随着各类智能系统的发展，作为基础设施的网络系统日趋复杂和异构，且面临巨大的高效服务各类应用的压力。同时，由于用户行为动态多变、差异化需求强烈、智能应用的高资源需求，现有网络系统面临着业务量大、数据量大、网络运维智能化程度低、资源碎片化和资源使用成本高、网络攻击智能化、网络监管数据无法实时分析等问题。这些问题的解决是发展物联网和工业4.0的关键。课题组围绕低成本、极低延迟、智能运维、智能数据分析中的关键问题开展基础支撑算法和机制的研究，并开发原型系统与应用。
图1 智能未来网络核心机制
（1）边缘计算系统中计算资源智能优化机制
由于移动通信的发展，各种移动终端迅猛的发展，从移动终端访问云服务的数量也剧增。传统云服务一般都分布在各个大数据中心中，但是由于数据中心的规模以及对电力的严格要求，它们只能建设在离用户较远的郊区。这也就意味着移动用户访问云服务的延迟将会大大提高。考虑到移动用户需要的服务往往具有较小的资源请求，少量小规模的计算资源可以从数据中心中迁移到离用户近的地方，从而可以降低用户访问云服务的延迟。主要学术贡献是首次提出了在无线城域网中部署计算节点的设想并设计了具有性能保障的放置算法。其中的放置算法设计可以对本项目中虚拟网络功能的放置、复制起到指导性的作用。这方面的研究成果发表在领域内顶级期刊和会议IEEE TMC、IEEE TPDS、IEEE TCC、INFOCOM等成果。
（2）降低网络虚拟化成本的核心机制
传统的基于硬件的网络具有高成本、低效等特点。这样的网络也严重阻碍了网络服务的快速发展。主要原因有两个方面：第一、新网络服务的部署往往要牵着大量网络硬件的购买，一方面购买成本（CapEx）很高另一方面也增加了网络服务开发的周期；第二、维护这些基于硬件的网络服务产生很高的维护成本（OpEx），因为这些硬件往往需要具备专业知识专门的人员做维护。如何减少这些这些成本因此成为网络研究中的关键。网络虚拟化由此而发展，其基本思想效仿利用云计算技术中的虚拟化技术来对网络资源进行虚拟化，虚拟化后的网络资源将由软件去实现，从而大大降低了购买硬件的成本。另外，由于软件相比硬件较容易维护，维护的成本也能相应的降低。针对这方面的研究，团队主要做了以下工作：基于网络中间件虚拟化的软件自定义网络中多播问题、虚拟网络及虚拟网络功能的放置问题和多数据中心网络中的资源分配调度问题。该研究成果发表在IEEE ICDCS、IEEE LCN、IEEE ICC、IEEE Transactions on Cloud Computing、IEEE INFOCOM等顶级期刊和国际会议。
（3）数据驱动的智能大数据管理机制和算法
大数据由于数据量大，需要大量的计算资源来实时的处理。多数据中心网络中丰富的资源是这一类应用的主要处理载体。课题组在这方面的主要学术贡献是首次解决了有协作关系的用户的大数据的管理问题，使得每一个用户公平的使用云资源，最大化了系统的吞吐量，设计了有效的近似算法以及基于深度强化学习的智能算法。其中资源分配的机制以及设计近似算法的方法可以借鉴到本项目中。相关成果发表在顶级期刊IEEE TPDS、The Computer Journal。
在以上研究方向发表相关代表性论文：
[1] Zichuan Xu, Weifa Liang, Mike Jia,et al. Task offloading with network function services in a mobile edge-cloud network. IEEE Transactions on Mobile Computing, Acceptance, 2018.
[2] Zichuan Xu, Weifa Liang, Wenzheng Xu,et al. Efficient algorithms for capacitated cloudlet placements. IEEE Transactions on Parallel and Distributed Systems,2016,27(10):2866–2880.
[3] Qiufen Xia, Zichuan Xu, Weifa Liang, Albert Zomaya. Collaboration- and fairness-aware big data management in distributed clouds. IEEE Transactions on Parallel and Distributed Systems.2016,27(7):1941–1953.
[4] Zichuan Xu, Weifa Liang, Qiufen Xia. Efficient embedding of virtual networks to distributed clouds via exploring periodic resource demands. IEEE Transactions on Cloud Computing, 2018,6(3).
[5] Zichuan Xu, Weifa Liang, Meitian Huang,et al. Efficient NFV-enabled multicasting in SDNs. IEEE Transactions on Communications,2019, 63(7):2052–2070.
