重映射资源请求量为

(13)

(13)式中，E(nCV)表示与虚拟节点nCV相连链路。PB(nCV)越大，表示该虚拟节点功率请求量与其相邻链路带宽请求量越大。定义物理节点的资源接受能力为

NR(nS)=restp(nS)+∑eS∈E(nS)restb(eS)

(14)

(14)式中，NR(nS)越大，表明该物理节点和与其相邻链路负载越轻。定义物理链路的权重为

(15)

由于VNM问题不仅要满足节点和链路多种约束条件，还要满足其目标函数。从而使得VNM变得非常复杂。VNM属于NPhard问题，因此在设计VNM算法过程中，一般通过简化问题或放宽约束条件来获取近似最优解。本文在EVNR阶段将采用贪婪算法重映射虚拟节点，再利用最短路径算法找到映射的物理路径，将最大化VN请求收益为目标，实现底层无线网络的负载均衡。并在节点映射阶段找到最大资源接受能力的物理节点。在链路映射阶段同时考虑链路间干扰与链路负载，将链路干扰与链路可用资源的比值作为链路权值，采用最短路径算法找到一条合适的物理路径。最后计算离散度CVn或CVe值的大小，决定是否继续处理请求队列中剩余的VR(GV)。EVNR阶段的基本步骤如下：

第1步将VR(GV)按照其瞬时收益从大到小排列。当第1个VR(GV)到来时，首先根据虚拟节点资源请求量，从大到小将虚拟节点排序。

第2步在上一步确定的每个重映射虚拟节点映射半径内，找到NR(nS)最大物理节点。

第3步首先进行虚拟节点重映射。将第1步选出的虚拟节点按照顺序依次映射到第2步对应的NR(nS)最大物理节点上。

第4步进行虚拟链路重映射。先根据(15)式画出带有权重的底层无线网络。然后将虚拟链路带宽请求量从大到小排列，并根据第3步节点重映射结果，依次利用D最短路径算法进行虚拟链路的重映射。

第5步当第1个VR(GV)重映射成功后，继续计算离散度CVn或CVe，如果离散度变小说明该次VNR的效果较好，使得网络负载更加均衡，则继续处理请求队列里剩余的VR(GV)；如果离散度变大，则说明该次VNR效果不好，则停止EVNR阶段，算法结束。

综上所述，本文所提出的TR-WNV算法包括2个阶段，在FVNR阶段找出合适的重映射请求，然后进行EVNR阶段，实现VN的重映射，提高了后续VN请求接受率，达到了使底层网络的负载均衡的目的。需要说明的是本文TR-WNV算法是在底层网络不支持任何特殊技术的情况下提出的，因此，TR-WNV算法也降低了InP成本和算法复杂度。

3　性能评估

为了验证TR-WNV算法优越性，本文在MATLAB仿真平台下设计2组实验对其分析评估。实验1将本文定义选择门限系数θ作为横坐标，观察VN重配置率及物理节点离散度的变化，从而选择出一个合适的θ。实验2将时间作为横坐标，在实验1的基础上，设定合适的θ，分别对VN接受率以及VN请求收益进行分析，从而证明算法的有效性和可行性。

实验场景为：网络拓扑由60个物理节点组成，随机分布在20×20 km2范围内，并假设每个虚拟节点映射半径为D=500 m。为了简化实验将可调系数α、干扰因子λe均设为1。并设置网络参数γ,η。其中，γ表示节点间连接与断开的比例，η表示物理链路密度。物理节点功率为[5,10]，物理链路带宽为[2,5]。VN请求达到数量服从λ=4的泊松分布，每个VN的生存周期为10个时隙。VN请求的虚拟节点个数限制在[3,5]。

由于θ对选择哪些VN进行重映射有很大影响，所以实验1计划通过观察相关变量随着θ的变化趋势，找到一个合适的θ，使得算法发挥出最佳效果。在实验1中，首先观察VN重配置率随着θ的变化情况。重配置率即表示需要进行重配置的VN占所有VN的比重。VN重配置率如图2所示，随着选择门限系数θ不断增加，VN重配置率逐渐升高。这是因为当θ取值越小时，得到物理节点或链路承载压力大的几率就越小，相反，如果θ不断增加，则被判断为承载压力大的物理节点或链路就越多，重配置的VN也就越多。当θ超过0.7后，重配置率逐渐稳定，因为几乎所有的VN都要进行重映射。但是，重映射请求的增多将会增加开销，所以，重配置率不能太高。

