近年来，互联网的业务数量急剧增长，其业务种类的多样化特征也日益明显，这给传统的互联网体系架构提出了很多新的挑战。传统的互联网体系架构越来越不能满足当前的业务要求，而构建一种全新的互联网体系架构来替代现有的互联网体系架构不论是从政治、经济方面还是从工程的可行性方面考虑都是无法实现的。在这种情况下，网络虚拟化技术应运而生。目前，网络虚拟化技术面临的挑战是如何在满足虚拟网络请求的前提下设计出一种高效的虚拟网络映射算法，从而实现底层物理网络资源利用率的最大化。
　　本文首先对网络虚拟化技术和虚拟网络映射问题进行了研究，对当前在求解虚拟网络映射问题中应用最广泛的启发式算法进行了总结。对文章中涉及的遗传算法、蚁群算法以及贪婪算法的性能进行了仿真分析。在此基础上，提出了一种遗传算法和蚁群算法融合的虚拟网络映射算法。该算法的主要思想是在遗传算法的变异操作中引入蚁群算法的正反馈机制，用蚁群算法中信息素的更新原则影响遗传算法中变异操作的规则，从而消除变异操作的盲目性，达到提高遗传算法性能的目的。为了对本文中提出的融合算法的正确性和优越性进行验证和对比，本文中以虚拟网络请求最大接受率和底层物理网络资源最大利用率为目标，构建了一个中等规模基于控制转发分离架构的虚拟网络映射模型。分别使用融合算法、遗传算法和贪婪算法对模型进行求解，并进行了网络性能仿真，结果表明融合算法在解决虚拟网络映射问题具有可行性和高效性。