云計算環(huán)境下基于改進粒子群算法的動態(tài)資源調度研究.pdf

1、由于云數據中心包括多種物理設備以及網絡設備，資源管理量龐大，在靜態(tài)資源管理的很多情況會出現少數物理設備負載過重而多數設備負載過輕或者閑置的現象，導致利用率過低并且造成不必要的開銷，實現云數據中心高利用率以及負載均衡的目標對解決目前所存在的挑戰(zhàn)具有十分重要的意義。
　　本文通過分析云計算資源調度特點及問題，提出了基于改進粒子群算法的虛擬機放置方法以及虛擬機動態(tài)遷移策略，主要做了以下工作:
　　(1)對云數據中心建立數學模型，抽

2、象數據中心，對云數據中心資源進行了分析和數學描述，對CPU，內存，網絡三種資源進行量化，便于實驗研究。
　　(2)對粒子群算法更新公式進行改進，使得粒子群算法能夠在整數集上運用，并改變相關參數定義，使之能夠適應云數據中心的數學模型運用。改進算法步驟，對利用率和負載均衡共同關注，通過最大最小函數解出多種資源請求下的最優(yōu)解，增加迭代中子代粒子種群數量，增加采樣區(qū)域，使得虛擬機得到更好的部署，減少數據中心的開銷。
　　(3)提出基

3、于預測的虛擬機遷移策略，減少不必要的虛擬機遷移以免引起系統(tǒng)不穩(wěn)定和額外開銷。設計了基于預測的虛擬機遷移觸發(fā)條件，減少瞬間峰值帶來不必要遷移。選擇最少遷移次數作為虛擬機遷出策略，減少遷移次數。使用最佳適應算法作為目標物理機選擇策略。解決了1、選擇何時進行虛擬機遷移;2、選擇哪些虛擬機進行遷出;3、選擇哪些物理機進行遷入的三個問題。
　　(4)在云計算仿真器CloudSim中進行仿真測試，對比基于貪心算法的輪詢放置方案，基本粒子群算法