改进遗传算法在云计算资源优化调度中应用.docVIP

改进遗传算法在云计算资源优化调度中应用 　　摘 要：在大量用户请求云计算资源服务时，如何合理组织资源和任务调度是云计算的关键技术之一。如果分配调度方法不合理，就可能产生用户需求得不到满足和资源使用不均衡等问题。在传统遗传算法基础上，将模拟退火算法与遗传算法相融合，扩大遗传算法的搜索领域，解决遗传算法早熟收敛现象，使云资源分配更加合理，以提高云资源利用率。在CloudSim平台上进行仿真，结果表明该方式能较好地对云计算资源进行分配，在能耗、带宽等约束条件下达到云资源最优调度的目的。 　　关键词：智能算法；云资源；优化调度；CloudSim仿真 　　DOI：10.11907/rjdk.172641 　　中图分类号：TP312 　　文献标识码：A 文章编号：1672-7800（2018）004-0045-02 　　Abstract：With the development of Internet， cloud computing has become a hot research topic in academic and commercial fields. When a large number of users request cloud computing resource services， how to do reasonable resource sister scheduling and task scheduling becomes one of the key technologies of cloud computing. If the allocation method is not reasonable， the user demand can not be met and the use of resources is not balanced. The traditional genetic algorithm combines with simulated annealing algorithm to expand the search field and solve the premature convergence phenomenon and makes the use of cloud resource allocation more reasonable to improve the utilization of cloud resources. Simulation experiments on CloudSim platform show that this method can better allocate the cloud computing resources， and achieve the purpose of optimal scheduling of cloud resources. 　　Key Words：intelligence algorithm； cloud resource； optimal scheduling； CloudSim simulation 　　0 引言 　　云?算[1-2]由网格计算发展而来，它将计算资源、存储资源和网络资源进行整合，按照用户需求进行分配资源服务，是一种新兴的网络服务和交互模式。云计算在云端部署计算机集群，运用虚拟化技术组成一个大型虚拟资源池（Virtualized Resource Pool）[3]，利用各种工具对虚拟资源池进行统一管理；在终端为用户与运营商提供服务接口，运营商通过这些接口为用户提供可扩展、分布式存储与计算等服务，用户在使用时可以对资源自行管理与配置[4]。 　　大多数情况下云计算的资源调度任务并发产生，且分布不均匀，当用户群体十分庞大时，虚拟机优化调度会越来越复杂，需要云计算系统提供灵活的分配机制，这些需求使云计算调度变得困难。本文以基本遗传算法[5-6]为基础，引入模拟退火算法[7-8]与之相融合，以改进遗传算法的局部搜寻能力，扩大遗传算法搜索领域，从而有效解决了遗传算法早熟收敛现象，使资源分配更加合理、高效。 　　1 基于遗传算法的资源调度算法设计 　　1.1 编码表示方法与初始种群产生 　　遗传算法产生种群一般采用随机方式，这种方法产生的种群有很多非连通路径，这些非连通路径虽然在以后的迭代运算中可能转化为连通路径，但转化效果一般，使得过程解在有限的进化代数内可能过早收敛，从而影响最终解的质量。所以，在确保初始种群的多样性前提下，要尽可能保证所产生的路径是连通的，这对于改善算法的求解速度和全局收敛性帮助很大。 　　将N个虚拟机放置在M个主机上，得到个体基因编码{k0，k1，…