1.一种虚拟化网络中映射策略的决策方法，其特征在于，包括：

S1、根据映射资源，建立马尔科夫决策过程优化模型；

S2、采用马尔科夫决策过程，根据虚拟网络请求的随机性和底层网络的动态变化，求解出集中式最优映射策略。

2.根据权利要求1所述的一种虚拟化网络中映射策略的决策方法，其特征在于，所述步骤S2后还包括：S3、将各个虚拟网络请求者定义为买方，底层网络定义为卖方，建立斯塔克尔伯格Stackelberg买卖模型；

S4、根据所述买卖模型，求出斯塔克尔伯格Stackelberg博弈的当前均衡解，预测斯塔克尔伯格Stackelberg博弈的未来均衡解；

S5、根据步骤S4得出的当前均衡解和未来均衡解，评估出买方与卖方的映射关系，也即是判断买卖双方的当前映射动作是立即映射还是等待映射，从而确定分布式最优映射策略。

3.根据权利要求1或2所述的一种虚拟化网络中映射策略的决策方法，其特征在于，所述映射资源包括：虚拟网络请求数量、映射收益函数、映射成本函数、等待成本函数和系统回报函数；

所述虚拟网络请求数量包括：Nt＝Nt,r+Nt,a；Nt表示在阶段t时VNR的数量；Nt,r表示阶段t剩余的VNR数量；Nt,a表示阶段t新到达VNR数量；VNR表示虚拟网络请求；

所述映射收益函数包括：Ui,t(xi,t)＝ai,tηilog(1+xi,t)；Ui,t表示阶段t时VNRi的映射收益函数；ηi表示VNRi收益的权重系数；xi,t表示在阶段t为VNRi分配的资源容量；VNRi表示第i个虚拟网络请求；ai,t表示在第i个虚拟网络请求在阶段t的映射动作；

所述映射成本函数包括：Ci,m(xi,t,βt)＝ai,txi,tβt；Ci,m表示VNRi的映射成本函数；βt表示阶段t的单位映射成本， kt表示阶段t的单位映射成本权重系数；Xt表示在阶段t底层网络能够提供的资源容量；Xt,m表示在阶段t已经占用的资源容量总和；

所述等待成本函数包括：Ci,w(t)＝Ci,w(t-1)+(1-ai,t)ci,w；Ci,w(t)表示在阶段t时VNRi的等待成本函数；Ci,w(t-1)表示阶段t-1时VNRi的等待成本；ci,w表示单位等待成本；

所述系统回报函数包括： R(At)表示At的系

统回报函数；i∈{1,2,...,Nt}；At表示VNR在阶段t的映射动作。

4.根据权利要求3所述的一种虚拟化网络中映射策略的决策方法，其特征在于，所述马尔科夫决策过程优化模型包括：以四元组 分别表示系统状态空间 动作空间系统状态的转移概率P和系统回报函数R；

所述系统状态空间 包括： St表示阶段t的系统状态；Nt表示在阶段t时VNR的数量；βt表示阶段t的单位映射成本；

所述动作空间 包括： ai,t表示在VNRi在阶段t的映射动作；i

∈{1,2,...,Nt}；

所述系统状态的转移概率P包括：P(St+1|St,At)＝P(Nt+1|Nt,At)P(βt+1|βt,At)；P(St+1|St,At)表示阶段t采取映射动作At，系统将从状态St转移到状态St+1的概率。

5.根据权利要求4所述的一种虚拟化网络中映射策略的决策方法，其特征在于，所述集中式最优映射策略的计算公式为：其中，φ*(St)表示V(St)对应的φ(St,At)；φ(St,At)表示在系统状态St采取映射动作At的映射策略； γ表示折扣因子。

6.根据权利要求3所述的一种虚拟化网络中映射策略的决策方法，其特征在于，所述步骤S4具体包括：基于所述斯塔克尔伯格Stackelberg买卖模型，根据买卖双方的映射动作，分别定义买方回报函数和卖方回报函数；以买方回报函数和卖方回报函数均衡最大为目标，求出斯塔克尔伯格Stackelberg博弈的当前均衡解，并将所述当前均衡解分别作为当前阶段的最优资源容量和最优卖价；预测出斯塔克尔伯格Stackelberg博弈的未来均衡解，并将所述未来均衡解分别作为未来阶段的最优容量资源和最优卖价。

7.根据权利要求6所述的一种虚拟化网络中映射策略的决策方法，其特征在于，所述买方回报函数包括：其中， 表示买方bi在t阶段的买方回报函数，买方bi也即是第i个虚拟网络请求者；

ai,t表示在VNRi在阶段t的映射动作；ηi表示VNRi收益的权重系数；xi,t表示在阶段t为VNRi分配的资源容量；πi,t表示阶段t时底层网络对第i个虚拟网络请求者提供的卖价；ci,w表示单位等待成本；Ci,w(t-1)表示阶段t-1时VNRi的等待成本；γ表示折扣因子；

表示在阶段t+1的价值函数；βt+1表示阶段t+1的单位映射成本； 表示在阶段t+1的预测单位映射成本； 表示满足VNRi的最小资源容量需求；

所述卖方回报函数包括：

其中，Us,t表示卖方s在t阶段的卖方回报函数；Nt表示在阶段t时VNR的数量；Xt表示在阶段t底层网络能够提供的资源容量；βt表示阶段t的单位映射成本。

8.根据权利要求1所述的一种虚拟化网络中映射策略的决策方法，其特征在于，所述斯塔克尔伯格Stackelberg博弈的当前均衡解包括：当买卖双方的映射动作在当前阶段是立即映射时，求出当前均衡解其中， 表示阶段t时第i个虚拟网络请求者可向所述底层网络租赁的最优容量资源；

ηi表示第i个虚拟网络请求收益的权重系数；πi,t表示阶段t时底层网络对第i个虚拟网络请求者提供的卖价； 表示资源容量最优的拉格朗日乘子； 表示阶段t时底层网络对第i个虚拟网络请求者提供的最优卖价； 表示关于 βt以及 之间的第一相关函数； 表示 对πi,t的偏导数；βt表示阶段t的单位映射成本； 表示卖价最优的拉格朗日乘子。

9.根据权利要求8所述的一种虚拟化网络中映射策略的决策方法，其特征在于，所述预测出斯塔克尔伯格Stackelberg博弈的未来均衡解包括：当买卖双方的当前阶段的映射动作是等待映射时，预测买卖双方未来阶段的映射动作，从而得到未来均衡解其中， 表示预测的阶段t+1时第i个虚拟网络请求者可向所述底层网络租赁的最优容量资源； 表示阶段t+1时底层网络对第i个虚拟网络请求者提供的卖价； 表示预测的阶段t+1时 底层网络对第i个虚拟网 络请求者提供的最优卖价 ；

表示关于 以及 之间的第二相关函数；

表示 对 的偏导数； 表示阶段t+1的预测单位映射成本。

10.根据权利要求1所述的一种虚拟化网络中映射策略的决策方法，其特征在于，所述分布式最优映射策略的计算公式为：其中， 表示当 取得最大值时，对应的βt和ai,t；φ(βt,ai,t)表示在βt采取映射动作ai,t的映射策略； 表示阶段t时VNRi的映射收益函数；βt表示阶段t的单位映射成本；

ai,t表示在第i个虚拟网络请求在阶段t的映射动作。