一种基于改进粒子群算法的虚拟机放置方法

发布时间：2021-01-11 13:42

　　针对现有采用粒子群算法放置虚拟机问题存在优化目标单一,容易陷入局部最优解的问题,提出一种基于改进粒子群算法的虚拟机放置方法,通过综合考虑数据中心类型对优化侧重的影响和放置后的负载均衡度,鲁棒性,能源消耗,针对计算密集型数据中心和数据密集型数据中心设计不同的目标函数,对负载均衡度,鲁棒性,能源消耗3方面进行了多目标优化,使其更贴近实际情况。并且通过优化粒子初始位置调节收敛速度,设置动态的学习因子和引入粒子位置的漂移因素使其跳出局部最优解。仿真实验证明,本方法和粒子群算法,模拟退火算法比较,在负载均衡,鲁棒性,能源消耗三个方面都有不同程度的性能提升。 

【文章来源】：数据通信. 2020,(02)

【文章页数】：7 页

【部分图文】：

加速度因子变化图

针对云环境中资源请求的动态化，本文将数据中心的鲁棒性作为优化虚拟机放置的一个重要目标，本实验对比了PSO-S,PSO,SA三种虚拟机放置算法对两种数据中心鲁棒性的影响。图3 数据密集型数据中心负载均衡度

图2 计算密集型数据中心负载均衡度通过图4，图5看出，在两种类型的数据中心中，PSO-S算法的鲁棒性都是最优，SA算法容易陷入局部最优解，PSO算法比SA算法有更多探索可行解的机会，所以性能优于SA算法，但是依然容易陷入局部最优解，PSO-S算法不但有探索更多可行解的机会，而且拥有跳出的局部最优解的机制，所以性能达到最优。

【参考文献】：
期刊论文
[1]基于改进模拟退火算法的虚拟机调度优化方法[J]. 马小晋,许华虎,卞敏捷,高洪皓,段玉聪.  通信学报. 2018(S1)
[2]基于网络感知的两阶段虚拟机放置算法[J]. 汪晓洁,徐明伟,王思秀,朱义鑫.  计算机工程. 2017(08)
[3]HPC Cloud环境中基于网络Ⅰ/O负载的虚拟机放置算法[J]. 吴松,王飞,石宣化,金海,王志武.  中国科学:信息科学. 2012(03)
[4]网络虚拟化与虚拟网映射算法研究[J]. 姜明,王保进,吴春明,孔祥庆,闵啸,张旻.  电子学报. 2011(06)

博士论文
[1]数据中心虚拟机放置方法的研究[D]. 张鑫彦.大连理工大学 2018
[2]粒子群算法的基本理论及其改进研究[D]. 刘建华.中南大学 2009

硕士论文
[1]多目标的虚拟机放置与迁移研究[D]. 尹艳丽.大连理工大学 2018



本文编号：2970871