用于多维尺寸可变装箱的遗传算法新编码.docx

用于多维尺寸可变装箱的遗传算法新编码 摘 要： 传统的装箱算法已经无法解决多维尺寸可变装箱问题，而用遗传算法获取近似最优解的方法被越来越多的学者采用。针对传统遗传算法在多维尺寸可变装箱问题中的低效编码方式，文章提出一种新型的遗传算法编码方式。在某公司虚拟机资源分配场景下进行实验，并与传统FFD算法及传统编码方式的遗传算法进行对比。结果表明采用新编码方式的遗传算法结果更优。 关键词： 多维； 尺寸可变装箱问题； 遗传算法； 编码方式 中图分类号：TP301.6 文献标志码：A 文章编号：1006-8228（2018）08-61-03 New coding of genetic algorithm for multi-dimensional variable size bin packing problem Dong Qihuan （Hangzhou Dianzi University， Hangzhou， Zhejiang 310018， China） Abstract： Traditional bin packing algorithm cannot resolve multi-dimensional variable size bin packing problem， so many researcher choose Genetic algorithm to get an approximate optimal solution. Aiming at the inefficient coding of traditional Genetic algorithm in multi-dimensional variable size bin packing problem， this article presented a new coding method of Genetic algorithm. The method is verified in a companys virtual machine resource assignment scenario， and compared with traditional FFD algorithm and the Genetic algorithm with traditional coding， the results show that the Genetic algorithm with new coding has a better performance. Key words： multi-dimension； variable size bin packing problem； Genetic algorithm； coding 0 引言 箱问题在实际生活、生产中应用广泛。对于一维装箱问题的研究非常多，除了传统的FDD[1]，BFD算法，还有很多学者使用各种遗传算法解决这个问题[2]。尺寸可变装箱是经典装箱问题的一种扩展，即存在不同尺寸的物品和箱子，要求将物品全部装入箱子后，箱子的总容量最小。不过一般的尺寸可变装箱问题只考虑了一个尺寸维度，然而实际工程中尺寸都是多维的，比如运输集装箱要考虑物品的长、宽、高以及重量，快递包裹中物品的重量、体积，价值等[3]。适用于传统一维装箱问题的FFD、BFD等算法，在多维尺寸可变装箱问题场景下会产生大量的空闲资源碎片。而传统的遗传算法，在多维尺寸可变装箱场景使用时会有编码长度过长、计算缓慢、效率低下的问题。 某公司云服务器在分配虚拟机的过程中，根据虚拟机类型、数量以及服务器类型进行优化分配，优化分配要考虑的维度有CPU和内存两个维度，这是一个典型的多维尺寸可变装箱应用场景。本文针对这个优化分配场景，建立数学模型，并采用一种新型编码方式的遗传算法来解决这个分配问题。用C++语言实现该遗传算法，并同时实现了传统的FFD算法和传统物品编码方式的遗传算法，经过试验对比，结果表明采用了新编码方式的遗传算法优于传统遗传算法和FFD算法。并且相比于传统遗传算法，新编码方式在计算速度上有巨大的提升。 1 问题描述和数学模型 某公司云服务器在分配虚拟机资源过程中，要同一时间段处理一批虚拟机的申请。分配过程中要同时考虑各个虚拟机需要的CPU资源和内存资源，并且云服务器种存在多种规格的服务器。研究的目的是在把所有的虚拟机分配到服务器上后，所使用的服务器总资源尽量小，即产生的空闲资源碎片尽量少，这样可以最大限度的利用服务器资源，以降低运营成本。 可将此问题进行数学描述：计划要分配的虚拟机类型有K种，其中第i种虚拟机类型需要配置数量为Ni、单个虚拟机需要的CPU个数为Ci、需要的内存数量为Mi， i∈{（1，2，3，4，…，K）}；给定服务器类型L种，