云运营商效益最优的资源分配机制与算法.docVIP

云运营商效益最优的资源分配机制与算法 摘 要:为解决云运营商效益最优化的问题，本论文提出了改进型模拟退火算法（Bb-Metroplis）。改进型模拟退火算法针对效益最优化问题的特殊解空间，利用srand()和rang()函数产生新解，并结合背包算法的思想合理放置虚拟机和接纳效益更高的客户，从而节约运营商成本，提高云中资源利用率和降低了能耗，使云运营商获得尽可能大的经济效益。5782 关键字：服务计费；全局调节算法；效益最优；云计算 An Optimal Effectiveness of Resources Allocation and Algorithm for Operator in Cloud Computing Abstract: In order to solve the problem which Cloud operators get the optimun benefit,the paper comes up with the Bb-Metrolic. The Bb-Metroplic aiming at the special solution space of the problem of optimun benefit,it uses functions of strand() and rang() to produce new explanation, and combines with the idea of knapsack algorithm to place the virtual machine reasonably and accept customers who have more profit selectively.Therefore,it saves costs for operators, improves the rate of resource utilization and reduces the energy consumption to make the cloud operators get the economic benefits as much as possible. Key words: Service Computing; Global-adjustment; Optimal Efficiency; Cloud Computing 目录 摘要1 引言2 1.云运营商效益最优的研究意义和现状2 1.1云运营商效益最优的研究意义2 1.2云运营商效益最优的研究现状2 2.云运营商效益最优算法的数学建模3 图1 云环境 2.2算法的数学模型 实际问题的优化目标是用数学描述，通常是若干优化目标的和式。本文的数学模式是所有机器序列的排列数的每一台机器分别调用背包算法，得到结果的总和(也就是总利益)，即sum;cn=c1+c2+c3hellip;hellip;+c20。其中ci等于每台计算机的用户应付费用(f)减去计算机运行成本(b)，即ci= f- b。其中运行成本是计算机计算能力(j)的百分之一，即f=0.01*j；而应付费用则是所需计算能力(z)的9倍，即b=z*9。所以也可以表示成ci= z*9- 0.01*j。在解的空间内，利用随机排列数生成函数，反复调用背包算法，计算每次的总利益，并与上一最大利益结果比较，保留最优结果。并通过大量实验总结，在大多数情况下，函数迭代300到700次就会收敛，而且解的质量较高，或是真正的最优解或是十分接近最优解。 3云运营商效益最优的资源分配机制与算法 3.1本文算法的简介 云运营商要获得最优效益就要合理安排用户任务到每台计算机上，如果只是一台计算机，用背包算法就可以获得最优解。但在云环境下计算机的数目是非常多的，如果用背包算法依次让计算机在用户任务集合中挑选，得到的结果只是是局部最优效益。要得到最优效益可以让所有机器序列的排列数依次调用背包算法，即把所有计算机可能选择的顺序都进行一次背包选择，得到的结果肯定是最优解。但是这样付出的计算时间和计算能力是云运营商不可以接受的，例如20的全排列依次调用背包算法，即使在云环境下计算不成问题，但是耗费的计算能力的成本是巨大的。所以，考虑用一种智能的算法获得近似的最优解，本文针对实际改进了的模拟退火算法和背包算法结合解决云环境下运营商要获得最大利润的问题。 3.2算法的解空间 如何在这样庞大的解空间中选择并逐步靠近最优解呢？模拟退火算法是取一个较高的温度，在逐步降温过程中基本靠近最优解的邻域即在解空间的邻域下搜索，但对本文问题是不适合，因为在一个局部解的领域搜索一般得到的结果是一样的，这样很容易使最终的结果是局部最优解。例如在12345的邻域（13245、12435