包簇映射框架下的云资源分配优化算法研究

发布时间：2021-01-21 21:25

　　在云数据中心,资源分配是云计算系统应用中的核心技术。当前云计算资源在分配过程中,或多或少存在收敛慢、易早熟、资源分配效率低等缺点。为了解决该问题,引入包簇映射框架,提出基于混沌扰动遗传算法。该算法是将遗传算法和混沌搜索机制相结合,以降低成本和提高资源分配效率为目标,利用个体之间的差异性对种群进行初始化,改进种群的交叉变异和适应度函数。通过贪心修正进行合理的云资源分配,采用仿真软件CloudSim进行实验,对其性能进行实验分析。实验结果表明,该方法可以有效提高资源分配效率和收敛速度,具有较好的广泛应用价值。 

【文章来源】：计算机应用与软件. 2019,36(02)北大核心

【文章页数】：6 页

【部分图文】：

小规模任务的完成时间比较

敛速度对比如表4所示。令虚拟机数量I=100，其他参数如表1所示。表4算法收敛速度实验对比表算法最大进化代数Maxgen完成时间t/sGACD/PSO/GA50351/429/431GACD/PSO/GA100250/352/375GACD/PSO/GA150230/301/354GACD/PSO/GA200211/225/268GACD/PSO/GA250201/222/254GACD/PSO/GA300182/218/234GACD/PSO/GA350170/215/231GACD/PSO/GA400165/210/225GACD/PSO/GA450156/199/221为了实验的准确性，避免偶然情况，本文实验的每个算法都执行15次，然后对实验结果取平均值。图2、图3和图4是对三种算法的实验结果进行比较。图2小规模任务的完成时间比较图3大规模任务完成时间比较图4三种算法的收敛速度对比从图2可以得出，在一定任务范围内，GACD、PSO、GA算法完成任务的时间差别不大。但从图3可以看出，在任务量比较多的情况下，GACD的任务完成时间最短，优势明显。从图4可以看出，本文改进的遗传算法收敛速度明显比较快，算法在迭代300次后快速收敛，开始趋向稳定。GACD算法形成的任务调度方案，对执行包簇映射下的资源分配所需要总时间较少，基本达成了最优化解决方案。由实验可知，在包簇映射的框架下，基于混沌扰动遗传算法引入混沌扰动机制，利用混沌的遍历性和参数扰动策略，扩大了虚拟机种群的多样性，避免遗传算法陷入局部极小值，增强了遗传算法的全局搜索能力，并且在一定程度上使得该算法具有较高的搜索速度和收敛速度。在时间上，通过图2和图3可知，GACD算法在资源分配的过程中，所需要时间最少，搜索速度最快，PSO算法次之。这是因为GACD算法采用混沌进行种群初始化，利用参数扰动策?

0－1变量，当且仅当存在有包在时间t被分配给簇p时，它的值为1。本文在基于包簇映射的框架下，以减少成本U(x，y)为目标，通过混沌扰动遗传算法进行资源分配，提高分配效率，减少分配时间。2基于混沌扰动遗传算法调度策略2．1设计思想基于混沌扰动遗传算法是将遗传算法和混沌搜索机制相结合。首先求出个体之间的差异和适应度值，利用遗传算法进行搜索，混沌机制来避免陷入局部最优，通过精英保留选择法，把优秀的个体作为父代，然后采用改进的交叉和变异操作。算法的主要流程如图1所示。图1算法流程图2．2个体之间的差异性种群在初始化时会有很大的机率产生很多相似的个体，导致大量迭代计算，为了解决此问题，本文引出差异性。差异性是指特征空间中对象之间的差异，将特征空间中不同的对象进行分类。本文用0－1编码来对两个个体的基因串进行评估，其中两个对象相同的位置编码相同，则为0，不同则为1。0越多表示两个对象越相同，编码情况越相同。在算法中，限定0的个数来避免非常相似的个体。差异值D=∑Li=1xi，1，其中xi，1是一个0－1变量。当两个对象(包或虚拟机)相同的第i位置编码相同时，xi，1=0，否则编码xi，1=1。L为编码长度。

【参考文献】：
期刊论文
[1]面向成本优化的包簇机制虚拟化资源分配[J]. 王磊,陈世平,卢浩洋.  电子科技. 2017(11)
[2]基于包簇映射的云计算资源分配框架[J]. 卢浩洋,陈世平.  计算机应用. 2016(10)
[3]多任务多资源优化调度的病毒遗传算法[J]. 齐金平,查显锋.  计算机应用. 2011(07)
[4]云计算环境下基于改进遗传算法的任务调度算法[J]. 李建锋,彭舰.  计算机应用. 2011(01)
[5]基于相似度的可变编码长度遗传算法[J]. 潘立登,黄晓峰.  北京化工大学学报(自然科学版). 1997(03)



本文编号：2991919