.png){kind=icon}
返回
IKENGA: Infeasibility Knowledge-Enhanced Genetic Algorithm for Virtual Network Embedding
.png){kind=icon}
PRE
AI
DOI：10.1109/TGCN.2025.3600426.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网络功能虚拟化（NFV）是一种增强网络管理灵活性和效率的先进技术，能够使多个用户网络服务共享底层基础设施资源。NFV中的一个关键挑战在于，如何在遵循多样化资源约束和服务要求的前提下，将用户服务高效部署到基础设施上。这项任务被称为虚拟网络嵌入（VNE）问题，对于优化网络性能至关重要。然而，现有方法难以有效处理VNE的复杂约束，往往导致次优解，从而影响资源利用率和整体网络性能。因此，本文提出了一种不可行性知识增强遗传算法（IKENGA）用于VNE。具体而言，IKENGA通过基于惩罚的适应度函数（评估可行与不可行解）和选择性不可行解修复机制，开创性地处理不可行解，显著增加了可行解的数量。此外，我们将深度强化学习整合到遗传算法的初始化过程中，以促进环境感知决策，从而提升解的质量。更进一步，我们提出了一种自适应剪枝方法以优化链路嵌入过程。大量的实验评估证明了所提出的IKENGA的有效性以及关键模块的效率。
Keyword:
Network function virtualization
resource allocation
virtual network embedding
genetic algorithm
期刊
I
IF:
6.7
论文数:
1.4K
被引数:
4.3K
机构
引用论文
Monkey Business: Reinforcement learning meets neighborhood search for Virtual Network Embedding猴业：强化学习与邻域搜索相结合的虚拟网络嵌入
OAAI
OAAI分享收藏分享收藏An Exact Virtual Network Embedding Algorithm Based on Integer Linear Programming for Virtual Network Request with Location Constraint.png)
CHINA COMMUNICATIONS
CHINA COMMUNICATIONSIF3.1
PREAI
分享收藏A Novel Optimal Mapping Algorithm With Less Computational Complexity for Virtual Network EmbeddingOAAI
OAAI分享收藏
查看更多内容