近年来,随着物联网和人工智能等快速发展,具有多样化、差异化等新特征的复杂网络应用和业务需求不断涌现,而现有网络的能力和效率难以满足上述新需求。如何解决能力和效率受限的各种体系的网络与复杂多样的业务需求之间的矛盾,是目前通信网络领域的关键科学问题之一。近年来网络虚拟化成为解决上述科学问题的有效途径和方法,受到了学术界和产业界的普遍关注。网络虚拟化按照应用和业务需求,利用各种制式的物理网络(又称为底层网络SN:Substrate Network)创建虚拟网络(VN:Virtual Network),虚拟网络可以运行各种制式的网络协议。网络虚拟化在不改变底层网络架构的情况下可实现灵活多样化的网络业务;同时通过共享多个底层网络极大地提高了网络资源利用率。网络虚拟化已成为构建未来网络的关键技术途径之一。在网络虚拟化中,多个虚拟网络共享底层网络的节点和链路等资源,而每个虚拟网络具有特定的计算、存储和带宽等资源要求,因此在满足不同虚拟网络资源要求的前提下,如何将虚拟网络映射到底层网络中从而实现底层网络资源利用率的最优化,成为网络虚拟化获得成功应用的关键问题之一。把虚拟网络请求映射到底层网络称为虚拟网络映射(VNE:Virtual Network Embedding)。VNE决定了底层物理网络的资源利用率,具有重要的现实意义。VNE求解非常复杂,已有研究表明VNE为NP难问题,无法在多项式时间内求解。因此,VNE是面向复杂业务的网络虚拟化关键技术和研究热点。论文对虚拟网络映射算法进行了深入研究,提出了基于节点重要度的虚拟网络映射算法、基于线性规划方法的虚拟网络映射算法、基于候选节点路径辅助的虚拟网络映射算法等新方法,所提出的新算法与VNE领域的代表性算法相比,性能有较大幅度提高。具体内容包括:1、针对只考虑了网络的单个拓扑属性和局部节点的资源的映射算法,提出了基于节点重要度排序的虚拟网络映射算法。该算法是一种新型的协同两步(节点-链路)映射算法。已有算法只考虑链路的带宽资源,本文所提出的算法同时考虑节点的重要度和链路的传输时延属性。本文算法在映射之前采用迭代的方法计算出每个物理节点的节点重要度因子,并考虑每个节点的资源属性和拓扑属性,有效地提高了节点映射效率。此外在节点重要度定义中考虑了链路传输时延属性,这进一步提高了节点映射效率。该算法基于迭代的方法精确求得每个节点的重要度因子并进行排序,然后采用贪婪算法和最短路径算法分别完成节点映射和链路映射,约束条件包括节点的位置需求、节点能力、链路容量和链路传播时延。分析和仿真结果表明新算法在保证接收率和收益成本比的情况下,能够有效降低网络链路的平均时延。2、针对启发式算法只能求出局部可行虚拟网络映射方案的缺点,提出了基于线性规划方法的虚拟网络映射算法。与一般启发式算法不同,该算法采用整数线性规划方法来解决VNE问题。通过考虑链路时延属性和节点的位置需求,构建了基于链路对路径和基于整数线性规划的数学模型,设置合理的目标函数和约束条件,并提前给定合理的收敛精度和阈值,最终实现最优或局部最优的虚拟网络映射。与已有的同类优化算法相比,该算法不仅考虑最小化物理资源的使用和负载均衡,还同时考虑保证接收率的情况下尽可能地降低网络的链路平均时延。分析和仿真结果表明,所提出的基于整数线性规划方法的虚拟网络映射算法对于中小规模网络来说,接收率和收益成本比等性能指标优于两步映射算法。3、针对直接使用线性规划模型而导致映射算法极高的计算复杂度问题,提出了基于候选节点路径辅助的虚拟网络映射算法。该算法首先构建候选底层节点集和候选底层链路集,然后进行整数线性规划映射。同时,算法考虑了节点能力约束、节点位置约束、链路带宽约束和链接传播延迟约束等四种不同类型的节点和链路约束。该算法实现了对任何虚拟网络请求的最优映射。算法中构建了比全集小得多的候选底层节点和路径子集,因此有效降低了虚拟网络映射算法的计算复杂度。分析和仿真结果表明,该算法主要性能指标优于典型的启发式算法。