徐 江，孟相如，韩晓阳，史朝卫

1(空军工程大学 研究生院，西安 710051) 2(空军工程大学 信息与导航学院，西安 710077)

1 引 言

网络虚拟化[1]为解决网络“僵化”问题提供了有效手段，它可以实现多个异构的虚拟网络(Virtual Network，VN)共享底层网络(Substrate Network，SN)资源，不仅提高了网络资源利用率，也带来了更加灵活多样的服务，虚拟网络映射作为网络虚拟化的关键技术之一，受到广泛关注[2-4].

虚拟网络映射已被证明是NP-hard问题，相关的解决方法已经成为研究热点[5-8].虚拟网络映射按步骤可分一阶段和两阶段映射，一阶段映射算法由于复杂度较高，适应性较低，目前两阶段映射算法是研究的主流[3]，即首先将网络所有节点进行映射，然后再进行链路映射，因此节点映射策略对于虚拟网络映射成功与否起到非常关键的作用.节点映射方法主要有启发式算法[4]、线性规划求解[5]和智能优化算法[6]等，节点排序也已经从简单的节点资源排序[7]，发展到拓扑资源联合排序[8]，逐渐形成了节点多指标排序[9]的问题.文献[10]提出一种基于TOPSIS(Technique for Order Preference by Similarity to Ideal Solution，TOPSIS)的节点重要性评估方法，并且在考虑节点资源属性的基础上，引入了社会网络分析法中的度中心性和接近度中心性，但TOPSIS方法的欧式距离无法区分与正负理想方案距离相等的点，并且节点指标权重人为设置，主观性较强.文献[11]提出一种加权相对熵的节点排序方法，能实现虚拟拓扑与物理拓扑联合感知，但是其指标权重需要根据环境变化进行人为调整，因此对经验依赖较……