由于用户越来越多的个性化网络服务需求,传统互联网的僵化现象日渐显著。网络虚拟化不仅被认为是创建云计算生态系统的有效技术,而且被认为是未来互联网最有应用前景的技术。网络虚拟化中最关键的问题之一是虚拟网络映射问题(Virtual Network Embedding),即为多个虚拟网络请求合理分配底层物理资源,实现资源共享。现有映射研究问题关注如何进行节点和链路的选择以满足业务需求,降低映射成本,提高收益。如何有效合理的利用物理资源,尽可能提高底层基础设施服务提供商的收益,提高资源利用率,是映射的核心问题,目前还没有一个统一的结论。本文在传统虚拟网络映射算法的基础上,首先分析和总结现有虚拟网络映射模型和算法,研究现有虚拟网络映射算法存在的缺陷,重点对现有映射算法改进,分析原遗传算法解决虚拟网络映射时存在的问题,比如早熟收敛,提出在遗传算法中加入局部搜索能力强的单纯形法(Smiple Method, SM),采用混合整数规划(Mixed Integer Programming,MIP)对最优资源分配问题建模,针对该模型形成单纯形和遗传算法融合的虚拟网络映射算法(Virtual network embedding-Simplex method-Genetic algorithm, VNE-M-GA),并通过仿真实验验证算法的有效性。分析该模型中单纯形搜索算法本身的缺陷,如对初始值敏感、直线型搜索等,改进该算法中的单纯形法,并将种群分类为子群体,提出VNE-SM-HGA(Vitual netrowk embedding - Simplex method - Hybrid genetic algorithm)算法,优化VNE-M-GA算法,充分利用单纯形蕴含的方向性,尽可能的提高搜索效率,减少单纯形搜索的计算量,进而提高算法的收敛速度。对本文所提出的算法进行仿真实验验证,由实验结果表明,利用VNE-M-GA和VNE-SM-HGA算法解决虚拟网络映射问题,底层网络服务提供商的收益有所提高,改进的遗传算法和单纯形法有效提高了收敛速度。