基于改进量子粒子群算法虚拟机放置方法.docVIP

基于改进量子粒子群算法虚拟机放置方法 　　摘要：针对云计算中虚拟机的放置问题，本文通过对量子粒子群算法的分析，提出一种改进量子粒子群的放置算法。该算法以优化数据中心能耗为目标函数，根据粒子当前的位置和全局最优位置的关系，采用自适应调整收缩-扩张因子和粒子权值的方法，对量子粒子群算法的关键参数指标进行了改进，提高算法的收敛速度及粒子寻找最优解的能力。通过云计算仿真平台CloudSim 的测试，表明改进后的算法在保证满足用户请求的前提下，既提高了搜索效率，又降低了电源损耗。 　　关键词：云计算 虚拟机放置 量子粒子群优化算法 　　中图分类号：TP301.6 文献标识码：A 文章编号：1007-9416（2016）08-0152-03 　　Abstract：For the virtual machine placement problem in Cloud Computing ， an improved quantum particle swarm placement algorithm is proposed by analyzing the quantum particle swarm algorithm. The proposed algorithm models data center power consumption as the objective function. According to the relationship between current position and the global best one， an adaptive adjustment of contraction-dilation factor and particle weights method is adopted to improve the key parameter in quantum particle swarm algorithm，improving the convergence speed and the ability to find the optimal solution particle. Through the tests on CloudSim that is a cloud computing simulation platform， results show that under the premise to satisfy user’s requests， the proposed algorithm not only improves the search efficiency， but also reduces the power consumption. 　　Key Words：Cloud Computing； Virtual Machine Placement； Quantum-behaved Particle Swarm Optimization 　　1 引言 　　近年来，云计算已经融入到计算机技术的各个领域，它与5G、物联网、移动互联网和大数据分析等都有相当紧密的联系，是未来信息产业的重要支撑和关键性技术。随着云计算的不断发展和壮大，底层的基础设施规模也日益增大，如何在具有动态性和异构性的复杂云计算环境下，保证每个用户需求的同时，合理有效的分配物理资源给虚拟机，已成为云计算领域研究的一个重要问题。 　　云计算资源调度是一个NP难的问题，现有的云计算资源调度算法更多的是关注成本控制或资源使用率，采用动态的资源调度策略，实现了SLA（Service-Level Agreement）和运营成本两者之间的平衡；文献提出一种基于遗传算法的负载均衡调度方法，根据系统当前状态预测出放置后系统的结果，以此来选出最优的放置方案，但这些方法忽略了分配过程中涉及的能耗因素。研究表明物理主机的电源消耗与CPU的使用率是呈线性关系的， 当物理主机的CPU利用率增大时，物理主机节点的电源消耗呈线性增长。本文将资源分配和能耗结合在一起考虑，提出一种改进量子粒子群的放置算法（Adaptive Quantum-behaved Particle Swarm Optimization-Mapping，AQPSO-M），从而在虚拟机放置的过程中实现放置效率和节能。 　　2 问题描述 　　2.1 基本定义 　　定义1：底层的Q台物理主机被形式化为集合 　　，单个主机host有三个种资源描述（CPU、内存和带宽），表示为；n台虚拟机被形式化为集合，其中每台虚拟机有三种资源描述（CPU、内存和带宽），表示为。 　　定义2：映射矩阵，也可以被称为虚拟机的放置方案。其中，表示第i个虚拟机没能成功映射到物