1.一种软件定义网络中多控制器部署问题的改进粒子群算法，其特征在于，它包括以下步骤：步骤S1、获取网络拓扑G，以及其所需控制器的数量k和需要优化的性能指标函数f，随机生成多个粒子p，形成一个粒子群P，其中，每一个粒子p代表多控制器部署问题的一个解决方案（即每一个粒子代表一组控制器的位置）；

步骤S2、随机设定每一个粒子p的速度矢量，记为v，并将速度矢量v所形成的集合记为V；

步骤S3、根据粒子p的当前位置及速度矢量，更新每个粒子p的位置，计算公式为：pnew = pold + v；

其中pnew为粒子p更新后的位置；

pold为粒子p当前的位置；

v为粒子p的速度矢量；

步骤S4、寻找每个粒子p的历史最优值和历史最差值，记为pbest和pworst，同时寻找整个粒子群P中所有粒子p的历史最优值和历史最差值，并记为gbest和gworst；

步骤S5、更新粒子p的速度矢量，更新公式为：

vnew= w*vold

+c1*r1*(pbest-pold)+c2*r2(gbest-pold)+c3* (1-r1)*(pold-pworst)+c4*(1-r2)*(pold-gworst)；

其中，vnew为粒子p更新后的速度矢量；

w为粒子p更新速度矢量时的速度惯性矢量，计算公式为：w = 0.5 + (fgbest-fgworst)/fgbest；

其中，fgbest为整个粒子群P中所有粒子p的历史最优值gbest所对应的性能指标函数；

fgworst为整个粒子群P中所有粒子p的历史最差值gworst所对应的性能指标函数；

c1、c2、c3和c4为1；

r1和r2为在区间[0, 1]的随机数；

步骤S6、设置算法终止条件，循环迭代步骤S3-S6，并判断是否达到算法终止条件，若是，则终止循环迭代，并输出最后一次循环后的粒子p，即为多控制器部署问题的最优解决方案，若否，则将vnew作为步骤S3中的速度矢量v，继续循环迭代步骤S3-S6。

2.根据权利要求1所述的软件定义网络中多控制器部署问题的改进粒子群算法，其特征在于所述步骤S1中，粒子群P的产生步骤包括：步骤A1、对网络拓扑G进行整数编号，每一个编号代表一个节点，并计算各个节点之间的最短路径距离，存储到一个距离矩阵D中；

步骤A2、随机选取k个数量的编号，作为一个粒子p，也表示为一组控制器位置，在这些位置上同时部署控制器及交换机；

步骤A3、依据最短路径原则，为网络中的其他交换机分配控制器，确保每个交换机只与离其最近的控制器连接；

步骤A4、根据步骤A3确定的控制器位置、交换机位置及交换机与控制器之间的映射关系，结合距离矩阵D存储的网络中各个节点之间的最短路径距离，计算出控制器与交换机之间的总距离，取其平均值作为网络的平均延迟，作为评估粒子性能的指标；

步骤A5、循环步骤A2-A4，得到多个粒子p，组成粒子群P。

3.根据权利要求2所述的软件定义网络中多控制器部署问题的改进粒子群算法，其特征在于步骤S2中，速度矢量v为1*k的矢量。

4.根据权利要求1所述的软件定义网络中多控制器部署问题的改进粒子群算法，其特征在于所述步骤S3中，当速度矢量v不为整数时，对速度矢量V进行四舍五入取整处理。

5.根据权利要求1所述的软件定义网络中多控制器部署问题的改进粒子群算法，其特征在于在所述步骤S6中，当算法循环迭代次数超过50时，算法终止；或是当步骤S5中求得的gbest和gworst的数值相较于上一次循环迭代的gbest和gworst的数值，增幅均不超过10%时，算法终止。