因此，很多媒体和专家，已经开始将天然气管道互联互通的效果看作检验今冬明春用气高峰时期天然气供应能力的标准。事实上，天然气管道互联互通工程早有开展。2006年和2013年，中国石油已经分别实现了与中国石化华北管网安济线安平站和榆济线榆林站的互联互通，互供能力分别为300万立方米/日和400万立方米/日。

图2　VN重配置率Fig.2　Reconfiguration rate of VN

本文中物理节点离散度和物理链路离散度是2个非常重要的参数，不仅在FVNR阶段中作为判断VN是否重映射的依据，还在EVNR阶段衡量重映射的效果。θ的大小会对物理节点与链路的离散度产生影响。图3表示θ与执行TR-WNV算法之后的物理节点离散度的关系。由于本文在考虑收益的同时，还考虑了节点与链路的负载情况，所以每经过一次重映射都会降低离散度。但是当θ大于0.7后，可能映射在底层网络中所有VN都要进行重映射，所以本文中节点离散度最后会稳定在一个值上。

从上述分析可以看出，θ在0.4至0.5之间时，重映射配置率明显升高。而当θ大于0.5后，物理节点的离散度也趋于稳定。所以，当θ在0.4至0.5之间时各个变量均处在比较合适的值。基于此，本文将0.45作为实验2的θ。

本文是在无线网络虚拟化环境下研究VNR问题，但是目前的研究都是针对无线环境下的VNM问题[12-14]。为了体现TR-WNV算法的优越性，在实验2中将TR-WNV算法与WEM算法[12]相比较。整个仿真时间持续100个时隙。VN 请求到达数量随着时间的变化情况如图4所示。由于VN请求到达服从泊松分布，并且每个VN请求的生存周期为10个时隙，因此，随着时间的增加，VN请求数量逐渐稳定在45个。

图4　VN请求到达数量Fig.4　Request arrives quantity of VN

图5表示VN请求接受率随时间的变化情况。在刚开始的一段时间内，由于底层物理节点与链路的负载轻，VN请求接受率会很高，但是随着时间的增加，VN请求越来越多，底层物理节点与链路的负载增加，导致请求接受率逐渐下降。随着时间的推移，VN请求到达的数量逐渐稳定，所以VN请求接受率也逐渐稳定。由于TR-WNV算法考虑重映射机制，首先选出合适的重映射请求，再对瞬时收益大的VN请求映射，并且在虚拟节点与链路映射的过程中均考虑底层物理网络的负载，所以VN请求接受率要高于WEM算法。

图5　VN请求接受率Fig.5　Request acceptance rate of VN

图6表示VN请求收益随时间的变化情况。由于刚开始VN请求接受率较高，并且生命周期还没有结束，所以，VN请求收益逐渐增加。随着时间的推移，VN请求到达的数量趋于稳定，同时底层资源也达到瓶颈，收益逐渐稳定。通过执行TR-WNV算法提高了VN请求接受率，VN收益也会增加。因此VN请求收益要高于WEM算法。

图6　VN请求收益Fig.6　Request benefit of VN

4　总　结

针对底层无线网络的动态变化而导致的VN请求接受率降低的问题，本文提出一种无线网络虚拟化中的两阶段重映射算法TR-WNV，该算法包括FVNR阶段与EVNR阶段。TR-WNV算法首先通过FVNR阶段，找到了需要进行重映射的VN，选择合适的VN进行重映射，减少了重映射开销，提高了重映射效率。接着进行EVNR阶段，通过在重映射请求队列中设置优先级，并根据最大化VN请求收益为目标解决了虚拟节点与链路重映射问题。从而提高了VN请求接受率以及收益，实现底层无线网络负载分布均衡。最后，通过仿真实验，证明了TR-WNV算法的正确性和有效性。

[1]METIS. Mobile and wireless communications enablers for the 2020 information society[EB/OL]. [2015- 04- 03]. https://www.metis2020.com.

[2]WANG Xin, KRISHNAMURTHY P, TIPPER D. Wireless network virtualization[C]//2013 International Conference on Computing, Networking and Communications (ICNC). San Diego, CA: IEEE Press, 2013: 818-822.

[3]JONATHAN van de Belt, AHMADI H, DOYLE L E. A Dynamic Embedding Algorithm for Wireless Network Virtualization[J]. IEEE Vehicular Technology Conference, 2014, 88(4):1- 6.

[4]ZHU Yong, AMMAR M. Algorithms for assigning substrate network resources to virtual network components[C]//2006 In Proceedings of the 25th IEEE International Conference on Computer Communication (INFOCOM). Barcelona, Spain: IEEE Press, 2006: 1-12.

