Recently, a great development has occurred in the communication networks, in which the trend of development is towards automation and flexible network structure. In addition, the stages of telecommunication development are conventionally divided from manual switching to flexible virtualized architecture, to which telecommunications operators have resorted. Furthermore, in the context of the 3rd generation partnership project (3GPP) standards framework, the network function virtualization (NFV) with might and main has been evaluated by telecom operators and shows that the efficiency of the topology can be significantly improved. However, it is difficult to organize ultra-reliable low-latency communication (URLLC) and massive machine type communications (mMTC) services within 5G, due to the topology centralization. Moreover, network monitoring, in particular of carrier-class equipment, reveals that there is no ideal static network topology in which the network and its elements have been uniformly loaded over a long service time. Therefore, in this study, a dynamic network topology and service placement is proposed to analyze and predict services, in which Genetic Algorithm (GA) is utilized. In addition, an efficient forecasting and live migration methods of service as an application to edge computing systems are introduced, where this approach can be used in the systems with an intelligent allocation of operator equipment resources for providing flexibility and high-quality topological organization. Finally, simulation results proved that the network equipment efficiency can significantly be increased by more than 30%.

近年来，通信网络有了很大的发展，其发展趋势是向自动化和灵活的网络结构发展。此外，电信发展的阶段通常分为从手动切换到灵活的虚拟化架构，电信运营商采用了这种方式。此外，在第三代合作伙伴计划（3GPP）标准框架的背景下，电信运营商对网络功能虚拟化（NFV）进行了评估，表明可以显着提高拓扑的效率。然而，由于拓扑集中化，很难在 5G 内组织超可靠低延迟通信 (URLLC) 和海量机器类型通信 (mMTC) 服务。此外，网络监控，尤其是电信级设备，揭示了没有理想的静态网络拓扑结构，其中网络及其元素在长时间的服务时间内均匀负载。因此，在本研究中，提出了一种动态网络拓扑和服务放置来分析和预测服务，其中利用了遗传算法（GA）。此外，还介绍了一种有效的服务预测和实时迁移方法作为边缘计算系统的应用程序，该方法可用于具有运营商设备资源智能分配的系统，以提供灵活性和高质量的拓扑组织。最后，仿真结果证明网络设备效率可显着提高30%以上。揭示了不存在理想的静态网络拓扑，其中网络及其元素在很长的服务时间内均匀加载。因此，在本研究中，提出了一种动态网络拓扑和服务放置来分析和预测服务，其中利用了遗传算法（GA）。此外，还介绍了一种有效的服务预测和实时迁移方法作为边缘计算系统的应用程序，该方法可用于具有运营商设备资源智能分配的系统，以提供灵活性和高质量的拓扑组织。最后，仿真结果证明，网络设备效率可显着提高30%以上。揭示了不存在理想的静态网络拓扑，其中网络及其元素在很长的服务时间内均匀加载。因此，在本研究中，提出了一种动态网络拓扑和服务放置来分析和预测服务，其中利用了遗传算法（GA）。此外，还介绍了一种有效的服务预测和实时迁移方法作为边缘计算系统的应用程序，该方法可用于具有运营商设备资源智能分配的系统，以提供灵活性和高质量的拓扑组织。最后，仿真结果证明网络设备效率可显着提高30%以上。因此，在本研究中，提出了一种动态网络拓扑和服务放置来分析和预测服务，其中利用了遗传算法（GA）。此外，还介绍了一种有效的服务预测和实时迁移方法作为边缘计算系统的应用程序，该方法可用于具有运营商设备资源智能分配的系统，以提供灵活性和高质量的拓扑组织。最后，仿真结果证明网络设备效率可显着提高30%以上。因此，在本研究中，提出了一种动态网络拓扑和服务放置来分析和预测服务，其中利用了遗传算法（GA）。此外，还介绍了一种有效的服务预测和实时迁移方法作为边缘计算系统的应用程序，该方法可用于具有运营商设备资源智能分配的系统，以提供灵活性和高质量的拓扑组织。最后，仿真结果证明网络设备效率可显着提高30%以上。介绍了一种有效的服务预测和实时迁移方法作为边缘计算系统的应用程序，这种方法可以用于具有运营商设备资源智能分配的系统，以提供灵活性和高质量的拓扑组织。最后，仿真结果证明网络设备效率可显着提高30%以上。介绍了一种有效的服务预测和实时迁移方法作为边缘计算系统的应用程序，这种方法可以用于具有运营商设备资源智能分配的系统，以提供灵活性和高质量的拓扑组织。最后，仿真结果证明网络设备效率可显着提高30%以上。