1.一种虚拟化无线网络功能编排策略,其特征在于，包括以下步骤， S1：采用以下公式建立虚拟化无线网络资源编排化学反应优化数学模型， 其中n是资源池中功能的个数，m是资源池中特征的个数，μj,k表示完成虚拟请求的第j个网络功能fj所带有的第k个特征ak所需要的代价； S2：对S1建立的数学模型求解，包括，基于高斯扰动提高CRO的局部优化能力，基于随机游走法平衡全局及局部的搜索能力，基于强化学习提高CRO的全局近似最优解的搜索能力及搜索速度。 2.如权利要求1所述的一种虚拟化无线网络功能编排策略,其特征在于，所述步骤S1包括以下步骤， S101:对虚拟功能的虚拟特征代价建模，包括， 将一个虚拟请求的第j个网络功能fj所带有的第k个特征ak所需要的资源量采用下式表示： ηd＝σb×ηs+σp×ηp+σit×ηit， δs表示组合成功能模块xj',k'的系数，δp表示组合成功能模块xj',k'的系数，δit表示组合成功能模块xj',k'的系数.ηs是相应资源的单价，ηp是相应资源的单价，ηit是相应资源的单价。ηd是各种资源的组合代价。it表示服务资源，s表示带宽资源，p表示功域资源，Mcostj,k表示多个具有属性aj的虚拟功能模块fi共同使用同一份资源时所付出的代价，σb是权重系数，σp是权重系数，σit是权重系数,约束关系为0≤σb,σp,σit≤1，σb+σp+σit＝1； S102:虚拟化网络功能集中选择的功能及各功能所需要的资源数量及特征采用以下约束条件表示： Rj,k.it≤N×xj,k.it， Rj,k.p≤N×xj,k.p， Rj,k.s≤N×xj,k.s， 其中，R表示虚拟请求，x表示选择的模块； 虚拟服务编排采用如下的约束条件表示： 其中s'、p'、it'表示已经使用的相关资源，all表示所有的资源； S103：将一个虚拟请求的第j个网络功能fj所带有的第k个特征ak所需要的资源量采用下式表示： 建立以下数学模型： fi→fi+y表示虚拟功能模块fi与虚拟功能模块fi+y存在依赖关系，fi≠fi+y表示虚拟功能模块fi与虚拟功能模块fi+y存在排斥关系； S104：求解过程中增加虚拟功能模块fi的代价成本采用以下公式表示： μj,k'＝μj,k+μj+y,k， 采用以下公式表示虚拟化无线网络资源编排化学反应优化数学模型 3.如权利要求1所述的一种虚拟化无线网络功能编排策略,其特征在于，所述步骤S2包括以下步骤， S201：令ω(i)为第i个分子的结构，采用KE作为一种衡量分子状态的手段表示一个分子逃离当前状态到达一个更坏的分子结构的能力，KE的初始值为“0”，buff为缓冲能量，由分子无效碰撞产生，由全局函数负责，初始值为“0”； S202：令*'是撞击后的分子的结构，*表示所有的物体，ω(i).Best为第i个分子当前势能最低的结构，ω.Gbest表示当前全局势能最低的分子结构，先利用当前的分子i的势能最低的结构，采用高斯进行一个扰动，再通过随机游走模型在第i个分子当前势能最低的结构被高斯扰动后与全局势能最低的分子结构间游走，获得撞击后的分子的结构： 其中，为高斯扰动，rand为随机数， 采用以下公式表示分子发生碰壁反应的条件： PEω(i)+KEω(i)≥PEω(i)' 采用以下公式表示结果分子的动能KE： KEω(i)'＝(PEω(i)+KEω(i)-PEω(i)')×q， 其中，q为损失系数，则(1-q)表示撞墙过程中，KE的损失比例； S203：令ω'1，ω'2是分解后的分子的结构，采用以下公式对ω采用高斯进行一个扰动，再进行随机游走， 采用以下公式表示分子发生分解反应的条件： 采用以下公式表示结果分子的动能KE计算公式 其中temp为临时变量； S204：二个分子ω1，ω2随机选取一些相同的位置的值进行交换，在每个分子结构上随机添加一个随机数，令ω'1，ω'2是交换后的分子的结构，采用以下公式表示ω'1，ω'2： 其中,表示从ω2中任取k位替换ω1相对应的值.表示从ω1中任取k位替换ω2相对应的值.rand(ω)为随机产生的一个分子结构， 采用以下公式表示分子发生交换反应的条件： temp2＝buff×rand， temp2为临时变量； 采用以下公式表示得到交换后分子的动能KE： buff＝buff-temp2， S205：合成反应：二个分子ω1，ω2相同的位置的值进行相加并与该位置的最高值取模。令ω'是交换后的分子的结构，采用以下公式表示ω' ω’＝ω1+ω2， 采用以下公式表示分子发生合成反应的条件： temp2＝buff×rand， PEω1+KEω1+PEω2+KEω2+temp2≥PEω'， 采用以下公式得到结果分子的动能KE， KEω'＝(PEω1+KEω1+PEω2+KEω2-PEω')×q， buff＝buff-temp2， S206：令每次发生分子发生化学反应的状态为Q-learning方法的状态集S＝{S1,…,St,…ST}，p是Q-learning方法的行为集，其中p＝{a＝a+1,a＝a-1}，0≤a≤T，其中a为“0”时，只能即行a＝a+1动作，当a为T时，只能即行a＝a-1动作，a的初始值为t，t为分子发生化学反应的次数，T是产生总体迭代的次数，每次的收益表示为γ＝|PE(ω')-PE(ω)|，每次的代价l是发生无效碰撞或无效分解时buff增加的值，采用以下公式更新Q值： 其中σ为学习速率，β为折扣因子，是记忆中的利益； 采用以下公式调节q的取值： 其中，λ为指数分布的系数。 S207：对群体pop中的每个分子进行分析，是否满足碰壁反应条件，如果满足则发生碰壁反应，碰壁反应后，判断PEω(i)≥PEω(i)'，如果大于则ω(i)＝ω(i)'，否则这次反应为无效碰壁，碰壁时的能量转化为缓冲区能量，采用以下公式表示， buff＝buff+(PEω(i)+KEω(i)-PEω(i)')×(1-q)； 当发生无效碰壁时，分子继续碰壁及到PEω(i)<PEω(i)'为止； 对群体pop中的每个分子进行分析，是否满足分解反应条件，如果满足则发生分解反应。分解反应后，判断或如果大于则ω(i)＝min(ω(i)1',ω(i)2')，同时增加一个ω(pop+1)＝max(ω(i)1',ω(i)2')，否则这次反应为无效分解，碰壁时的能量转化为缓冲区能量，采用以下公式表示： buff＝buff+(PEω(i)+KEω(i)-PEω(i)1'-PEω(i)2')×(1-q)， 当发生无效碰壁时，分子继续分解及到或为止，再对分解的大分子ω(pop+1)＝max(ω(i)1',ω(i)2')进行碰壁反应及到PEω(pop+1)<PEω(pop+1)'为止，种群在原基础上加1,pop＝pop+1， 对群体pop中的每个分子，再任选一个分子进行分析，是否满足交换反应条件，如果不满足则再选择一个分子进行分析，否则发生交换反应； 对群体pop中的每个分子，再任选一个分子进行分析，是否满足结合反应条件，如果不满足则再选择一个分子进行分析，否则发生结合反应，种群在原基础上减1,pop＝pop-1。