[5]FAJJARI I, AITSAADI N, PUJOLLE G. VNR algorithm：A greedy approach for virtual networks reconfigurations[C]//2011 IEEE Global Communications Conference(GLOBECOM). Houston, USA: IEEE Press, 2011: 1- 6.

[6]SUN G, YU H, ANAND V, et al. A cost efficient framework and algorithm for embedding dynamic virtual network requests[J]. Future Generation Computer Systems, 2013, 29(5):1265-1277.

[7]XU L, TAN G, ZHANG X. A cost sensitive approach for Virtual Network reconfiguration[C]// Computing, Communications and It Applications Conference. [S.l.]: IEEE, 2015.

[8]CHEN Dongdong, QIU Xuesong, QU Zhaowei, et al. Algorithm for virtual nodes reconfiguration on network virtualization[C]//2011 International Conference on Advanced Intelligence and Awareness Internet (AIAI). Shenzhen: IET Press, 2011:333-337.

[9]CHOWDHURY N M M K, RAHMAN M R, BOUTABA R. Virtual network embedding with coordinated node and link mapping[C]//2009 In Proceedings IEEE International Conference on Computer Communication (INFOCOM). Rio de Janeiro: IEEE Press, 2009: 783-791.

[10] 曲桦, 赵季红, 郭爽乐,等. 基于最小代价的虚拟网络重配置方法[J]. 北京邮电大学学报, 2014, 37(5): 114-118.

QU Hua, ZHAO Ji Hong, GUO Shuangle, et al. Resource Reconfiguration Method Based on Minimum Cost for Network Virtualization.[J]. Journal of Beijing University of Posts and Telecommunications, 2014, 37(5): 114-118.

[11] 王文森. 变异系数：一个衡量离散程度简单而有用的统计指标[J]. 中国统计, 2007(6): 41- 42.

WANG Wensen. The coefficient of variation: A simple and useful measure of the degree of dispersion of statistical indicators[J]. China Statistics, 2007(6): 41- 42.

[12] YUN D, OK J, SHIN B, et al. Embedding of virtual network requests over static wireless multihop networks[J]. Computer Networks, 2013, 57(5): 1139-1152.

[13] YANG Mao, LI Yong, ZENG Lieguang, et al. Karnaugh-map like online embedding algorithm of wireless virtualization[C]//2012 15th International Symposium on Wireless Personal Multimedia Communications (WPMC). Taipei: IEEE Press, 2012: 594-598.

[14] JONATHAN V D B, AHMADI H, DOYLE L E. A dynamic embedding algorithm for wireless network virtualization[C]//2014 Vehicular Technology Conference (VTC Fall). Vancouver, BC: IEEE Press, 2014:1- 6.

曹傧(1983-)， 重庆人，讲师，博士，主要研究方向为网络虚拟化、软件定义网络、资源管理和网络协议设计及性能分析。 E-mail: Caobin65@163.com。

郎文强(1992-)，安徽阜阳人，硕士研究生，主要研究方向为无线网络虚拟化。E-mail: 1191481477@qq.com。

李云(1974-)，四川西充人，教授，博士，主要研究方向为无线通信，软件定义网络。E-mail: liyun@cqupt.edu.cn。

(编辑：魏琴芳)

s：The Science Research Project of Chongqing University of Posts and Telecommunications for Young Scholars(A2014-92, A2014-94)

Virtual network reconfiguration in wireless network virtualization based on maximum revenue

CAO Bin1,2, LANG Wenqiang1,2, LI Yun1,2

(1.Chongqing Key Lab of Mobile Communications Technology, Chongqing 400065, P.R. China;2.School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, P.R. China)

Due to the dynamic nature of the wireless environment, coupled with the random of the virtual network request arrival or departure, the load distribution of the physical network is not balanced and the acceptance rate of the subsequent request would be reduced. Based on this, two stages reconfiguration scheme for wireless network virtualization is proposed, called TR-WNV. The algorithm through the first stage selects the appropriate virtual network to map. Then, the selected virtual networks with the high priority are managed and following the discrete degree to judge each mapping. Finally, the simulation shows the algorithm improves the acceptance rate and benefit of request as well as achieving the load balance of substrate network.

wireless network virtualization; resource allocation; virtual network reconfiguration

10.3979/j.issn.1673-825X.2016.05.003

2016-05-31

2016-09-18通讯作者：曹傧caobin65@163.com

重庆邮电大学青年科学研究项目(A2014-92, A2014-94)

TN92

A

1673-825X(2016)05-0620-08