随着互联网的快速发展,网络流量增长迅速,现有网络资源难以满足人们需求。而由于现有网络体系异常庞大、结构复杂,难以进行改造,网络僵化问题逐渐突出。网络虚拟化技术将物理资源抽象,无需改变当前网络结构,是应对网络僵化的有效手段。虚拟网络映射是网络虚拟化的研究热点,传统的虚拟网络映射算法以提高底层资源利用率等方面为主,对虚拟网络的可生存性研究较少。而由于设备老化,黑客技术提升等因素,底层网络的故障愈加频繁,对可生存性虚拟网络映射算法的研究也愈发重要。由于单一的启发式算法易陷入局部最优、收敛速度慢,使用单一启发式算法映射会造成底层网络资源浪费,针对此问题,本文提出了自适应遗传模拟退火虚拟网络映射算法,具体做了如下改进:首先,使用模拟退火算法代替遗传算法变异操作,提高了算法跳出局部最优解的能力;其次,以退火思想设计了全新的父代选择算子,进一步降低算法初期陷入局部最优的概率;最后,设计自适应遗传交叉算子,使算法可以快速有效地收敛。实验结果表明该算法可以有效的提高虚拟网络映射中的虚拟网络请求接受率,底层网络收益,底层网络收益开销比等评价指标。针对可生存虚拟网络映射算法中虚拟网络请求接受率低、底层网络收益差等问题,本文提出了混合机制可生存映射算法,具体改进如下:首先,设计基于保护机制的可生存映射策略,策略核心部分是设计客观理想点法预测底层不可靠节点,评判是否给予虚拟网络备份,降低了备份资源的消耗;其次设计基于恢复机制的可生存映射策略,策略核心部分是设计可生存映射约束条件,有效提高满足约束条件的虚拟网络在没有备份的情况下的故障恢复率;最后,两种策略相结合,混合机制可生存映射算法可以保证不大幅降低请求接受率的情况下,保障虚拟网络故障恢复率进而提高底层物理网络收益。