随着互联网的快速发展,现有的网络体系结构已经难以满足社会的需要,网络僵化问题日益严重。网络虚拟化技术能够将底层网络资源抽象化,允许多个虚拟网络共存于同一底层网络中,是应对网络僵化的有效手段。虚拟网络映射问题是网络虚拟化领域的关键问题,其主要目标是将带有多种约束条件的虚拟网络请求映射到底层网络上,并尽可能地使网络运营商的收益最大化。利用单一的启发式算法解决虚拟网络映射问题存在着容易陷入局部最优值与收敛速度较慢等缺陷,本文提出了基于粒子群思想的元胞遗传虚拟网络映射算法,该算法利用带有演化规则的元胞自动机对传统遗传算法中的选择操作进行改造,使得交叉与变异操作只在元胞邻域内发生,从而降低了超级解的扩散性,提高了算法的全局寻优能力。针对元胞遗传算法收敛速度较慢的缺陷,本文设计了一种基于粒子群算法思想的变异算子,通过引导变异点的选择,有效地消除了变异操作的盲目性,加快了算法的收敛速度。仿真结果表明,该算法可以有效地提高虚拟网络请求接受率与底层网络收益等评价指标。在静态虚拟网络的映射算法中,底层网络为虚拟网络请求分配资源的方案是固定的。实际上,随着虚拟网络请求不断地到来或离去,底层网络的资源碎片化问题愈发严重,虚拟网络请求的接受率也随之降低。因此,对虚拟网络进行动态重映射是十分必要的。在底层网络中,不同重要性的节点对于网络连通性的影响力大小不同,现有的虚拟网络重映射算法没有对底层节点的重要性进行区分,容易在重映射后出现新的资源瓶颈问题。本文提出了一种基于节点重要性的虚拟网络重映射算法,该算法通过一种全新的综合多维度属性的节点重要性评价指标对底层节点的重要性进行区分,周期性地将高负载的重要节点上的部分虚拟节点重新映射到低负载的非重要节点上,并对其关联的虚拟链路进行重映射,以降低底层网络资源的碎片化程度。仿真结果表明,该算法在提高虚拟网络请求接受率与降低重映射链路资源开销等方面均优于现有的虚拟网络重映射算法。