随着第五代移动通信技术(5G)的大力发展,5G网络将满足更高的用户体验速率、更大的设备连接数量以及更低的毫秒级时延,同时5G时代会出现各种新兴的业务,例如AR/VR、自动驾驶以及远程医疗等,不同类型的业务对网络的性能需求不同。为了满足不同应用场景的需求,5G通过网络切片技术实现共享底层物理网络资源,按需向用户提供多样化的定制服务。网络切片资源映射与编排技术是在网络虚拟化的基础上,为网络切片请求中的节点和链路找到满足其需求的网络资源,按照业务对网络资源的需求进行物理网络资源的编排管理,实现在物理网络上承载多个虚拟网络。本文基于对网络切片相关理论、网络虚拟化技术以及网络切片资源管理技术的调研和分析,研究了高效的域内网络切片映射机制以及跨域情况下的网络切片映射编排机制,具体贡献包括:(1)针对现有的网络切片资源映射算法中存在的节点映射与链路映射之间缺乏关联性、资源利用率低等问题,提出了基于强化学习的网络切片资源协同映射算法(RLCO)。本文在节点映射阶段设计了一个节点映射策略模型,全面考虑节点资源状况以及拓扑特征,协同考虑节点映射及链路映射,引入了节点和链路的差异性特征,改进了传统的两阶段映射算法;重新定义了一个基于协同策略的奖励函数,借鉴强化学习在未知环境中寻求最优解的优点,将网络切片映射问题与强化学习相结合,从而克服了传统虚拟网映射算法成本高、复杂度高和策略单一的问题,仿真结果表明,本算法可以有效提高网络切片映射的成功率和收益消耗比。(2)针对网络切片的跨域映射与编排问题中存在的网络环境复杂、多个网络域之间信息不透明等现象造成的映射算法复杂度高、映射开销大的问题,提出了一种基于域内信息提取机制的粒子群跨域网络切片资源映射与编排算法(PSO-IE)。本文摒弃了目前算法中将跨域网络切片请求分割到不同域中再进行域内映射的方案,提出了域内域间协同映射的思想,基于粒子群算法的理念,对算法进行重新设计;提出一种域内信息提取模型,充分利用了本地控制器的计算能力,实现将域内对于映射有价值的信息筛选出来,结合域间信息将多域网络拓扑抽象为一个整体网络;以此作为粒子群算法的输入,重新定义适应度函数,并且引入了权重自适应调整策略,充分使用迭代周期,发挥粒子的寻优能力,从全局拓扑的角度实现跨域映射,可以获得更加合理的映射方案,降低映射所需开销。