摘要：針對無線虛擬化網(wǎng)絡(luò)在時間域上業(yè)務(wù)請求的動態(tài)變化和信息反饋時延導(dǎo)致虛擬資源分配的不合理,該文提出一種基于長短時記憶(LSTM)網(wǎng)絡(luò)的流量感知算法,該算法通過服務(wù)功能鏈(SFC)的歷史隊(duì)列信息來預(yù)測未來負(fù)載狀態(tài)?；陬A(yù)測的結(jié)果,聯(lián)合考慮虛擬網(wǎng)絡(luò)功能(VNF)的調(diào)度問題和相應(yīng)的計算資源分配問題,提出一種基于最大最小蟻群算法(MMACA)的虛擬網(wǎng)絡(luò)功能動態(tài)部署方法,在滿足未來隊(duì)列不溢出的最低資源需求的前提下,采用按需分配的方式最大化計算資源利用率。仿真結(jié)果表明,該文提出的基于LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測模型能夠獲得很好的預(yù)測效果,實(shí)現(xiàn)了網(wǎng)絡(luò)的在線監(jiān)測;基于MMACA的VNF部署方法有效降低了比特丟失率的同時也降低了整體VNF調(diào)度產(chǎn)生的平均端到端時延。