随着互联网新服务种类、数量日趋增长,当前的互联网体系结构已逐渐僵化,难以满足用户的多样化需求。网络虚拟化是克服网络逐渐僵化的重要技术之一,其核心是虚拟网络映射问题。解决该问题需要考虑多种不同资源的约束,使虚拟网络映射成为了NP难问题。现有研究多采用节点排序和数学规划算法,所得映射方案较为单一。智能算法的突出优势能够有效解决这个问题,为虚拟网络映射研究提供了一种新思路。本文将影响映射的不同因素与群体智能算法相结合,对虚拟网络映射进行了研究,完成的主要工作有:(1)提出了基于教-学优化的虚拟网络映射算法(Teaching-Learning-Based Optimization for Virtual Network Embedding,TLBO-VNE)。该算法模拟了真实班级教学场景,把节点局部中心性、节点剩余资源和节点邻接带宽的乘积作为班级内学生各科目学习能力,将收益成本比作为学生的成绩。通过教学阶段提升班级整体学生的平均成绩,互学阶段提升学生自身成绩。实验结果表明,TLBO-VNE算法在请求接受率和收益成本比方面表现较好。(2)提出了基于顾问引导搜索的虚拟网络映射算法(Consultant Guided Search algorithm for Virtual Network Embedding,CGS-VNE)。该算法将节点CPU、节点度、邻接带宽资源等指标分别作为顾问的策略,客户在构建映射方案的过程中会向多个顾问咨询,顾问根据其策略向客户给出建议。CGS-VNE利用顾问引导搜索机制保证了映射方案的多样性,可充分挖掘解空间,通过迭代得出高质量的映射方案。针对虚拟网络资源需求较低、资源需求中等、资源需求较高三种场景进行了仿真模拟,实验结果表明,CGS-VNE算法具有较高的请求接受率和收益成本比。