基于SDN特征的虚拟网络映射问题研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61302089
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    24.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0104.通信网络
  • 结题年份:
    2016
  • 批准年份:
    2013
  • 项目状态:
    已结题
  • 起止时间:
    2014-01-01 至2016-12-31

项目摘要

Network virtualization is one of the key research directions of future network field. The concept of software-defined networking (SDN) brings new energy for network virtualization. This study will focus on the SDN-character-based virtual network embedding technology. Firstly this study will build a new system model for virtual network embedding problem based on the new characters of SDN, which are bandwidth, storage, and computing. The new model will become the base of the following studies. Secondly, the tracking problem of varieties dynamic virtual requests will be addressed by building a standard processing framework. Thirdly, a one-step virtual network embedding algorithm will be proposed based on model coupling for better performance to enhance performance. Fourthly, a multi-steps virtual network embedding algorithm will be proposed based on objective coupling for better balance of complexity and performance. Fifthly, a distributed virtual network embedding algorithm will be proposed based on synchronization protocol in order to deal with the scalable problem for the embedding problem. Last but not the least, the software/hardware simulation platforms based on the C programming language and OpenFlow technology are developed to evaluate the model and algorithms proposed in this study. And the simulation results will be referenced in the designing. The study may contribute in the solution system of SDN-based virtual network embedding problem.
网络虚拟化技术是未来网络领域的重要研究方向之一,软件定义网络(SDN)思想的提出则为该方向带来了新的活力。本课题将研究基于SDN特征的虚拟网络映射问题。首先,本课题将围绕带宽、存储、计算三个SDN的新特征,为虚网映射问题重新建模,作为后续研究的基础;其次,通过设计统一的处理框架,规范解决虚网请求的各种动态性跟踪问题;接下来,为了提升虚网映射性能,设计基于模型耦合的一步式虚网映射算法;为了实现算法复杂度与性能的有效权衡,设计基于优化目标直接耦合的分步式虚网映射算法;为了解决可扩展性问题,设计基于同步协议的分布式并行映射算法;最后,建立基于C语言的软件仿真平台和基于OpenFlow的硬件仿真平台,分别对本课题提出的模型和映射算法进行仿真与验证,并反馈指导模型和算法的设计。研究结果有望形成适用于SDN的虚网映射体技术整体解决方案。

结项摘要

未来网络领域中,网络虚拟化技术是重要的研究方向,软件定义网络(SDN)思想的提出更是为该方向带来了新的发展机会。本项目主要研究网络虚拟化中的虚拟网络映射问题和SDN控制平面优化技术,同时构建原型系统。首先,本课题为虚网映射问题进行了重新建模,将之主要分为了基于节点连接关系和基于实时拓扑信息的虚拟网络映射问题;这一模型为之后的研究打下了基础。其次,之后,为了提升虚网映射性能, 设计出基于模型耦合的一步式虚网映射算法;为了实现算法复杂度与性能的有效权衡,设计出基于优化目标直接耦合的分步式虚网映射算法;最后,建立了基于C 语言的软件仿真平台CNVP和基于OpenFlow 的硬件仿真平台,分别对本课题提出的模型和映射算法进行仿真与验证,并反馈指导模型和算法的设计。研究结果形成了从理论到实践上均适用于SDN 的虚网映射体技术整体技术方案。

项目成果

期刊论文数量(21)
专著数量(1)
科研奖励数量(0)
会议论文数量(2)
专利数量(0)
未来网络体系架构研究综述
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    通信学报
  • 影响因子:
    --
  • 作者:
    刘江;霍如;魏亮;刘韵洁
  • 通讯作者:
    刘韵洁
基于相关性概率的信息中心网络协作缓存策略
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    北京邮电大学学报
  • 影响因子:
    --
  • 作者:
    刘江;黄韬;刘韵洁;陈建亚
  • 通讯作者:
    陈建亚
基于多向搜索的SDN流表更新一致性方案
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    北京邮电大学学报
  • 影响因子:
    --
  • 作者:
    刘江;胡晓露;黄韬;刘韵洁
  • 通讯作者:
    刘韵洁
The Improvement of Virtual Network Evaluation Model Used in Virtual Network Embedding
虚拟网络嵌入中虚拟网络评估模型的改进
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    International Journal of Robotics and Automation (IJRA)
  • 影响因子:
    --
  • 作者:
    Liu Jiang;Xin Yuanming;You Siqing
  • 通讯作者:
    You Siqing
SDN试验床网络虚拟化切片机制综述
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    通信学报
  • 影响因子:
    --
  • 作者:
    刘江;黄韬;张晨;张歌
  • 通讯作者:
    张歌

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于人体热适应的相变蓄热墙体房间节能性能评价方法
  • DOI:
    10.13614/j.cnki.11-1962/tu.2020.02.18
  • 发表时间:
    2020
  • 期刊:
    建筑科学
  • 影响因子:
    --
  • 作者:
    刘堂;刘江;乔宇豪;杨柳;刘衍
  • 通讯作者:
    刘衍
The Decision Latency Optimization Problem in SDN With Multi-Controller
SDN中多控制器决策延迟优化问题
  • DOI:
    10.1109/lcomm.2019.2941489
  • 发表时间:
    2019-10
  • 期刊:
    IEEE Communications Letters
  • 影响因子:
    --
  • 作者:
    李婕妤;刘江;高钱;黄韬
  • 通讯作者:
    黄韬
基于灰色关联度分析和聚类分析的3种滇产重楼抗肝癌作用谱效关系探索
  • DOI:
    10.13422/j.cnki.syfjx.20192449
  • 发表时间:
    2020
  • 期刊:
    中国实验方剂学杂志
  • 影响因子:
    --
  • 作者:
    李若诗;袁会琼;刘江;赵飞亚;陶爱恩;段宝忠;王莹;夏从龙
  • 通讯作者:
    夏从龙
华北北缘大青山小井沟岩体年代学、地球化学和Hf同位素特征及其地质意义
  • DOI:
    10.13209/j.0479-8023.2014.176
  • 发表时间:
    2014
  • 期刊:
    北京大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    莫南;郭磊;童英;王涛;刘江;李建波
  • 通讯作者:
    李建波
Deep Reinforcement Learning (DRL)-Based Device-to-Device (D2D) Caching With Blockchain and Mobile Edge Computing
基于深度强化学习 (DRL) 的设备到设备 (D2D) 缓存以及区块链和移动边缘计算
  • DOI:
    10.1109/twc.2020.3003454
  • 发表时间:
    2020-06
  • 期刊:
    IEEE Transactions on Wireless Communications
  • 影响因子:
    10.4
  • 作者:
    张然;F. Richard Yu;刘江;黄韬;刘韵洁
  • 通讯作者:
    刘韵洁

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

刘江的其他基金

基于分段路由的空间卫星网络集中分布融合组网方法与技术
  • 批准号:
  • 批准年份:
    2021
  • 资助金额:
    57 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码